基于图像识别和BP神经网络的灌溉模型的研究
影响农作物生长的重要因素之一是水,只有合理灌溉才能促进农作物的生长.我国作为农业大国,水资源却相对短缺.针对我国国情和目前灌溉模型存在的缺点,设计了一个灌溉模型.灌溉模型以小麦为研究对象,首先利用图像识别技术判断小麦是否处于病态,然后利用非病态小麦的作物水分胁迫指数(crop water stress index,CWSI指数)判断小麦是否需进行灌溉,若需要灌溉则利用BP神经网络对相关影响因素进行训练,最终得到小麦的灌溉量.仿真结果表明,灌溉模型能够提高灌溉用水的利用率,在一定程度上能够实现对作物的合理灌溉.
图像识别、CWSI指数、BP神经网络、灌溉模型
31
TP183;TN957.52(自动化基础理论)
国家自然科学基金;重点实验室开放研究项目;安徽工程大学青年基金;安徽省大学生创新创业训练计划
2021-07-15（万方平台首次上网日期，不代表论文的发表时间）
共6页
124-129
