农村配电网络谐波在线监测系统

为改善农村电网谐波污染日趋严重的现状,设计基于LabVIEW技术的电网谐波在线监测平台。该平台可以生成任意组合的虚拟谐波信号,并集成傅立叶变换的信号处理方法,用于谐波信号的检测与分析。仿真算例表明,运用基于汉宁窗的FFT方法检测农网谐波信号,可以获得较理想的结果。     

GIS在农电企业配电网中的应用

针对目前我国农电企业配电网管理相对落后的现状,阐述了GIS系统应用于配电网管理系统的优势,详细探讨了配电网GIS系统的地图浏览控制、数据维护和查询统计、线路编辑、地图输出、联机帮助等功能,为农电企业进行配电网管理提供了较详细的参考方案.     

农网改造中配电变压器布点方式与节电效益分析

国家将要投入几千亿元进行城市电网和农村电网的改造,这是一项跨世纪工程。将这大量而有限的资金如何科学而合理地运用到电网的改造和建设中,是当今电力建设的热点问题。本文以节电效益最大为目标,着重分析农网改造与建设中配电变压器不同布点方式的节电效益及电压损失率变化问题。１　负荷均匀分布条件下线路损失计算方法通常在配电网中,负荷沿线路的分布是很不规则的,而且负荷的分布规律很难用数学解析式来描述。但是,一切复杂电网总是用简单线路综合而成的。设负荷沿配电线路均匀分布,即单位面积内负荷密度相同,且各用点之间电阻…     

基于骨架和最优传输距离的玉米点云茎叶分割和表型提取

针对当前三维点云分割方法难以精确分割玉米植株顶部新叶的问题,该研究提出一种基于点云骨架和最优传输距离的玉米点云茎叶分割方法。首先利用拉普拉斯骨架提取算法获得植株骨架;其次根据玉米形态结构特征将植株骨架分解成器官子骨架,并实现器官粗分割;再以最优传输距离作为点云距离度量,采用从上到下的顺序对未分割点云进行精细分割;最后自动提取株高、冠幅、茎高、茎粗、叶长和叶宽6种表型参数。研究结果表明,茎叶分割的平均精确度、平均召回率、平均微F1分数和平均总体准确率分别为0.967、0.961、0.964和0.967;6个表型参数的提取值与实测值具有较强的相关性,决定系数分别为0.99、0.99、0.96、0.97、0.93和0.96。该研究方法能对茎叶器官进行精确分割,为玉米高通量表型检测、三维几何重建等提供了一种有效技术手段。     

基于小波去噪的暂态电压扰动检测方法研究

采用小波软阈值去噪方法对信号噪声进行预处理,很大程度地减小了噪声对扰动检测的干扰.利用小波多分辨率分析方法对去噪后的扰动信号进行检测,更精确地提取出了暂态电压扰动信号的特征值.在仿真环境中对去噪前后的电压骤降信号进行检测和比较.结果表明:去噪后的检测结果更接近于原始信号,小波软阈值去噪方法能够提高暂态电压扰动检测的准确性.     

基于RGB-D的肉牛图像全卷积网络语义分割优化

基于卷积神经网络的深度学习模型已越来越多的应用于检测肉牛行为。利用卷积操作实现肉牛图像的像素级分割有助于实现远距离、无接触、自动化的检测肉牛行为,为肉牛异常行为早期发现提供必要手段。为了提高复杂背景下肉牛图像语义分割精度,降低上采样过程中的语义分割误差,该文提出基于RGB-D的肉牛图像全卷积网络(fully convolutionalnetworks,FCN)的语义分割优化方法,用深度密度值来量化深度图像中不同像素点是否属于相同类型的概率,并根据深度图像与彩色图像在内容上的互补关系,优化和提升FCN对肉牛图像的语义分割(像素密集预测)精度。通过试验验证,该方法与全卷积网络的最优分割结果相比,可以将统计像素准确率平均提高2.5%,类别平均准确率平均提升2.3%,平均区域重合度平均提升3.4%,频率加权区域重合度平均提升2.7%。试验证明,该方法可以提升全卷积网络模型在复杂背景下肉牛图像语义分割精度。     

案例教学在电子信息工程专业科技实习中的应用研究

新工科改革背景下,要求通过教学方法改进强化人才培养的针对性,案例教学鼓励学生主动思考、注重综合能力培养,适合电子信息工程专业学生综合能力的培养需求,本研究以相关专业科技实习实践环节的需求出发,以电力信号时域采集与分析教学内容为例,对光伏发电系统运维监测工程应用实例进行分析、抽取设计了光伏组件数据采集与分析教学案例;阐述了案例在教学中的具体运用,案例的解读、测试数据的处理、结果评估等。案例应用效果表明:教学案例的引入能够较好地建立信号分析基本理论与工程应用实际的联系,促进学生对理论知识的深入理解、培养学生实践能力。     

分层教学法在嵌入式系统课程中的应用

本科院校电子信息工程类专业开设的嵌入式系统课程,存在教学难度大、学生掌握困难的问题。采用分层教学法讲授此课程时,将理论课划分为系统架构层、处理器机理层和接口设计层,将实践环节划分为基础实验层、综合实践层和创新实践层。实践表明,分层教学法使学生的理解力和实践能力大大增强。     

基于面向通道分组卷积网络的番茄主要器官实时识别

番茄器官的实时准确识别是实现自动采摘、靶向施药等自动化生产的关键。该文提出一种基于面向通道分组卷积网络的番茄主要器官实时识别网络模型,该模型直接用特征图预测番茄器官目标边界和类型。以统计可分性、计算速度等为判据,并结合样本扩增训练,分析了该网络和几种典型网络在番茄器官图像处理上的性能,以此筛选出识别网络的基础结构,在基础结构后面分别附加带dropout层的面向通道分组卷积模块和全卷积层作为识别网络的总体架构。试验结果表明:用面向通道分组卷积网络作为识别网络的基础结构,可在显著提高网络召回率、识别速度和精度的前提下,大幅降低模型的大小,该结构网络对花、果、茎识别的平均精度分别为96.52%、97.85%和82.62%,召回率分别为77.39%、69.33%和64.23%,识别速度为62帧/s;与YOLOv2相比,该文识别网络召回率提高了14.03个百分点,精度提高了2.51个百分点。     

单图像的植物器官表观纹理生成系统研发

为提高农业题材三维数字媒体内容制作效率,解决植物器官表观纹理制作流程繁琐的问题,研发了基于单图像的植物器官表观纹理生成系统。该系统分为漫反射强度纹理、透射纹理、高光纹理、法向量贴图、环境遮蔽图以及表观纹理实时可视化6个模块。漫反射强度纹理生成模块采用基于能量约束的本征图像分解方法将植物器官图像分解为漫反射纹理以及光照图;透射纹理生成模块以PROSPECT模型为理论基础,反演植物叶片透射与反射的统计学关系,利用漫反射纹理生成透射纹理;高光参数纹理生成模块采用交互式操作,基于用户对少量样本点的高光表观参数设定,根据概率插值出整个器官表面的高光参数,进而形成高光强度纹理和粗糙度纹理;法向量贴图模块在阴影恢复形状技术的基础上,综合低频和高频特征生成法向量贴图;环境遮蔽图生成模块通过简单的亮度倍增操作,将光照图转换成环境遮蔽纹理;表观纹理实时可视化模块利用上述生成的表观纹理进行实时的器官三维渲染,为用户提供反馈。系统仅需调节3个参数即可生成6种样式丰富的器官表观纹理,操作简捷,自动化程度高。在处理512×512分辨率的图像时,生成6种表观纹理的总计算时间小于8 s。结果表明,该系统可以通过简单的操作,高效生成三维植物可视化中常用的表观纹理,为农业题材的三维数字资源开发提供技术工具。