甘肃榆中县常见草本植物检索系统的设计与实现
文献类型: 中文期刊
第一作者: 修炀景
作者: 修炀景;侯蒙京;谢玉鸿;冯琦胜;梁天刚
作者机构:
关键词: 检索系统;草本植物;3D建模;Access数据库;Delphi编程工具;VBA语言;榆中县
期刊名称: 草业科学
ISSN:
年卷期: 2021 年 006 期
页码: 1181-1193
收录情况: 北大核心 ; CSCD
摘要: 草本植物物种的鉴别和分类是草地资源调查和相关学科科研教学的重要组成,对于传统植物鉴别和信息查询方式而言,其过程费时费力且较为繁琐,难以满足使用需求。随着计算机技术的不断发展与运用,为植物图像数据库构建、分类、检索工作提供了新的手段和方法。基于Access平台,建立了甘肃省榆中县常见草本植物图像数据的资源信息数据库,包括13个科256个种的常见草本植物。在此基础上,利用VBA语言设计并开发了该地区的植物检索系统。精度评价结果表明,当输入形态特征信息数为3条时,除了禾本科以外,植物识别率在70%以上;输入形态特征信息数为6条时,植物识别率均在80%以上,其中车前科、旋花科、莎草科和蒺藜科识别率可达到100%。该系统对各科草本植物的识别准确度较好、系统操作简便、可视化效果好,能满足大部分使用需求。
分类号: Q949%TP391.3
- 相关文献
[1]交互式虚拟培训系统技术在农机职业技能培训中的应用. 孟庆山,许宁,程娟,张泉,张清博. 2016
[2]Access数据库在科研管理中的应用. 古丽扎尔·吐尔汗. 2005
[3]Access数据库在蔬菜农药残留检测数据管理中的应用. 刘圣红,古丽斯坦·阿不都拉,赵子刚,孙涛,马磊,王成. 2013
[4]基于Access的烟草病虫害信息管理系统. 陈钰,邱荣洲,赵健,池美香. 2008
[5]半干旱区胡麻地膜覆盖栽培方式研究. 叶春雷,谢志军,罗俊杰. 2012
[6]种植密度对西芹产量和品质的影响. 周玉斌,张平华,康恩祥,师桂英. 2016
[7]14个晚熟马铃薯新品系在榆中的品比试验初报. 郑永伟,李掌,曲亚英,白永杰,文国宏. 2018
[8]榆中县山楂栽培技术. 岳临平. 2016
[9]榆中县秋延后大棚松花菜高产栽培技术. 李晓芳,陶兴林,朱惠霞,胡立敏,刘明霞. 2021
[10]食用菌品种资源库的开发. 臧春荣,刘宏. 2004
[11]中国数字化期刊网络系统比较分析. 刘善文. 2003
[12]面向竹藤的领域语义信息检索系统研究. 彭琳,庞雪. 2014
[13]基于局域网B/S结构的英文水稻文献检索系统的研究与实现. 万明明,王糯兴,许杰,郑东,王磊. 2008
[14]山西省农业科技论文的分析. 谷跃麟. 1993
[15]检疫性果实蝇属重要种类分类检索专家系统. 黄振,邱荣洲,虞赟,郭琼霞. 2023
[16]WebSPIRS5.0版数据库检索系统使用探讨. 郭溪川. 2005
[17]WebSPIRS 5.0版数据库检索系统使用探讨. 郭溪川. 2005
[18]基于Solr的中文农业期刊文摘检索系统的构建研究. 鲜国建,赵瑞雪. 2011
[19]《贵州农业科学》全文数据库系统的设计与实现. 赵泽英,彭志良,王海,雍春林,朱杉杉. 2005
[20]文档类型信息检索可视化系统比较分析. 陈颖,张学福,姜世华,陈静. 2010
作者其他论文 更多>>
-
基于高光谱信息的矿区重金属砷含量估算
作者:薛玉玲;修丽娜;冯琦胜;马晓红;马利邦
关键词:土壤光谱曲线;特征波段;偏最小二乘回归模型;BP 神经网络模型;随机森林模型
-
基于深度学习的栽培苜蓿害虫识别模型
作者:张忠雪;冯琦胜;李仲贤;李云昊;王瑞泾;张轩凡;李彦忠;梁天刚
关键词:深度学习;YOLOv5算法;Faster-RCNN算法;苜蓿害虫
-
草地生态系统保护、修复与功能提升的关键科学问题
作者:朱剑霄;尚占环;蒋胜竞;师研;冯琦胜;赵新全;辛晓平;闫玉春;苏艳军;贺金生
关键词:重点生态保护和修复工程;退化草地;乡土草种;土壤养分;土壤微生物;近自然恢复
-
人工智能技术在高校实验室与设备管理中的应用展望
作者:胥刚;季金林;冯琦胜;牟兰;蔡明
关键词:人工智能;实验室管理;实验设备;机器学习
-
多学科交叉融合的草学类创新型人才培养模式探索
作者:刘敏;沈禹颖;阎石;梁天刚;唐增;侯正豪
关键词:本科生培养;交叉学科;信息化;草地农业;新农科;人才培养;综合性大学
-
MODIS和VIIRS植被指数产品在估算甘南草地生物量的适用性
作者:张忠雪;冯琦胜;王瑞泾;金哲人;梁天刚
关键词:地上生物量;植被指数产品对比;甘南;反演;空间分布
-
基于Sentinel-2数据的青海门源县天然草地生物量遥感反演研究
作者:郭芮;伏帅;侯蒙京;刘洁;苗春丽;孟新月;冯琦胜;贺金生;钱大文;梁天刚
关键词:Sentinel-2;地上生物量;机器学习;天然草地;反演模型
