Aula de Alta Espectridade 31: Informações de múltiplas fontes colaboram para melhorar a precisão do monitoramento da germinação do trigo

Título do relatório:Pesquisa de monitoramento de molhos de trigo com base em informações de múltiplas fontes

Tempo de transmissão:5 de novembro 10:00-11:00

Convidados:Universidade de Yangzhou - Liu Tao (Professor)

Participação:

1. Siga o número de vídeo "Double Benefit Joint Spectrum" e reserve a transmissão ao vivo imediatamente.

2. Digite o código 2D abaixo para marcar a transmissão ao vivo.

Apresentação do professor

Liu TaoProfessor da Universidade de Yangzhou, mentor de doutorado, programa de talentos de alta qualidade da Universidade de Yangzhou - talentos de alto nível, professores da espinha dorsal de engenharia azul, funcionou como editor convidado de vários periódicos da SCI. Principalmente envolvido na pesquisa de monitoramento de germinação de trigo e tomada de decisão inteligente, com base em sensores de múltiplas fontes e algoritmos de inteligência artificial, desenvolvendo vários métodos de monitoramento de germinação de culturas e modelos de tomada de decisão inteligentes, vários resultados são aplicados às práticas de produção de culturas. Publicação de 23 artigos como autor de um trabalho ou boletim informativo, 9 dos quais em 1 periódico TOP da região; O primeiro inventor foi autorizado a inventar 11 patentes, transformando com sucesso oito itens; Presidir 2 Fundos Nacionais de Ciências Naturais, 2 Fundos Nacionais de Pós-Doutorado, 2 missões do Plano Nacional de Pesquisa e Desenvolvimento e 2 subtemas do Plano de Pesquisa e Desenvolvimento da Província de Jiangsu; Recebeu o Prêmio de Ciência e Tecnologia de Cultivos e o Primeiro Prêmio de Progresso Científico e Tecnológico da Federação de Empresas.

Conteúdo do relatório

O relatório tem como objetivo principal o monitoramento preciso da fragrância do trigo, apoiado por dados espectrais como apoio fundamental, e combina vários tipos de dados da IoT, radar e óculos AR para realizar pesquisas sistemáticas em torno de indicadores-chave durante todo o ciclo de crescimento do trigo. O conteúdo específico do relatório inclui: estudos em torno do acoplamento de dados de múltiplas fontes, otimização de características de aprendizagem profunda e realização de estimativas precisas da biomassa do trigo durante todo o período fértil; Estudo de estimativa do número de troncos de trigo com base em dados espectrais de drones e dados de óculos AR; Estudo de classificação de sementes de trigo pré-invernal com base em dados espectrais; E estudos de avaliação da resistência ao trigo com base em dados espectrais na região de Jiangsu.Este estudo fornece lições práticas para explorar plenamente o valor dos dados espectrais e conduzir pesquisas eficientes sobre a fragrância do trigo.