玉米联合收获机清选损失监测装置设计与试验

针对玉米籽粒收获时,损失率检测不准的问题,以压电薄膜作为敏感材料,设计了一种由冲击传感器、信号处理电路和安装装置等组成的玉米收获机籽粒清选损失监测装置,并采用支持向量机多分类算法提取玉米籽粒冲击信号,实现了玉米籽粒损失的实时监测。首先,在不同冲击角度和高度的试验条件下,对不同大小的玉米籽粒和杂余进行冲击信号的采集试验,提取冲击信号的主要特征。采用支持向量机多分类算法对模型进行训练,并在监测装置上实现实时分类。使用不同品种和含水率玉米对分类模型进行验证。然后,在不同风机转速和清选筛开度条件下,得到测试时间内传感器检测的籽粒数与总损失量之间的关系,并根据谷物流量值,计算得到实时的清选损失率。最后,将该监测装置安装在4YL-8型玉米联合收获机上进行田间试验。结果表明,该监测装置与人工检测相比,平均相对误差为12.98%,可以为收获机的控制提供反馈信息。     

基于全极化Radarsat-2数据的干旱区典型绿洲盐渍化信息提取

土壤盐渍化不仅破坏了当地的自然生态环境,而且严重影响着可持续发展。为了对干旱区盐渍地进行有效、实时的监测,利用全极化合成孔径雷达PolSAR(Polarimetric Synthetic Aperture Radar)遥感数据进行盐渍地信息的提取。提出对以渭-库绿洲为研究区的全极化Radarsat-2数据进行Pauli分解和H/A/α分解,获取其极化特征分量。在此基础上,利用支持向量机(Support Vector Machine)、最小距离分类(Minimum Distance Classification)以及最大似然分类(Maximum Likelihood Classification)方法进行监督分类,并对分类结果进行对比分析。研究结果表明,极化分解方法在盐渍化监测中具有较好的研究潜力,基于Pauli和H/A/α分解的SVM分类方法更适用于PolSAR数据盐渍地信息的高精度提取。     

基于农业网络信息分类的热词自动提取方法

热词提取对于监控和分析农业舆情具有重要意义,目前已有一定研究基础,但仍存在针对性差等问题,无法满足农业领域不同产业用户群的个性化需求,为此,提出一种基于农业网络信息分类的热词自动提取方法。首先采用多标记分类算法对文本语料进行分类,按分类类别构建语料库,然后采用基于信息熵的方法对每个类别分别提取热词候选词,最后采用基于时间变化的方法进行候选词热度计算,根据候选词热度排序结果得到热词。本文抽取农业网站上的15 354条文本进行实验,结果表明,热词提取准确率达到0.9以上,能够较高质量地提取农业热词,为不同农业用户群体发现和分析产业热点提供帮助。     

基于GF-6影像的农作物种植结构提取研究

红边波段可以有效地监测植被的生长状况,GF-6卫星是国内首颗单独设置红边波段的多光谱遥感卫星,提升了国产卫星对农业、林业、草原等资源的监测能力。以2020年8月26日的GF-6 WFV数据为数据源,利用随机森林算法对拜泉县水稻、大豆和玉米进行空间分布提取,利用野外采集验证点数据进行分类精度验证。结果表明：基于GF-6 WFV遥感数据利用随机森林算法对拜泉县主要农作物种植结构进行提取,kappa系数为0.893 72,总分类精度达92.5%。采用GF-6 WFV数据提取农作物种植结构,其精度能够满足监测要求,为摸清农业要素家底、推进农业数字化管理提供有力的数据支撑。     

基于联合变化检测的耕地撂荒信息提取与驱动因素分析

撂荒地遥感提取方法主要为分类方法和变化检测方法。由于撂荒地覆被类型复杂,容易同草地、灌木混分,导致分类方法的提取精度不高。而变化检测方法易受非耕地变化因素干扰,且只能提取监测周期内的新增撂荒,无法提取监测周期之前的历史撂荒。此外,受遥感数据本身的制约,中低分数据受混合像元干扰而提取能力不足,高分遥感易受地形起伏、云层遮蔽、覆盖周期长等因素干扰而损失精度,因此,传统遥感方法提取撂荒地困难。本研究提出多源数据联合变化检测方法以提取撂荒地。利用多源数据的异质性和不同方法的互补性,针对不同类型的撂荒地制定不同的提取策略,并进行耦合分析以提取撂荒地。经实地调查验证,该方法提取总精度达到97. 6%。在此基础上,提取撂荒地的距离特征、高差特征、灌溉特征和邻域特征等自然地理指标,对其进行了显著性分析,判别了区域撂荒主导因素,为撂荒驱动力研究、定向提升撂荒地管理提供了依据。     

干旱区耕地土壤盐渍化信息提取研究

土壤盐渍化是制约农业生产和发展的主要障碍之一。目前针对耕地土壤盐渍化的研究较少,常规土壤盐渍化的遥感监测主要是基于中低分辨率卫星,采用传统的基于象元分类方法,对盐渍化信息的细节描述不足,监测精度不高。使用国产GF-1影像,结合面向对象方法,针对耕地环境下的盐渍化信息进行精确提取和分类,再利用传统分类方法及实地采样数据进行精度分析。结果表明:面向对象法和最大似然法的分类总体精度分别为91.68%和72.48%,Kappa系数分别为0.90和0.69。该技术能准确提取田间尺度下耕地盐渍地信息,在未来的农田盐渍化高精度监测研究中具有一定应用价值和发展潜力。     

基于红外感应的电风扇自动寻踪系统的研究

本文主要研究了一种基于红外感应的电风扇自动寻踪方案。针对传统电风扇摇头机构所存在的定位不准确等弊端,从人体寻踪定位原理及实现方案等方面对电风扇的自动寻踪系统进行了研究与设计。在实现人群边界范围确定、电风扇当前方向判定及摇头控制等功能的基础上实现了自动人体寻踪的核心功能。     

基于面向对象的坑塘遥感监测与动态分析

以江汉平原的洪湖市为研究区,利用1990—2009年间的3期Landsat卫星TM遥感数据,基于面向对象的分类方法进行多尺度分割,利用光谱、空间、纹理等特征,并结合专家知识进行坑塘信息提取,对洪湖市坑塘变化状况进行遥感监测和时空演变分析。结果显示:利用面向对象的自动分类方法可以有效提取坑塘信息。洪湖市坑塘面积在1990—2009年间呈现增加趋势,其中1990—2000年与2000—2009年间坑塘面积分别增加了306.53 km2和379.69 km2。坑塘增加面积随着与湖泊空间距离的增加而减少,坑塘的增加主要由耕地、湖泊和河流转化而来。利用面向对象的坑塘信息自动提取可以为区域资源环境调查监测提供参考。     

基于NDVI时序数据的不同水源灌溉面积分类研究--以人民胜利渠灌区为例

灌溉面积是水土资源利用的重要指标,灌溉面积监测是灌区和农业水资源管理的基础。【目的】探索不同水源的灌溉面积的遥感分类方法。【方法】基于人民胜利渠灌区2017年的Landsat8卫星数据和2012年的MODIS卫星数据,提取了灌区NDVI时序数据曲线,分别采用监督分类和非监督分类方法对灌区不同水源的灌溉面积进行分类,并结合实地调查资料对分类结果进行验证。【结果】非监督分类方法并不适用于灌区尺度的灌溉水源分类;基于MODIS数据的分类效果较差,分类精度为57.14%;基于Landsat8数据的NDVI时序数据和监督分类的结果较好,分类精度达到73.58%。【结论】空间分辨率较高的NDVI时序数据可对灌区灌溉水源进行分类。     

变电站监控系统研究与开发

人脸识别技术中被广泛采用的区域特征分析算法,它融合了计算机图像处理技术与生物统计学原理于一体,利用计算机图像处理技术从视频中提取人像特征点,利用生物统计学的原理进行分析建立数学模型,即人脸特征模板。利用已建成的人脸特征模板与被测者的人的面像进行特征分析,根据分析的结果来给出一个相似值,通过这个值即可确定是否为同一人。     

基于主成分和云模型的冬小麦种植信息提取研究

在对Sentinel-2卫星遥感影像进行预处理的基础上，利用主成分变化提取小麦主要信息，基于云模型算法开展光谱遥感图像分类。分类时，首先根据训练样本集，由逆向云发生器生成典型小麦的云模型，然后利用云发生器计算出各波段每个象元对小麦地物的平均隶属度，在对各波段的隶属度分析基础上，摒弃含有复杂信息的第1主成分，利用第2主成分和第3主成分信息实现对冬小麦种植空间信息的提取。结果表明，提取小麦种植信息制图精度和用户精度分别为92.78%和99.90%，小麦种植田块的隶属度值因小麦长势和密度的不同有较大的差异，云模型对长势较差、密度较低的小麦像元存在漏分现象。基于云模型的算法精度极高，对小麦地块的识别错分、漏分现象少。该模型有助于冬小麦种植面积的精确提取，对于农业部门进行冬小麦生长监测与产量估测有重要的支撑作用。      

基于功率谱密度的蛋鸡声音检测方法

利用声音连续监测动物生长过程的缺点是无效声音数据量大。为了获得便于研究人员使用的小数据量并同时反映动物行为信息的声音,引入分类识别方法对原始声音进行处理。以栖架饲养环境中的含有海兰褐蛋鸡鸣叫声的声音片段和风机噪声片段为研究对象,基于不同类型声音在1 000~1 500 Hz频率范围内的功率谱密度存在差异,对2种声音片段进行了分类识别。试验结果表明,该方法的全面正确识别率为95%,其中蛋鸡声音片段正确识别率为93.3%。该方法将有助于实现风机噪声环境中动物声音实时检测与提取,从而减少无用声音数据的储存与传输。     

基于多种小波熵和信号熵的植物电信号特征提取

为了有效地对植物电信号进行分类,提出了基于多种小波熵与信号熵的特征提取方法。小波熵由于结合了小波变换和信息熵理论的优势,能够快速、准确地提取植物电信号的特征;但是,由于植物电信号的非平稳性和多样性,依靠单一的小波熵可能出现分类困难和分类不准确等问题,需要结合多种小波熵和信号的熵信息进行特征提取和分类。为此,以4类干旱胁迫下的君子兰叶片信号为对象,对提取的特征向量利用KNN方法进行分类。试验结果表明,该方法能够对君子兰叶片的电信号进行有效识别,为植物电信号的识别提供了一种可行的新方法。     

灵芝孢子食用方法与破壁技术研究进展

为了促进灵芝孢子破壁技术的应用 ,对目前普遍运用的 5类破壁技术和方法进行了对比分析 ,表明破壁后的灵芝孢子更易被人体消化吸收 ,说明灵芝孢子的破壁后提取生理有效成分已经成为今后发展的方向     

基于深度学习的大棚及地膜农田无人机航拍监测方法

随着精准农业技术的发展,快速获取大棚和地膜农田面积及地理分布的需求越来越大,但沿用面向卫星遥感影像的解译方法处理无人机航拍影像,存在特征选择复杂、识别精度较低、处理时间长等问题。基于此,本文提出一种基于深度学习的大棚及地膜农田无人机航拍监测方法,即采用六旋翼无人机搭载索尼NEX-5k相机进行航拍作业,对采集到的558幅赤峰市王爷府镇地区的无人机航片进行正射校正与拼接,构建全卷积神经网络(Fully convolutional network,FCN),通过多尺度融合的方法实现了FCN的5个变种模型:FCN-32s、FCN-16s、FCN-8s、FCN-4s、FCN-2s,使用带动量的随机梯度下降算法端到端训练模型,自动提取并分类影像特征。FCN模型与ENVI商用遥感软件的基于像素的分类方法、e Cognition软件的面向对象的分类方法对比后表明:FCN-4s模型为识别大棚和地膜农田的最佳模型,对于测试区域的平均整体正确率为97%,而基于像素的分类方法平均整体正确率为74.1%,面向对象的分类方法平均整体正确率为81.78%。FCN-4s模型平均运行时间为16.85 s,是基于像素的分类方法运行时间的0.06%,是面向对象的分类方法运行时间的5.62%。本方法可快速准确获取大棚和地膜农田的地理分布及面积,满足设施农业对无人机航拍监测的需求。     

沈阳城区地下水地源热泵技术应用现状及回灌能力分析

地源热泵技术因其绿色环保、节能清洁、控制设备简单等优点越来越被人们认可.回灌能力是地下水地源热泵应用中存在的重要问题之一.介绍地源热泵的基本情况和分类,通过监测实例分析沈阳城区地下水回灌能力,指出项目应用中存在的问题并提出建议,旨为地源热泵技术在沈阳城区的进一步推广提供依据.     

基于视觉的苗期作物株间除草关键技术研究现状

基于视觉的苗期作物和杂草的图像分割技术逐渐成熟,通过视觉技术对苗期作物进行精准识别和定位,是实现株间除草的关键技术和难点。作物的精准识别首先需要利用颜色特征将图像中的作物、杂草和土壤背景进行分割;其次利用实际识别对象的位置特征,形状特征,纹理特征,光谱特征等构造新的特征向量,结合成熟的分类算法对作物和杂草进行特征分类识别。针对棉苗和大豆苗,主要提取位置特征、形状特征,多采用支持向量机为主分类算法;针对玉米,主要提取位置特征、纹理特征,多采用人工神经网络为主的分类算法;针对部分蔬菜苗,主要提取形状特征、光谱特征,多采用算法结合的优化算法,具体实现时需要根据离线样本学习的结果来平衡苗期作物的识别准确率与实时性。在目前的算法中,主要存在三方面的问题:作物特征提取效果易受到遮挡、光照等干扰;分类算法目前还不能得到非常令人满意的准确性和实时性;目前算法一般是针对某种时段的作物,不具有通用性。这些都是后续算法研究中需要进一步解决的问题。     

基于无人机遥感与面向对象法的田间渠系分布信息提取

针对目前农田灌排系统识别研究中遥感影像分辨率不足,难以提取田间毛渠且对无水或少水灌排沟渠识别不足等问题,以内蒙古河套灌区磴口县坝塄村为研究区域,利用固定翼无人机搭载520~920 nm多光谱相机进行航拍试验,采用基于面向对象法的特征组合分层分类的提取方法对获取的高分辨率单幅多光谱影像数据进行解译,采用分割阈值为65、合并阈值为90的遥感影像最佳分割参数。利用含水田间毛渠和无水、少水田间毛渠在光谱、几何、空间关系等特征参量中表现出的与其它地物的特异性,建立不同分类层次的规则提取田间毛渠分布信息。提取结果表明,由于水体对近红外波段光谱的强烈吸收,含水毛渠提取效果很好,精度达到97.8%;无水、少水田间毛渠提取精度为75.7%。无人机遥感技术和面向对象法的特征组合分层分类方法为灌区田间渠系识别提供了一种新途径。     

基于决策树和SVM的Sentinel-2A影像作物提取方法

以河南省濮阳县为研究区,以2017年8月6日遥感影像为基础数据源,基于地面样方和样本点数据分析构建植被指数阈值分割分类决策树,结合支持向量机(Support vector machine,SVM)分类方法实现了秋季主要作物种植面积遥感识别,并与其他方法分类结果进行了精度验证与对比。结果表明,与最大似然法(Maximum likelihood,ML)和SVM法相比较,决策树和SVM相结合能较好地解决线状地物和小地块作物提取不全以及"椒盐"现象等问题,可以对秋季复杂作物进行有效识别,作物分类提取总体精度和Kappa系数分别为92.3%和0.886。利用中分辨率单时相遥感影像,结合波谱特征和植被指数能有效提高复杂作物分类精度,为区域复杂作物分类提取提供技术参考和借鉴价值。     

基于Sentinel-2A遥感影像的潍坊市冬小麦种植面积提取研究

为准确、高效、自动化的提取大尺度范围冬小麦种植面积,利用Sentinel-2A卫星影像进行试验,提出一种基于中等分辨率影像的面向对象结合深度学习的遥感冬小麦提取方法。利用面向对象分类法和随机森林分类算法对2021年潍坊市冬小麦种植面积及种植区域进行提取和结果对比,证明面向对象分类法在提取冬小麦种植面积时的可行性和有效性。此外,利用面向对象方法得到的二值分类图像作为标签图像,基于TensorFlow框架,利用U-Net构建深度学习神经网络模型,使用训练得到最优模型提取2017—2021年潍坊市冬小麦种植面积。使用实地调查数据对分类结果进行精度验证,并对潍坊市近五年冬小麦种植面积进行年际变化分析。该分类方法的总体分类精度达93.1%,Kappa系数为0.91。本研究方法可为大范围的冬小麦种植指导和农业结构调整提供科学、可靠的依据。