信号与系统课程实验系统设计

针对传统信号与系统实验设备的缺点,以计算机为辅助教学手段,用科学计算软件MATLAB为开发平台,充分利用MATLAB软件在信号处理、数值计算和系统仿真方面的优势,设计了信号与系统课程的实验系统。该系统涵盖了8个必做实验人机交互界面和关键代码,包括4个连续时间信号与系统的实验和4个离散时间信号与系统的实验;该系统具有良好的可视化交互界面,通过计算机来进行可视化的设计、调试和分析。根据电子信息科学与技术2个专业2006、2007级学生试用后的反馈情况看,该系统有利于将学生从繁杂的手工运算中解脱出来,把更多的时间和精力用于对信号与系统基本分析方法和原理的理解和应用上,辅助培养学生学习信号与系统课程的积极性。     

基于数学形态学的立木树枝信息提取方法

立木树枝信息的提取,是进行立木枝桠遮挡识别的基础。本文提出一种基于数学形态学方法的立木树枝信息提取方法。该方法先利用数学形态学基本运算——腐蚀和膨胀来实现树干信息的提取,然后将枝干的二值图像与提取得到的树干图像做差运算,从而得到树枝信息。实验结果表明,此方法能有效的提取立木图像中树枝的信息。     

基于计算机视觉的立木树干曲率自动测量方法

树干曲率的自动测量是智能立木整枝机作业的重要步骤.该文针对立木图像的特点,提出了一种基于计算机视觉的立木树干曲率自动测量方法.该方法包含4个主要步骤:利用阈值分割对树干图像进行提取,得到图像的粗分割;在中值滤波的基础上,利用拉普拉斯算子对图像进行边缘位置点的检测,从而得到准确而连续的边缘;利用数学形态学方法对树干边缘进行细化处理;以道格拉斯-普克法提取树干曲线上的特征点,对其进行曲线拟合并求得树干曲率.实验结果表明,该方法能比较准确地识别树干的弯曲度.      

基于多特征融合和深度信念网络的植物叶片识别

基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加,传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致叶片识别率较低。为此,本文提出使用纹理特征结合形状特征进行识别,并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor滤波和灰度共生矩阵方法得到。而形状特征向量由Hu氏不变量和傅里叶描述子组成。为了避免过拟合现象,使用“dropout”方法训练深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法,在Flavia数据库中,对32种叶片的识别率为99.37%;在ICL数据库中,对220种叶片的识别率为93.939%。这表明相比一般的叶片识别方法,此方法鲁棒性更强,并且识别率更高。      

伐根机车架把手的试验模态与有限元模态分析

为获得伐根机车架和操作把手的振动特性,建立合理的车架把手仿真模型,用专业的模态测试系统结合后处理软件以及Ansys Workbench有限元分析软件,对伐根机的车架把手机构进行试验模态和有限元模态分析,并对两者的结果进行对比。结果表明:试验模态与有限元模态分析得到的结果基本吻合,通过2种方法获得的前6阶模态的固有频率误差在10%以内,各阶振型基本相同,说明二者都能较好地反映实际结构的振动特性;简化的有限元模型准确性高,可作为静力学和动力学分析的基本模型;伐根机车架前端与刀盘轴连接处以及把手手持部分易发生较大振幅,建议采取添加隔振材料、变刚性连接为弹性连接、增大易损部位的抗疲劳强度等措施实现隔振和减振。      

基于神经网络的立木枝干测量方法研究

通过神经网络算法完成实现摄像机标定,并将标定方法应用到立木枝干的测量上,实现立木枝干尺寸测量的自动化.该方法包含3个主要步骤:首先是通过图像预处理提取特征点,其次针对树木特点提出改进型神经网络摄像机标定算法,最后对测量方法进行验证并对误差进行分析.结果表明,此方法的测量精度能达到0.1mm,测量误差为±1.40 mm,满足作业要求.     

基于数学形态学的树木图像分割方法

该文针对智能整枝机视觉系统的需要提出一种以数学形态学为主的图像分割方法,解决了智能整枝机视觉系统中背景复杂下树木图像分割困难的问题.该方法分成5个步骤:①利用小波变换将图像进行压缩;②亮度矫正;③用分水岭算法对图像进行分割;④用区域合并法解决分水岭算法中的过度分割问题;⑤用中值滤波器滤除分割过程产生的孤立点.结果表明:该方法比Roberts算子、Sobel算子及Prewitt算子对树木图像的分割效果好,为立木整枝机视觉系统的深入研究打下了基础.     

基于叶片外形特征的植物识别研究

提出了一种基于植物叶片形状特征的方法对叶片进行识别,首先对叶片进行预处理,其中包括滤波和阈值分割,然后提取叶片的相对特征参数,得到了8个特征参数。使用BP神经网络对现有的几种叶片进行分类,选择隐含层数、调节学习效率、动量因子等参数。在VC 6.0环境下循环计算、调整权值、阈值,最终识别成功,并达到了87.5%的平均识别率。     

面向整枝机控制的手势识别技术研究

为了实现对自动立木整枝机的手势控制,需要完成手势识别和无线遥控两部分工作,因此开展了基于表面肌电信号的手势识别技术研究。首先根据整枝机6个工作状态的特点定义相对应的6个手势,即:握拳、上切、下切、外翻、内翻和展拳;然后对采集到的表面肌电信号进行预处理,包括消噪和活动段分割;再对表面肌电信号进行时域和时-频域分析,得到3类特征,即:平均绝对值、自回归参数模型系数和小波分解后的各子频段信号平均能量;最后,构建支持向量机分类器,通过V折交叉验证得到最佳参数,分别进行单用户和多用户的识别实验。手势识别实验结果表明:单用户识别的准确率最高达100.00%,平均准确率为98.07%,高于多用户识别(91.19%)。本研究为实现整枝机手势控制的后续工作奠定了基础,为推进林业机械的智能化与人机交互进程提供了一种有效的新思路。      

以电子设计大赛为契机 加强大学生创新能力与实践能力的培养

知识经济呼唤素质教育,实施素质教育的重点是培养学生的创新精神和实践能力。全国大学生电子设计大赛是面向全国大学生的群众性科技活动,是培养学生创新能力和协作精神以及提高学生综合素质的有力措施。该文介绍了北京林业大学参加全国大学生电子设计大赛的情况及其所产生的显著效果,探讨了北京林业大学电气信息类专业以全国大学生电子设计大赛为契机建立和完善实践教学体系、扎实推进实践教学环节改革的措施。实践证明,全国大学生电子设计大赛很好地促进了电气信息类专业的实践教学改革,推动了高校学生科技活动的蓬勃开展,对培养和造就符合时代发展要求的电气信息类应用型创新人才具有十分重要的意义。