摘要
Usha Z Dattataray S、Meena Patil和Srinivas Parimi。 2012年,评估用于管理茄子果实和茎蛀虫的新型杀虫剂。 《印度植物保护杂志》第40卷第4期,2012年(273-275)(2012年)。 谷歌学者 P.Grimalt,S。; 德胡克。 2016年,葡萄中农药残留检测分析方法综述。 A包括电刷。 其他9月方法2016,1433,1–23(2016)。 谷歌学者 J.R。; 傅海峰。; 邵晓东。; 李Z。 K Jia,Y.G。; 他。 2018.基于高光谱成像的苹果表面农药残留检测方法。 因特尔。 科学。 《大数据工程》2018、11266、539–556(2018)。 谷歌学者 J。; 新政。; 毛宏。; 吴霞。; 李强(Li Q.)。 江,S。; 太阳。 2017年。使用近红外高光谱成像技术可视化桑叶中农药残留的分布。 《食品加工工程杂志》2017,40,e12510.1–e12510.6(2017)。 谷歌学者 J。; 杨S。; 傅H。; 李泰。; 宋海江,B。; 他。 2019.融合机器视觉技术和Alexnet-CNNs深度学习网络,用于检测采后苹果农药残留。 人工智能。 农业。 2019年1月1日至8日。 (2019). 谷歌学者 W。; 方磊。; 陈毅。; Benediktsson J。 A.李,S。; 歌曲。 2019.高光谱图像分类深度学习:概述。 IEEE传输。 地质科学。 遥感2019,57,6690–6709。 (2019). 谷歌学者 江涛彭丽王和孙伟伟。 2019.用于高光谱图像分类的空间-光谱压缩和激励残差网络。 遥感器MDPI,2019,11,884; doi:10.3390/rs11070884(2019)。 谷歌学者 交叉引用 年。; Pappula S。; 沙比尔T.P.A。; Sawant S.D.公司。; Hingmire S Mohite,J。; 卡拉尔。 2017.使用高光谱传感检测葡萄上的农药(氰菊酯)残留。 农业与食品质量安全传感IX; SPIE:美国华盛顿州贝灵汉,2017(2017)。 谷歌学者 J.M。; J广场。; 广场A。 保莱蒂,M.E。; 上半身。 2019.用于高光谱成像的深度学习分类器:综述。 ISPRS J.摄影。 遥感2019、158、279–317。 (2019). 谷歌学者 J.M。; J广场。; 广场A。 保莱蒂,M.E。; 上半身。 2019.高光谱成像的深度学习分类器:综述。 ISPRS J.摄影。 遥感2019、158、279–317。 (2019). 谷歌学者 下午。; 梅纳·莫拉莱斯A。; Martinez-Gascuena Perez-Navarro,J。; 伊兹基耶多·卡纳斯。 2019.使用HPLC-DAD-ESI-MS/MS:一种品种分化工具,对新葡萄品种葡萄(Vitis vinifera L.)和丹普尼罗(Tempranillo)不同浆果部位的酚类化合物进行分析。 品种分化工具。 食品化学。 2019年,295,350–360(2019年)。 谷歌学者 Z.H.公司。; 纪H。 任永强。; 饶。 2018.利用高光谱图像技术鉴定菠菜叶片上不同浓度乐果农药残留。 伊法克·帕普。 在线2018,51,758–763(2018)。 谷歌学者 刘C郭L陈WH。 苏杰、易D。 2017.使用小型训练数据集的降维辅助高光谱图像分类:实验比较。 传感器(巴塞尔)。 2017年11月25日; 17(12):2726. doi:10.3390/s17122726。 PMID:29186846; PMCID:PMC5750527(2017)。 谷歌学者 交叉引用 S.L。; 毛泽东。; 吴X.H。; 杨恩孙,J。; 国会议员。 2018.基于高光谱技术的莴苣叶混合农药残留定量检测。 《食品加工工程杂志》2018,41,e12654(2018)。 谷歌学者 龙端伟陈浩宋一凡张伟徐天莹闫、张楚、潘高。 2022.使用机器学习高光谱成像检测葡萄中农药残留水平,。 《食品2022,11,1609》(2022)。 谷歌学者
建议
用于光谱图像超分辨率的深度残差注意网络 计算机愿景–ECCV 2018研讨会 摘要 光谱成像传感器通常具有较低的空间分辨率,因为在可以同时实现的光谱分辨率和空间分辨率之间存在一个基本的折衷,特别是当需要获得时间分辨率时。。。 用于高光谱遥感图像分类的三维残差空间-光谱卷积网络 摘要 高光谱遥感图像(HRSI)是包含数百个光谱带的三维图像立方体,具有两个空间维度和一个光谱维度。 HRSI分析通常用于各种应用,例如物体。。。