基于深度卷积神经网络的番茄主要器官分类识别方法

为实现番茄不同器官的快速、准确检测,提出一种基于深度卷积神经网络的番茄主要器官分类识别方法。在VGGNet基础上,通过结构优化调整,构建了10种番茄器官分类网络模型,在番茄器官图像数据集上,应用多种数据增广技术对网络进行训练,测试结果表明各网络的分类错误率均低于6.392%。综合考虑分类性能和速度,优选出一种8层网络用于番茄主要器官特征提取与表达。用筛选出的8层网络作为基本结构,设计了一种番茄主要器官检测器,结合Selective Search算法生成番茄器官候选检测区域。通过对番茄植株图像进行检测识别,试验结果表明,该检测器对果、花、茎的检测平均精度分别为81.64%、84.48%和53.94%,能够同时对不同成熟度的果和不同花龄的花进行有效识别,且在检测速度和精度上优于R-CNN和Fast R-CNN。     

希尔伯特变换与小波去噪提高暂态电能质量扰动检测与定位精度

在噪声污染严重情况下实现暂态电能质量扰动准确定位非常困难,该文提出了一种将希尔伯特-黄变换与小波去噪相结合的新方法来解决这一难题。该方法首先利用希尔伯特移相处理信号,获得含噪声的扰动信号包络,再利用小波去噪方法去除噪声信号,从而获得可准确定位扰动起止时刻的扰动信号,并通过扰动定位算法实现扰动起止时刻定位。算例表明,该方法在噪声较高的情况下可替代提升小波方法实现准确定位,通过比较,这种先提取、后去噪的方法比先去噪、后提取的方法定位精度高、稳定性好,该研究可为电力系统故障诊断及暂态保护提供参考。     

双子叶植物叶片类胡萝卜素含量高光谱反演估算

类胡萝卜素(Car)是植物进行光合作用的主要色素之一,在吸收传递光能、保护叶绿素,以及延缓叶片衰老等方面有重要作用。以LOPEX’93数据库为基础,系统分析400~2 500 nm高光谱波段范围内任意两波段组合而成的归一化差值植被指数(NDVI)、比值植被指数(RVI)和差值植被指数(DVI)与双子叶植物叶片Car含量间的定量关系。结果表明,在756 nm处红光波段与809 nm处近红外波段的NDVI_(809,756)、RVI_(809,756),以及750 nm处红光波段与809 nm处近红外波段的DVI_(809,750)都可以较好地实现Car含量反演,建立的回归预测模型的判定系数(R²)均大于0.74。对由各植被指数构建的反演模型进行精度验证发现,NDVI_(809,756)和RVI_(809,756)的估算效果相当,且都好于DVI_(809,750),模型预测精度分别为0.735和0.738,均方根误差分别为1.426 1和1.420 5,平均相对误差分别为13.66%和13.60%。表明基于高光谱数据对双子叶植物叶片Car含量进行估算是可行的。     

无人机喷雾参数对粳稻冠层沉积量的影响及评估

主要研究了植保无人机在水稻灌浆期喷施磷酸二氢钾(KH2PO4)的作业效果及八旋翼无人机喷雾参数对水稻叶片雾滴沉积分布的影响,测试分析了无人机在水稻灌浆期植保作业时雾滴的沉积效果。研究采用雾滴测试卡接收雾滴,通过调节无人机的作业高度进行雾滴沉积量评估试验。根据作业高度不同,共设计3组试验,高度分别是3、4、5m。结果表明:不同作业高度时,雾滴在水稻冠层和下层具有不同的沉积效果,且分布均匀性的变异系数也不同。作业高度5m时,雾滴在水稻叶片上的总沉积量最少,均匀性最差,冠层和下层的变异系数分别为92.11%、150.29%;作业高度3m时,雾滴在水稻叶片上的总沉积量高于4m和5m时的沉积量,均匀性较好,冠层和下层的变异系数分别为32.94%、49.47%。3组作业高度均显示:雾滴在水稻冠层的沉积量高于下层叶片,叶片正面的沉积量高于反面,叶片反面沉积量可达到正面叶片的1/2以上。本研究对八旋翼无人机高效利用、提高农药喷施作业效率、增加水稻产量具有深远的意义。     

基于机器学习的粳稻叶片叶绿素含量高光谱反演建模

叶绿素含量是表征粳稻生长状态的重要指标,高光谱遥感技术能够无损、快速的获取粳稻叶片叶绿素含量。本研究利用2015—2017年沈阳农业大学辽中水稻实验站粳稻叶片高光谱数据,并利用主成分分析法(PCA)、典型相关分析法(CCA)、核典型关联分析法(KCCA)3种方法对粳稻叶片高光谱信息降维,选出较优光谱参数作为叶绿素含量反演模型的输入变量。采用支持向量机回归(SVR)、神经网络(NN)、随机森林(RF)、偏最小二乘法(PLSR)四种机器学习算法建立粳稻叶片叶绿素含量反演模型。结果表明,KCCA降维方法对粳稻叶片高光谱降维效果要优于PCA和CCA两种方法。采用KCCA-SVR方法建立的粳稻叶片叶绿素含量反演模型的模型决定系数R²=0.801,RMSE=1.610,建立的粳稻叶绿素含量反演模型精度最高。该模型良好的预测能力为粳稻叶片叶绿素含量反演研究和养分诊断提供了数据支撑和模型参考。     

东北地区稻田土壤氮含量无人机高光谱反演建模研究

土壤氮元素是土壤肥力的一个重要指标,掌握土壤氮元素含量的变化是观测农作物的发育状况及时空变化规律等的基础。利用高光谱对土壤氮元素进行反演,可为精准农业地表土壤元素快速测定提供参考。为实现对土壤中氮元素含量的快速测定,以沈阳农业大学海城试验田为例,对土壤原始反射率进行了一阶导数变换,运用等距特征映射算法(isometric feature mapping,lsomap)、竞争性自适应重加权采样法(competitive adapative reweighted sampling, CARS)对一阶导数光谱数据进行降维并提取出相关特征。运用BP神经网络(back propagation neural network,BPNN)、GA优化(GA-BPNN)以及经过NSGA-Ⅲ优化后的BP神经网络(NSGA-Ⅲ-BPNN)3种分析方法建立土壤全氮的高光谱反演模型,并利用决定系数(R²)和均方根误差(root mean square error,RMSE)对反演模型进行评价。结果表明：经过ISOMAP进行的降维相对于CARS能有效的对特征进行提取。优化后的神经网络模型建立的...     

GIS／GPS在电力巡检系统中的应用

为了改进传统线路巡检工作,提高输配电设备运行维护管理水平,提出以掌上电脑为硬件支撑、基于卫星全球定位和地理信息系统等技术的巡检系统的设计方案.GIS／GPS通过整合成新系统,可以提高电力巡检系统的工作效率和运行质量,使故障定位更加准确、显示方式灵活多样,并能更好地进行分析与决策.在对新系统的技术可行性、经济可行性及社会需求进行分析的基础上,提出系统设计的原则、开发平台的选择及具体的设计方案.同时,在嵌入式GIS设计中,还应注意内存使用、屏幕空间占用以及字符集选择等问题.     

基于嵌入式GIS电力移动抢修系统的设计

将嵌入式电子地图与GPS、GPRs结合,构造基于PDA的电力抢修移动平台.该系统支持配电网络电子地图导入和基本操作;利用GPS实现故障位置定位,为抢修车选择最佳路径而确保其及时准确的到达目的地;通过使用GPRS网络将电力抢修情况实时反馈到电力终端管理系统.     

基于嵌入式GIS的电力巡检系统的研究

介绍了一种基于嵌入式GIS技术的电力移动巡检系统的设计与开发。系统硬件由掌上电脑和CF卡式GPS接收机组成，软件平台为WINCE，嵌入式GIS开发工具采用eSuperMap。所开发的系统支持配电网络电子地图导入和基本操作，可以基于GPS获取位置信息，实现杆塔快速定位，记录或查询缺陷信息。该系统利于提高农村配电网络的线路巡检效率，有实用性。     

电压扰动定位中小波与HHT性能分析

为实现配电网电压扰动的有效检测,分别运用小波变换与希尔伯特-黄(HHT)变换2种方法对电压扰动信号进行定位检测,分析对比2种方法的检测精度和性能。仿真算例结果表明:2种方法均具有较好的多分辨率分析特性,但HHT受噪声影响比较大,因此在合适的小波基下小波分解方法检测精度高于HHT变换检测精度。