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。     

基于关键帧提取技术的花开过程视频监测系统开发及试验

为克服传统花开过程监测中视频数据冗余、信息量大的缺点,该文设计了一种基于关键帧提取技术的花开过程视频监测系统。系统对花开过程原始图像采集后,采用基于光流法和熵统计算法实现对花开过程原始图像的关键帧提取,选择关键帧数模式或方向信息熵阈值模式,进行相关参数设置,最终合成出表征花开过程的关键帧视频。该文以百合花开放过程为例实现了基于关键帧提取技术的视频监测。试验结果证明,在该试验的条件下经关键帧提取合成的花开过程的视频数据量减少达84.6%以上,播放时间减少为原始视频播放时间的15.4%以下。视频保留了花开过程细节信息,整段视频播放自然流畅,可为从事植物、花卉研究的相关人员提供一个省时、方便的研究花开过程的监测平台。     

基于ROI-CNN的赛罕乌拉国家级自然保护区陆生野生动物自动识别

目的利用红外自动感应相机对野生动物进行图像监测是对野生动物保护管理的有效手段，为了解决野外复杂背景环境导致的野生动物监测图像自动识别准确率低的问题，提出一种基于感兴趣区域(ROI)与卷积神经网络(CNN)的野生动物物种自动识别方法。方法以红外自动感应相机在内蒙古赛罕乌拉国家自然保护区内拍摄的马鹿、斑羚、猞猁、狍和野猪这5种国家级陆生保护动物的图像为实验样本，采用基于回归算法的目标检测方法，对监测图像中野生动物区域进行检测并分割，生成ROI图像，减少复杂背景信息对物种识别的干扰；利用裁剪、仿射变换等方式对样本数据进行扩充；构建基于全局-局部的VGG16双通道网络模型对样本图像进行训练，最后接入分类器输出物种识别结果。同时，构建了基于VGG19的双通道网络模型对样本图像进行训练，并与本研究训练结果进行比较；另外，将样本图像分别输入本研究算法与VGG16、R-CNN、Fast R-CNN算法进行训练，对比不同算法下的识别效果。结果利用本研究模型对样本图像进行训练时，测试集的平均识别精度均值MAP达到0.912，相对于VGG19结构下的训练模型和VGG16、R-CNN、Fast R-CNN，得到了更高的MAP值。结论相比于其他算法，本研究提出的物种识别模型更适合于复杂背景下的野生动物监测图像的物种识别，可以得到更高的MAP值与更优的识别效果。      

教研室标准化建设的改革探索

教研室是学校教学和科研活动重要的基层单位，教研室建设的水平，关系着学校教学工作的质量，加强高校教研室的建设和改革具有着重要意义。结合北京林业大学电气工程教研室的实际情况，提出了6项改革措施，即要围绕本科教学工作，积极开展教学研究、教学管理、师资培养、课程建设等工作，同时还要注重对学生科技创新活动的指导，加强对本科生的服务管理，以此促进教育教学质量稳步提升，办学效益逐步提高。     

小样本条件下基于数据扩充和ResNeSt的雪豹识别

  目的  红外触发相机采集的雪豹监测图像质量参差不齐,且数量有限,为了提升小样本下雪豹的识别准确率,本研究提出一种雪豹监测图像自动识别方法。  方法  该方法基于具备注意力机制的ResNeSt50模型,使用祁连山国家公园的雪豹监测图像作为原始数据集,红外触发相机拍摄的非雪豹陆生野生动物图像作为扩充负样本,网络雪豹图像作为扩充正样本,生成3种数据集并依次进行对比实验,选择合适的扩充方式引导模型逐步关注到雪豹个体关键特征,使用梯度类激活热力图可视化进一步验证数据扩充后的有效性。  结果  使用原始数据集+扩充负样本+扩充正样本训练的模型识别效果最好,热力图可视化显示模型正确关注到雪豹个体花纹与斑点特征,对比基于Vgg16和ResNet50的识别模型,ResNeSt50的识别效果最好,测试集识别准确率达到97.70%,精确率97.26%,召回率97.59%。  结论  采用本研究提出的原始数据集+扩充负样本+扩充正样本数据扩充方法训练的模型,可以区分背景与前景,且对雪豹本身特征具有较强的判别能力,泛化能力最好。      

无人机在林业中的应用及前景展望

利用无人机对林业进行信息监测是提升林业信息化和精准化的重要方向,同时也是实现精准林业目标的有力途径。相较于传统林业监测方式,无人机可以实时准确地获取多尺度、多时相、高分辨率的影像数据,提升林区作业的智能化水平,满足智慧林业建设的需求。利用无人机平台搭载多种光学信息采集设备,结合无人机遥感技术并辅以GPS精确定位技术可以高效地实现特征目标信息的收集工作。为了更好地促进无人机技术在林业领域的普及与应用,笔者对无人机技术在林业行业的应用现状及发展前景进行了梳理总结。首先介绍了林用无人机的有关概念、分类及平台优势,重点对当前无人机在林业行业主流应用的实践进行了总结,主要涉及林业病虫害遥感监测、林业火灾监测、野生动植物监测与识别、林业资源调查、林业精准植保以及林业执法等,进而分析了当前无人机在林业领域应用中面临的挑战,同时对林用无人机在续航能力及通讯范围有限、受环境影响大、监管机制不完善等主要问题进行了探讨,为促进无人机技术在林业领域深层次应用提供了参考。     

基于Chirplet语图特征和深度学习的鸟类物种识别方法

目的深度学习在鸟类物种识别的应用是目前的研究热点，为了进一步提高识别效果，提出一种基于鸟鸣声的Chirplet语图特征和深度卷积神经网络的鸟类物种识别方法。方法引入线性调频小波变换(Chirplet transform，CT)计算鸟鸣声信号的语图，输入深度卷积神经网络VGG16模型中，通过对语图进行分类实现鸟类物种的识别。以北京市松山国家自然保护区实地采集的18种鸟类为研究对象，利用Chirplet变换、短时傅里叶变换(short-time fourier transform，STFT)和梅尔频率倒谱变换(Mel frequency cepstrum transform，MFCT)计算得到3个不同的语图样本集，对比分别采用不同的语图样本集作为输入时鸟类物种识别模型的性能。结果结果表明:Chirplet语图作为输入时，测试集的平均识别准确率(mean average precision，MAP)达到0.9871，相对于其他两种输入，得到了更高的MAP值，而且在训练时达到最大MAP值的迭代次数最小。结论采用不同的语图特征作为输入，直接影响深度学习模型的分类性能。本文计算的Chirplet语图的鸣声区域相比STFT语图和Mel语图更为集中，特征更明显。因此，Chirplet语图更适合于基于VGG16模型的鸟类物种识别，可以得到更高的MAP值和更快的识别效率。      

移动机器人RGB-D视觉SLAM算法

针对移动机器人视觉同步定位以及地图构建(Simultaneous localization and mapping,SLAM)研究中存在精确度较低、实时性较差等问题,提出了一种用于移动机器人的RGB-D视觉SLAM算法。首先利用定向二进制简单描述符(Oriented fast and rotated brief,ORB)算法提取RGB图像的特征点,通过基于快速近似最邻近(Fast library for approximate nearest neighbors,FLANN)的双向邻近(K-nearest neighbor,KNN)特征匹配方法得到匹配点对集合,利用改进后的随机抽样一致性(Re-estimate random sample consensus,RE-RANSAC)算法剔除误匹配点,估计得到相邻图像间的6D运动变换模型,然后利用广义迭代最近点(Generalized iterative closest point,GICP)算法得到优化后的运动变换模型,进而求解得到相机位姿。为提高定位精度,引入随机闭环检测环节,减少了机器人定位过程中的累积误差,并采用全局图优化(General graph optimization,G2O)方法对相机位姿图进行优化,得到全局最优相机位姿和相机运动轨迹;最终通过点云拼接生成全局彩色稠密点云地图。针对所测试的FR1数据集,本文算法的最小定位误差为0.011 m,平均定位误差为0.024 5 m,每帧数据平均处理时间为0.032 s,满足移动机器人快速定位建图的需求。     

火柴

有了水,就要有火,不然,怎么做饭呢?石家庄博物馆给我们展示了火柴的历史,很有趣呢,走,去看看划亮世界、情系万家的——火柴我国劳动人民使用的钻木取火、火镰打火、取灯引火等人工取火方式都早于欧洲。火柴创始于欧洲,1865年传入中国,有自来火、洋火的俗称。     

基于ZigBee无线传感器网络的森林火灾监测系统的研究

该文在探讨森林起火因素的基础上,构建了一种基于ZigBee无线传感器网络的森林火灾实时监测系统.该系统给出了森林火灾无线传感器网络监测系统的体系结构,重点设计了基于CC2430芯片的网络节点硬件电路,详尽地讨论了网络的数据传输流程;该系统能够监测林区温湿度等相关环境参数的变化,为有关部门采取相应的防火或灭火措施提供决策依据.