基于BMV特征的西瓜成熟度无损检测方法

针对西瓜成熟度无损测定的难度较大这一问题,提出了一种基于音频响应频带幅值向量（BMV）特征的西瓜成熟度无损检测方法。搭建了一套简单的音频采集平台,检验了BMV音频特征与西瓜成熟度的相关性,并与4种已用于西瓜无损检测的音频特征进行了比较;测定了不同打击力度对音频响应和BMV的影响;使用PNN算法对2个品种西瓜的BMV样本进行了成熟度检测。试验结果表明：经过音频特征间的比较,BMV与西瓜成熟度相关性最高,并且打击力度对特征的影响较小,整套算法对2个品种的成熟度检测准确度较高。     

多信息平台的农村药品安全及流通系统研究

针对农村药品安全及价格监管难等问题,借鉴多省市地区农村药品改革方案中的优点和经验,提出了一套更加完善的、基于多信息平台的农村药品安全及流通保障体系,并对其进行了可行性分析和研究。体系的核心是建立药品流通及信息反馈管理系统,系统融合农村药品供应子系统、药品监督管理子系统、电话短信查询及信息反馈子系统,结合多Agent技术对各个子系统的数据进行整合,达到在多平台下对信息的复用和管理。     

基于图像特征的猪肉新鲜度无损检测方法

以计算机视觉为基础,研究使用图像特征检测猪肉新鲜度的方法,通过对采集到的猪肉图像进行消噪和图像分割处理,从背景中分离出猪肉样本图像用于进一步处理;提出颜色区域比作为检测猪肉新鲜度的图像特征,使用聚类算法检验图像特征与新鲜度的相关性,并计算出分类阈值用于新鲜度检测.经试验验证颜色区域比与猪肉新鲜度间有较高的相关性,且本方法能够实现对猪肉新鲜度的检测和分类.     

多信息平台的农村药品安全及流通系统研究

针对农村药品安全及价格监管难等问题,借鉴多省市地区农村药品改革方案中的优点和经验,提出了一套更加完善的、基于多信息平台的农村药品安全及流通保障体系,并对其进行了可行性分析和研究。体系的核心是建立药品流通及信息反馈管理系统,系统融合农村药品供应子系统、药品监督管理子系统、电话短信查询及信息反馈子系统,结合多Agent技术对各个子系统的数据进行整合,达到在多平台下对信息的复用和管理。     

基于TDR的多参数耕地污染测量仪研究

以电磁波时域反射(TDR)为理论基础,对已有的地质体参数原位检测仪进行升级改造,使其更加适用于耕地土壤环境,研究基于TDR理论的多参数测试仪,着重阐述了复合式探头的研制、仪器前端机的开发、高速数据采集与处理模块以及数据通信模块的设计与实现,从而对污染耕地的水、热、电及基础化学参数进行测量,为准确地评估耕地的污染情况打下基础。     

基于智能监控技术的平安城市建设系统研究

根据智能监控系统应用中急需解决的方法和技术,提出新的高级人工智能识别、视频检索和超分辨率视频,图象重建方法。建立报警正确率更高、应用范围更广、占用资源更少、自动化程度更强的下一代主动感知智能监控报警系统。     

果园自动变距精准施药系统设计与试验

针对我国北方果园施药设备自动化程度不高、农药利用率低、适应性差等问题,设计了基于冠层体积估算的果园自动变距精准施药系统。施药系统的喷施臂在控制系统的控制下可以在水平和垂直方向调整喷雾距离和喷施高度,以适应不同果园的果树特征。为实现精准喷施,利用红外测距传感器组成了传感器阵列,通过该阵列探测冠层,将测得的数据用数学方法构建了冠层体积估算模型,并设计了喷雾参数调整方案,使得喷雾距离与喷雾量可进行相应调整。为验证施药系统的性能,测试了喷施臂在接收到移动指令时的响应时间与运动实际耗时以及冠层体积估算模型的准确率,并选用仿真桃树进行了定距和变距两组自动对靶喷施试验。结果表明,喷施臂的移动可实现瞬间响应,运动实际耗时与理论耗时几乎一致,冠层体积估算模型的相对误差为11.27%;与定距对靶喷雾相比,自动变距对靶喷施的农药附着率提高了18.66%,节约了30.25%的药液。     

基于Kinect视频技术的葡萄园农药喷施路径规划算法

为实现对葡萄园的精准喷施,减少药品浪费和污染,该文使用微软Kinect融合彩色和深度图像信息,提出了基于样条区域的叶墙区域(leaf wall area,LWA)平均距离计算方法以及基于路径偏差的喷施路径规划方法,并实现了一套软件路径规划算法和硬件喷施实验平台相结合的精准喷施算法及系统。算法首先使用形态学方法对Kinect采集的彩色视频图像进行图像分割,以准确划分LWA区域;进一步结合深度图像,提出基于样条区域的LWA平均距离计算方法,用于准确测算喷施设备距LWA的距离;最后,提出路径偏差及矫正规划方法,引导喷施系统保持最佳行进路径。并且,为了能够对精准喷施算法进行实际检验,设计实现了喷施臂可调的自走式喷施试验平台。试验结果证明,路径规划算法计算的喷施距离和路径偏差与测量值差值及方差都较小,算法结果精确;能够准确测算喷施距离并规划最优路径,实现葡萄园的精准喷施。     

复杂背景下多种树形果树树冠的检测与识别方法研究

针对多种树形果园环境下,由于树冠背景复杂导致的树冠分割、检测及树形识别困难的问题,本研究提出了1种改进Mask R-CNN的B-Mask R-CNN检测模型,实现自然复杂环境下的果树树冠检测与树形识别。该模型引入了IoU(Intersection over Union)平衡采样,提高了模型的训练效果;其次,在边界框损失中引入平衡L1损失,使得多分类损失与边界框损失更快地收敛;另外,在区域推荐网络中调整锚框比例适应数据集中的目标,提升了模型准确率。该研究搜集矮化密植形、小冠疏层形、自然开心形、自然圆头形以及Y形5种常见修剪树形制作数据集,应用5个检测模型进行对比试验。试验结果表明,B-Mask R-CNN检测模型平均检测精度达到98.7%,与Mask R-CNN、Faster R-CNN、U-Net以及K-means模型相比检测精度更高,对复杂背景下的树形识别具有更好的鲁棒性,能够为后续精准喷施中喷施模式和控制参数的分析及应用奠定基础。     

基于改进支持向量机的林业资金投资预测方法

针对林业资金投资变化的定量预测,提出一种基于改进支持向量机的预测方法.利用滑动时间窗口方法将历年林业资金投资数据构造成时间序列,将其做为数据样本集并由改进支持向量机加以训练以得到预测模型.通过某省近20年的林业资金投资数据实验验证了预测方法的有效性,实验结果表明:与传统预测方法相比,基于改进支持向量机的预测方法明显提高了投资变化预测精度.