智能采摘机器人自动化系统研究 —基于交互式视音频技术

为了提高采摘机器人的作业质量,模仿英语移动教学交互式视音频技术,在采摘采摘机器人控制系统中引入了视音频交互技术,通过远程视频监测机器人的作业状态,然后利用声控技术对采摘机器人的作业姿态进行调整,实现了管理员和采摘机器人的视音频交互,可以有效地提高采摘机器人的作业质量,降低采摘机器人的故障率。为了验证方案的可行性,对采摘机器人自动化控制系统进行了测试,并引入了MIMO通信原理,以提高视音频信号传输的质量。测试结果表明:采摘机器人可以准确地识别远程端的声控信号,且根据指令信号动作的准确率较高,可以满足高精度采摘机器人的设计需求。     

基于极化分解和集成学习的PolSAR影像分类

为实现Pol SAR数据极化信息的充分利用,以进一步改善分类效果,该研究提出了一种基于极化分解和集成学习的Pol SAR影像分类方法。该方法首先利用多种极化分解方法从Pol SAR影像中提取极化参数;将提取的极化参数组合成一幅多通道影像;然后对多通道影像进行分割和特征提取,分别提取出各目标极化分解方法所对应的特征;并进行特征选择和分类,得到各目标极化分解方法的分类结果;最后利用集成学习技术对各分类结果进行集成。该研究以吉林省长春市部分区域为研究区,Radarsat2影像为数据源,将提出的方法应用于土地覆被分类中,取得了较好的分类效果,总体精度和Kappa系数分别达到了92.49%和0.90。此外,该研究还将提出方法与其他基于多种极化分解的分类方法进行比较,对比方法的总体精度和Kappa系数分别为90.74%和0.88,比提出方法分别低1.75%和0.02,对比结果进一步证明了提出方法的优越性。     

除草机器人视觉导航中路面检测方法研究 —基于DSP图像深度处理

除草机器人是自主作业水平较高的一种新型农机设备,由于作业环境复杂,其作业质量和效率受视觉导航系统的影响较大。为了提高除草机器人视觉导航系统的精度及实时处理图像的效率,将DSP图像处理技术引入到了视觉导航系统的设计上。为了验证方案的可行性,结合MatLa软件对系统的图像处理能力进行了仿真实验,首先将采集图像利用MatLab处理为CCS的数据文件,然后传送给DSP处理器进行处理,最后将处理数据利用CSS传给MatLab软件进行图像显示,验证其是否能够成功的提取导航线位置。     

网络学习在生物信息学教学改革中的重要性探析

网络学习是指利用互联网技术进行学习的一种模式。这种方式可以充分发挥学生的自主学习能力,提高知识水平和实践技能。在生物信息学教学过程中,将网络学习与传统课堂教学相结合的学习方式,可大大调动学生的学习积极性,从而提高生物信息学的教学效果。本文从生物信息学网络教学的内容选择、与课堂教学的结合以及教学效果的评估等方面,对网络学习在生物信息学教学改革中的重要性进行了探究,旨在为生物信息学的教学改革提供参考。     

旋耕深度对滨海盐渍田水稻生长和产量性状的影响

采用大区对比法,在不同地点研究旋耕深度对滨海盐渍土水稻生长和产量性状的影响。结果表明:随着旋耕深度的增加,水稻叶片SPAD值、地上部干重、穗数和产量呈现增加的趋势,而耕深9 cm和12 cm间差异不显著,只有当深度达到15 cm时,各性状才呈现显著增加;旋耕深度对水稻穗粒数、结实率和千粒重的影响较小;旋耕深度对水稻性状的影响在2个地点表现出相同的变化趋势,可采取相同的旋耕措施。     

基于技能学习的高职机械专业教学创新探讨

在高职机械专业教学中,以培养学生实际技能为中心目标,注重技能教学理论,培养出符合产业转型升级与企业一线需求的技术技能型人才,这是高职院校教育新的发展方向。为此,本文主要就基于技能学习的高职机械专业教学创新进行分析。     

敢啃“硬骨头” 助产业发展

珠海市现代农业发展中心(以下简称“农发中心”)水产技术推广部副部长李勇,加人农技推广工作20年来,始终以产业需求为首要任务,从不计较个人得失。他深度参与了白蕉海鲈的品牌创建、技术推广、示范区建设、地理标志产品申报等工作,敢于啃“硬骨头”,默默为产业发展奉献自己的力量。     

采摘机器人深度视觉伺服手-眼协调规划研究

针对现有采摘机器人的识别-采摘精度与效率偏低等问题，开展了采摘机器人深度视觉伺服手-眼协调规划研究。开发了在手RealSense深度伺服的小型升降式采摘机器人，进行了采放果的工作空间与姿态分析，针对“眼在手上”模式建立了手-眼协调的坐标变换模型。对采摘机器人提出了基于在手RealSense深度伺服的由远及近手眼协调策略，并根据RealSense与机械臂参数完成了基于深度视觉的远近景协调关键点间分段动作规划。手眼协调采摘试验表明，末端在X、Y、Z方向的平均定位精度为3.51、2.79、3.35mm，平均耗时为19.24s，其中机械臂从初始位开始采果的平均耗时为12.04s，中间识别与运算的平均耗时为3.82s，放果动作平均耗时为7.2s，机械臂动作耗时占整个环节的80.2%。该机器人结构和在手RealSense深度伺服的手眼协调策略可满足采摘作业需求。     

基于多尺度卷积神经网络的轴承故障诊断研究

针对现有的轴承故障诊断数据特征提取单一的问题,本文提出了一种基于多尺度卷积神经网络的轴承故障诊断方法,以轴承运行时采集的故障信号为研究对象,使用多个尺寸的卷积核提取原始信号,使提取到的信号更加丰富,有效解决特征提取能力不强的问题,无需人工提取故障特征。试验结果表明,该方法具有较高的轴承故障诊断准确率。     

基于涝水过程的水稻灌区受涝损失评估方法

提供了一种基于涝水过程的水稻受涝损失估算方法,将受涝淹水数据中第1天淹水深度和淹水历时数据代入水稻受涝减产率函数,得到第1天的水稻受涝减产率;根据受涝淹水过程数据,代入水稻受涝减产率增量函数,计算得到水稻逐日受涝减产率增量;将计算结果代入水稻受涝减产率累积叠加公式,计算水稻逐日受涝累积减产率.该方法基于淹水深度、淹水历时与水稻受涝减产率之间的函数关系,通过插值、增量叠加的一套计算流程,能够计算逐日水深变化条件下逐日水稻受涝累积减产率,进而得到一次变淹水深度过程下稻田受涝减产率的累积过程.减产率函数计算的产量损失与试验观测值的均方根误差均小于15％,其相关系数大于0.84,模型模拟效率超过0.71,模型模拟精度已达到乙等精度以上.该方法可应用于水稻种植区涝灾损失计算和评估,为水稻种植区灾后补救以及灾前预测提供了科学的计算方法.