青枯菌对桉树及非寄主树木根部吸附和侵入的比较

通过接种青枯菌与非病原的大肠杆菌,对2个桉树无性系和1种非寄主树木的根表吸附菌量及根内含菌量进行测定.结果表明:青枯菌对感病寄主根表的吸附量多于对抗病寄主和非寄主根表的吸附量,对感病寄主根部的侵入量多于对抗病寄主但少于对非寄主根部的侵入量;病原菌较非病原菌对感病寄主根表的吸附量大,但二者对感病寄主根部的侵入量则依据根部伤口的有无而互有高低.青枯菌接种24 h内,感病寄主根表吸附菌量和根内含菌量呈上升趋势,在抗病寄主及非寄主根表的吸附菌量和根内含菌量却呈下降趋势.从统计学上看,青枯菌对寄主根部的吸附和侵入都显示出了一定的选择性,但由于病原细菌能够大量地吸附和侵入抗病寄主和非寄主根部,非病原细菌也能够大量地吸附和侵入桉树根部,因此这种选择性的生物学意义不大,青枯菌对桉树根表没有表现出明显的识别行为.     

模糊模式识别模型在流域生态安全评价中的应用

生态安全是指人类赖以生存和发展的生态环境处于健康和可持续发展状态,流域生态安全评价是实现流域可持续发展的一项重要调控措施。流域生态安全评价需要通过评价模型来实现,由于生态安全是一个外延不明确的模糊概念,为此以模糊模式识别理论为基础,提出了流域生态安全评价的模糊模式识别模型。运用模型对岷江上游的生态安全现状进行了评价,建立了1,2,3共三个级别的指标体系,结果表明岷江上游生态安全处于第2级,即处于预警状态。评价结果符合岷江上游地区的生态环境状况。     

把林火灾害问题纳入风险管理范畴的探讨

风险管理正在成为全球关注的新学科。森林火灾不可避免,灾害风险不容回避,把林火灾害纳入风险管理范畴,是预防、减少和控制森林火灾的重要手段和措施。文中阐明了林火灾害风险及风险管理的概念和含义,明确了风险判识、风险分析、风险评估和风险控制特别是风险评估的内容与方法。     

属性识别模型在水利水电规划方案综合优选中的应用

针对目前水利水电规划方案综合优选方法中存在的问题，提出了基于变异系数权重的水利水电规划方案综合优选属性识别模型。该模型采用反映评价指标特征值之间差异性的参数——变异系数作为评价指标的权重，减小了权重确定的主观性，且模型求解方法简单易学。实例分析表明，这一模型和方法是合理、可行的。     

采棉机器人的研究现状及关键技术

对国内外机械化采棉技术的研究现状进行了综述,构建出了基于计算机视觉的智能型采棉机器人原型系统,分析了采棉机器人的应用价值.同时,介绍了采棉机器人的作业环境和工作对象的特殊性,总结了采棉机器人所涉及的关键技术,包括采棉机器人本体的优化设计、棉花的自动识别和分类以及路径规划和运动控制技术等,最后指出了目前应用采棉机器人存在的主要问题并提出相应对策.     

考虑光照条件的蛋壳蛋心颜色识别方法

研究了机器视觉识别中光照条件对蛋壳蛋心颜色的影响;根据白壳与青壳蛋透光性的差异,对比分析了鸭蛋不同壳色在不同光照强度下的颜色信息,找出了白壳蛋与青壳蛋图像信息差异最大的参数以及对应的光照条件.同时,分析了与蛋黄颜色相关性较大的特征参数及光照条件.实验表明:光照条件的亮度等级为120时,鸭蛋图像的可分度最好,利用形心区域的尺分量来判断蛋壳的颜色,计算量减少,分类准确,易实现;白壳蛋在180亮度及青壳蛋在210亮度等级下,根据形心区域的H分量建立判别模型,预测精度高.     

基于XF-GF空间合成技术的农村居民点复垦潜力分析——以潼南县双江镇双林村为例

农村居民点复垦是坚持节约用地,推进新农村建设的客观要求。科学划定规划期农村居民点用地退出图斑,是测算农村居民点复垦潜力的关键所在。XF-GF空间合成识别技术体系是指以地理信息系统(Geograph-ical Information System,GIS)为技术平台,将农村居民点用地现状分析与农村居民点用地规划分析进行空间合成,科学划定规划期农村居民点用地退出图斑的技术体系。以ArcGIS9.3为研究平台,利用GIS叠加分析功能,构建XF-GF空间合成识别技术体系,对潼南县双江镇双林村农村居民点复垦潜力进行定量与定位分析。研究结果表明:到规划目标期,双林村共退出农村居民点图斑99个,复垦潜力273 997.56m2。XF-GF空间合成识别技术在农村居民点复垦潜力定量定位分析中有借鉴意义。     

基于双池化与多尺度核特征加权CNN的典型牧草识别

针对自然背景下牧草难识别的问题,提出一种基于双池化与多尺度核特征加权的卷积神经网络牧草识别方法。双池化特征加权结构通过将卷积层输出的特征图分别进行最大值池化和均值池化得到两组特征图,引入特征重标定策略,依照各通道特征图对当前任务的重要程度进行加权,以增强有用特征、抑制无用特征;多尺度核特征加权结构通过在卷积层中同时使用3×3和5×5两种卷积核,并将网络的前几层特征复用后进行加权,以提高重要特征的利用率。对10类牧草图像进行识别实验,结果表明,该方法识别率为94. 1%,比VGG-13网络提高了5. 7个百分点,双池化与多尺度特征加权有效提高了牧草识别精度。     

基于PCA-GA-SVM的甘蔗收获机运行状态识别

由于甘蔗收获机在收获过程中智能化水平较低,依靠人工操作很容易对甘蔗收获机的运行状态产生误判,从而造成物流通道堵塞、能源浪费、收割效率低。针对这些问题,提出一种基于主成分分析(PCA)、遗传算法(GA)和支持向量机(SVM)状态识别模型。首先,通过实地采集甘蔗收获机刀盘轴、行走轴、切段轴和风机轴扭矩和行驶速度特征信息,然后通过PCA进行数据降维,最后利用GA优化参数C、γ,使用每个特性信息来训练SVM,对甘蔗收获机运行状态进行分类。结果表明:PCA-GA-SVM状态识别模型对甘蔗收获机运行状态的识别准确率为93.75%,建模时间为3.688 s,与SVM(81.25%,9.487 s)、PCA-SVM(87.5%,5.817 s)和GA-SVM(90%,8.969 s)进行对比,该模型具有最高准确识别率和最快建模速度,具有较大的应用价值。     

黄瓜采摘机器人远近景组合闭环定位方法

针对黄瓜采摘机器人远景定位精度不高,以致切伤果实和茎蔓的问题,设计了一种基于机器视觉具有空间位置反馈功能的末端执行器。对温室环境下黄瓜果实采摘区域图像信息获取方法加以研究,综合HIS色彩空间H、S分量进行阈值分割,结合RGB色彩空间G通道边缘分布特征以及黄瓜形状特征,提取黄瓜采摘区域。基于摄像机线性透视模型,研究了采摘切割点空间定位方法,最终向采摘机械臂控制器反馈位置微调信息。采用远近景组合闭环定位方法,对采摘目标进行闭环定位,有效地解决了采摘机器人一次远景定位误差较大的问题。试验结果表明,排除温室复杂光照情况,机器人末端执行器定位精度达到2mm,满足采摘作业要求。