虚拟现实系统中农业装备模型转换方

对几种典型的农业装备虚拟现实系统模型建立方法进行研究,比较分析了各自的优缺点.在VC++6.0环境下,通过UG和Creator双方二次开发相结合的方法,实现了从UG(CAD)到Creator(VR)的模型转换,通过直接转换建立了农业装备的虚拟现实模型.经过在虚拟现实系统中实验测试,该转换模型满足了农业装备虚拟现实的要求.     

基于Solidworks的旋耕刀实体建模与有限元分析

介绍了利用机械设计软件SolidWorks创建小型旋耕机旋耕刀的零件模型方法,并用有限元分析插件COSMOSWorks对其进行了静力分析,进而从理论上分析了旋耕刀正常工作状态下的应力、应变和变形等情况。分析结果表明,从刀具的强度角度考虑,旋耕刀与刀辊联接处是刀具的一个重要的结构设计要点,为刀具的结构设计提供了有价值的参考依据。     

农业装备虚拟试验系统平台的建立

针对农业装备数字化设计技术研究的需求,利用虚拟现实场景建模工具MultiGen Creator和实时场景驱动软件Vega Prime,结合VC++编程语言,开发出一套完整的农业装备虚拟试验系统平台.阐述了系统平台的软硬件组成、功能、结构以及系统的开发流程,对建模过程中运用到的方法、步骤和所涉及到的关键技术进行了研究,此外对Vega Prime应用中的关键技术和难点进行了探讨.测试试验表明,该系统平台运行稳定,具有可靠性和有效性.     

软件工程及其各阶段工作的特征

对软件工程作了概述,并介绍了软件开发各阶段工作的主要内容及特征。     

基于CAPSIS平台开发落叶松云冷杉林矩阵生长模型

为了提高生长模型的开发效率,扩大生长模型的影响和应用,根据落叶松云冷杉林矩阵生长模型的参数特点及各种算法,利用计算机java语言将这些参数和算法转移到CAPSIS共享森林建模平台上,结合CAPSIS本身具有的各种适用于单木或林分的模块属性.基于CAPSIS平台开发了落叶松云冷杉林矩阵生长模型,该模型可用来预测和模拟自然...     

浅述旋耕刀设计技术的发展

我国是一个农业大国,旋耕机是主要的农田耕作机械.旋耕刀作为旋耕机的重要部件,一直是旋耕机设计者研究的主要内容[1].提高效率、降低功耗是旋耕刀设计的两个主要目标.针对这两个目标,浅述了国内外的主要研究成果.随着科学技术的发展,旋耕刀的设计研究手段也发生了变化,以计算机模拟技术和网络CAD系统为例,来说明数字化设计技术已逐步被引用到旋耕刀的设计制造领域.数字化设计技术将会使旋耕刀的设计及制造发生革命性的变化.     

基于深度卷积神经网络的小麦赤霉病高光谱病症点分类方法

为快速、高效地利用高光谱成像技术诊断小麦赤霉病病症,分析了卷积层结构与光谱病症特征的关联性,并重点研究了高光谱的像元分类建模方法。首先,基于深度卷积神经网络的2种典型结构,构建了不同深度的卷积神经网络,比较了小麦赤霉病高光谱数据点集的训练和测试结果。结果显示:Visual Geometry Group(VGG)结构随着网络深度的增加,模型损失值不断下降;残差神经网络(ResNet)结构随着深度增加,损失值没有明显降低,说明ResNet网络的深度与模型性能无关。从测试集评测模型泛化性可知,具有4个基础单元模块的22层VGG网络在所有深度卷积模型中最优,其建模和验证准确率远高于传统的支持向量机(SVM),分别为0.846和0.843,测试集准确率为0.742。以VGG为基础单元构建的深度神经网络,能有效提取小麦赤霉病病症的高光谱特征。研究结果可为大尺度小麦赤霉病的智能成像诊断提供理论基础。     

垄作免耕播种机三维模型研究

垄作与保护性耕作相结合是一项重要技术,有助于抵御春旱,控制风蚀,逐步培肥地力。播种时利用机械装置处理播种带杂草,秸秆覆盖可抑制垄沟杂草的生长,消除对除草剂的依赖。根据技术结合特性,分别建立了垄作免耕播种机的机架、开沟器、镇压器、地轮、修垄装置等三维模型,总装成整体播种机。本播种机可一次性完成开沟、施肥、播种、覆土、镇压等多项作业,减少机器进地次数。研究垄作免耕播种机的三维模型,可对其机械性能进行分析,为样机制造提供理论支撑,有利于推广垄作免耕播种技术。     

基于太赫兹成像技术的大豆叶片水分含量测定

为了实现叶片水分含量的快速、精准检测,提出一种基于太赫兹成像技术的大豆叶片水分含量测定方法。利用太赫兹光谱成像系统获取96份大豆叶片太赫兹图像,采用干燥法测量叶片含水率,通过主成分分析(PCA)提取出水分敏感特征波段0.557、1.098、1.163 THz,对这3个特征波段下的叶片图像采用自适应阈值分割法,将其分为叶脉图像与叶肉图像,分别求取各自的图像灰度特征,并分为叶片特征组(G1)、叶脉特征组(G2)和叶肉特征组(G3)。分别采用多元线性回归(MLR)、反向传播神经网络(BP-ANN)和最小二乘支持向量机(LS-SVM)算法,以上述3个特征组作为输入,构建出9种大豆叶片水分预测模型。对比分析各模型性能,发现基于G3的LS-SVM模型预测结果最好,校正集和预测集的决定系数和均方根误差分别为0.967 8、0.963 2,0.057 8、0.046 5。试验结果表明,利用太赫兹成像技术来检测叶片中的水分含量具有非常高的预测精度,为作物叶片水分含量测定提供了一种行之有效的检测手段。