遥感图像时空分析的数据处理系统设计

简单介绍了配准后的NOAA-AVHRR图像数据的空间格局时序分析的数据处理系统设计。主要分析了系统目标,介绍了数据处理的数学模型和相应的技术措施,提出了数据处理结果正确性检查机制及对反演多样化数学模型变更作出快速反应的方法,同时还探讨了时空数据物理设计的有关问题。     

原木内部腐朽应力波二维图像的获取与分析

应用Arbotom应力波检测系统,对东北林区3个针叶树种(云杉、冷杉、落叶松)和9个阔叶树种(白桦、色木、椴木、杨木、水曲柳、核桃楸、榆木、铁木和柞木)的原木内部腐朽进行检测,并对原木内部腐朽面积的实际估算值和检测估算值进行比较分析.结果表明:Arbotom应力波无损检测系统可以获取原木内部腐朽的二维图像,但检测准确率较低,建议采用多点测量和改进应力波测试仪器,以提高检测准确率.     

卫星遥感图像应用处理新模式的研究

卫星遥感图像增强与处理的研究旨在通过卫星遥感图像的处理,增强图像的显示质量,提高森林资源判读效果。通过应用ERDAS、ENYI遥感软件对TM、SPOT卫星数据的研究,实现资源调查卫片自主生产,降低了成本,提高了工作效率。     

旅游吸引物形态与旅游形象策划

旅游业靠两源(资源、客源)、两划(策划、规划,先策划后然后开发);旅游形象是联系资源与客源的媒介,在市场经济条件下,旅游竞争是比价格、比服务、比文化,文化内涵是旅游竞争力的核心,形象是旅游区的生命。文章探讨了旅游地“文脉”、旅游吸引物升华态与旅游形象策划的有机结合,塑造良好的旅游形象,以提高旅游地竞争力。     

森林资源调查中Spot5卫星影像的处理方法

利用Spot5卫星进行森林资源调查时,首先要对遥感图像进行处理。文章介绍了处理环境对硬件和软件的要求。其处理过程包括影像配准、分辨率融合、影像拼接、色彩增强、分幅输出等。对其中的一些问题提出了个人见解。     

基于YOLOv5s改进模型的小白菜虫害识别方法

小白菜是中国种植面积较广、深受大众喜爱的蔬菜,但真实菜地环境中虫害往往出现在叶片的特定区域,且受环境因素如光照和背景干扰较大,影响对其的智能检测。为提高小白菜虫害的检测效率和准确率,该研究提出一种基于YOLOv5s网络框架改进的YOLOPC小白菜虫害识别模型。首先,引入CBAM（Convolutional Block Attention Module）注意力机制,将其放在CBS（卷积层Convolution+归一化层Batch normalization+激活函数层SILU）的输入端构成CBAM-CBS的结构,动态调整特征图中各个通道和空间位置的权重;使用上采样和1×1卷积操作来调整特征图的尺寸和通道数,实现不同层次特征的融合,增强模型的特征表示能力。同时,改进损失函数,使其更适合边界框回归的准确性需求;利用空洞卷积的优势提高网络的感受野范围,使模型能够更好地理解图像的上下文信息。试验结果表明,与改进前的YOLOv5s模型相比,YOLOPC模型对小白菜小菜蛾和潜叶蝇虫害检测的平均精度（mean Average Precision, mAP）达到91.40%,提高了12.9个百分点;每秒传输帧数（Frame Per Second, FPS）为58.82帧/s,增加了11.2帧/s,增加幅度达23.53个百分点;参数量仅为14.4 MB,降低了25.78个百分点。与经典的目标检测算法SSD、Faster R-CNN、YOLOv3、YOLOv7和YOLOv8相比,YOLOPC模型的平均精度分别高出20.1、24.6、14、13.4和13.3个百分点,此外,其准确率、召回率、帧速率和参数量均展现出显著优势。该模型可为复杂背景下小白菜虫害的快速准确检测提供技术支持。     

基于遥感信息和产量形成过程的小麦估产模型

为提高小麦遥感估产的精确性和机理性,在广域环境条件下进行了多品种小麦的种植试验,并基于遥感信息获取的瞬时性与广域性,结合小麦产量形成的生理生态过程及其与气候环境的相互关系,建立了较为简化的小麦估产模型.通过组件化的设计方法实现了遥感信息和估产模型的耦合,即利用抽穗期遥感影像反演的LAI和生物量及时替换小麦估产模型对应参数变量,进而实现对小麦产量的估测.通过试验验证,小麦产量的预测值与实测值较为一致,预测小麦产量的RMSE为354.18 kg·ha-1,利用小麦估产模型可以对不同年份、不同区域的小麦产量形成情况进行监测预报.     

机械故障诊断技术研究综述

随着国民经济的飞跃发展和人们日益增长的生活需求,机械系统越来越复杂,功能越来越完善。同时,鉴于各行业对机械使用的密切性和广泛性,机械故障的发生和检测诊断技术也引起了各国的关注和研究。在机械中,旋转机械是使用最广泛的,几乎每个机械系统中都有旋转部件的存在,因此,对旋转机械故障的检测和诊断技术的研究也备受关注。基于此,从振动信号处理技术和图像处理技术对国内外故障检测和诊断的研究进行分析,以及对故障检测诊断领域的发展方向进行展望。     

基于遥感影像的露天煤矿区土地特征信息及分类研究

该研究利用Landsat TM数据,以安太堡大型露天煤矿为例,在对地物光谱特征深入分析的基础上,设计了大型露天矿区土地剧烈扰动下不同地物特征提取模型,提取了安太堡露天矿区植被高覆盖区、植被低覆盖区、剥离堆垫区、采煤运煤区及边坡区等不同地物信息。采用归一化植被指数(NDVI)提取植被低覆盖区与植被高覆盖区信息,采用(TM4-TM5)>0提取植被高覆盖区信息并与NDVI进行了比较,采用TM4<40提取采煤运煤区信息,采用TM4/TM7在0.99～1.01范围来提取边坡区信息, 并统计计算了各类地物所占面积和分布情况。对研究区TM影像进行主成分分析,剥离堆垫区、采煤运煤区和边坡区等反映矿区扰动特征的信息主要由第1主成分反映,植被低覆盖区和高覆盖区等反映矿区植被覆盖特征的信息主要由第2主成分反映,两个主成分的贡献率达到97.16％,并利用扰动特征和植被特征对研究区地物进行了分类。该技术与方法为露天矿地物变化动态监测以及土地复垦与生态重建均提供了准确数据支持。     

用基于遗传算法的BP神经网络识别牛肉肌肉与脂肪

利用遗传算法的全局搜索能力,改进标准BP算法随机选取初始权重的不足,并构建了3-12-1的三层遗传BP神经网络,进行了3次牛肉肌肉与脂肪像素的分类试验,研究用BP网络对牛肉肌肉与脂肪两类像素点进行识别的可行性。以像素点的RGB值作为BP网络输入向量,每次训练集样本数62,测试集样本数43。测试的最终结果为：训练集的样本识别率分别为100%、100%、98.3871%;对应测试集的样本识别率分别为97.6744%、97.6744%、100%。试验结果表明,尽管基于遗传算法的BP神经网络对训练样本集以及测试样本集的肌肉和脂肪的识别率均在97%以上,但由于牛肉图像像素值在颜色空间中比较分散,有利于聚类的规律性不明显,因而是否可用BP网络来完成肌肉与脂肪的识别,还需要在网络拓扑结构、训练样本集等方面进一步研究。