排序方式: 共有40条查询结果,搜索用时 730 毫秒
1.
丘陵山区果园机械化技术与装备研究进展 总被引:9,自引:0,他引:9
中国果园种植面积大,主要集中在丘陵山区,受地形条件和种植模式影响,丘陵果园机械化程度普遍偏低,随着产业结构的调整,果园机械化的发展程度将直接影响其经济效益。本文分析了中国果园分布情况与丘陵果园种植特点,概述了丘陵果园的机械化发展程度,并分析了制约其发展的原因,阐述了机械动力底盘、多功能作业平台、果树修剪机械、植保机械以及采摘收获机械等果园主要装备和技术的研究现状和进展,并对部分果园机械的生产与推广应用情况进行调研分析。在此基础上指出丘陵果园机械化发展面临的问题,认为缺乏对复杂环境的适应能力是制约丘陵果园机械化发展的关键,对果园改建和机械装备研究等提出了发展建议。 相似文献
2.
针对林区自动对靶施药过程中,当立木生长密集时,获取的点云数据聚类准确率低、效率低的问题,提出优化后的K-均值聚类算法,数据获取方式基于2D激光扫描。针对立木点云信息聚类前需对相关数据进行滤波,提出窗口滤波算法,选取产生混合像素点的树干边缘,提取3次连续扫描的混合像素及其近邻点组成滤波窗口,进行最大阈值滤波,结果显示50次试验中仅有2个混合像素点未被滤除,混合噪声的滤除率高。在K-均值算法优化方面,针对算法需预先确定聚类数和初始聚类中心的不足,提出利用斜率变化确定聚类数的方法,试验对5个不同距离下5组立木分别进行100次测量,结果显示错误测量次数仅为3次,并可在试验前期通过人工方式去除,算法合理有效;对哈夫曼树法确定立木扫描点聚类中心的性能进行了试验分析,3种不同树干分布类型下分别运用随机抽样法和哈夫曼树法进行K-均值聚类,前者平均正确率仅为76.4%,后者则为95.5%;同时分析了Ⅰ型分布下2种算法聚类的迭代次数和耗时,5个不同距离下,随机抽样法的平均迭代次数明显高于哈夫曼树法,平均运行耗时上,哈夫曼树法则高于随机抽样法,前者变化范围为120~220 ms,后者为50~85 ms,该范围为林区测绘的可接受范围。试验证明,基于斜率变化确定聚类数和基于哈夫曼树法确定聚类中心的K-均值算法是林区立木点云聚类的有效算法,可应用于林区的立木检测。 相似文献
3.
利用8个微卫星标记对杜长大三元杂交群体5个种群,斯格配套系8个种群的遗传结构进行了分析。通过计算等位基因频率、基因杂合度、平均杂合度、多态信息含量、纯种间的遗传距离、F-统计量和迁移率进行分析。结果表明各群体的平均基因杂合度存在一定差异。纯种、祖代、父母代、商品代群体的平均座位杂合度和多态信息含量随着群体在杂交繁育体系中位置的由高到低而逐渐升高。Nei氏标准遗传距离显示,父本和母本间的遗传距离大,遗传距离大的父本和母本用于杂交,产生的杂种优势最大,这与实际的杂交组合一致。Fst衡量等位基因频率群体间方差,杜长大群体大约总变异的1.02%~15.60%来自种群间,而剩余的84.40%~98.98%来自种群内,斯格群体大约总变异的3.02%~15.22%来自种群间,而剩余的84.78%~96.98%来自种群内,斯格和杜长大纯种的遗传分化处于较小到中等之间。 相似文献
4.
5.
6.
7.
8.
基于2D激光探测的立木胸径几何算法优化 总被引:1,自引:0,他引:1
目前林业测绘中使用2D激光扫描仪对树干立木胸径及位置的测定研究占据重要地位。针对3种较为常用的几何类算法(弧长法、切线法和双余弦法),提出在近距离下利用补偿角对其测量值进行补偿的方案,研究了弧长法与切线法补偿角随距离的变化关系,并进行回归分析,所得拟合方程的R~2均大于0.85。运用拟合方程在0~5.5 m范围内对实际树干进行验证,试验选取了5株杨树树干,通过算法补偿,半径与距离测量值的准确性均得到提高,其中弧长补偿算法和切线补偿算法对半径的测量精度分别比未补偿前提高了10.6和10.7个百分点,补偿后的绝对误差均值分别为4.8 mm和3.8 mm;补偿后距离测量值绝对误差均值可分别控制在66.0 mm和15.9 mm以内。试验证明2种补偿后的几何算法均可作为近距离下的林业测绘算法,其中切线补偿算法更优。 相似文献
9.
生物信息学及其在育种工作中的应用 总被引:2,自引:0,他引:2
生物信息学是一门交叉学科,它包含了生物信息的获取、加工、存储、分配、分析、解释等在内的所有方面,它综合运用数学、计算机科学和生物学的各种工具,来阐明和理解大量数据所包含的生物学意义。主要研究对象是序列。即一维的分子排列顺序的分析,研究的重点内容为基因组学(genomics)和蛋白质组学(proteomics)。目前生物信息数据库服务已实现高度的计算机化和网络化。生物信息学与传统育种方法相结合来提高选育效率。将是育种的发展趋势。 相似文献
10.
生物信息学是一门交叉学科,它包含了生物信息的获取、加工、存储、分配、分析、解释等在内的所有方面,它综合运用数学、计算机科学和生物学的各种工具,来阐明和理解大量数据所包含的生物学意义。主要研究对象是序列,即一维的分子排列顺序的分析,研究的重点内容为基因组学(genomics)和蛋白质组学(proteomics)。目前生物信息数据库服务已实现高度的计算机化和网络化。生物信息学与传统育种方法相结合来提高选育效率,将是育种的发展趋势。 相似文献