室内可见光音频传输系统设计

本文阐述了一种以MOS管为主驱动器件,运算放大器为主要信号放大芯片,系统由LED发射电路模块、稳压模块以及光接收器模块构成的室内可见光音频传输系统。给LED发射电路接上信号,模拟信号通过LED光变化的方式传输出去。利用硅光电池作为信号接收主器件,来将音频信号还原出来。室内可光音频传输可以让百姓在室内照明时享受着音乐带给人的身心愉悦。     

基于无损力学平台的水稻倒伏表型分析(英文)

针对传统水稻倒伏测量费时费力且对水稻植株具有破坏性的问题，本研究构建了一款操作简单且无损的力学平台用于水稻倒伏表型分析，可监测水稻在不同生育期的抗倒伏特性。本试验中水稻倒伏监测时间为2019年8月15日—9月21日，包含水稻生长过程中的拔节期、孕穗期和抽穗期。通过无损力学平台中的力传感器获取水稻倒伏测量过程中的力与位移，从而计算水稻动态抗弯刚度系数(K_EI)，同时通过力学平台采集RGB图像用于计算水稻植株投影面积和受力中心(CoF)。结果表明：抗倒伏品种(北稻1号、神农9816)与倒伏品种(越光、秋光)的K_EI存在差异，反映了水稻生育期内的抗倒伏特性。RGB图像中倒伏品种水稻的受力中心与植株底部的距离大于抗倒伏品种，易失稳。本研究为水稻倒伏监测和精准育种提供了技术支撑。     

利用无人机提取样本点的多源遥感影像类方法研究

无人机遥感信息技术广泛应用于地表类型分类及监测.本研究均匀提取分布于研究区内的982个分类样本点,利用包括Sentinel-1/2 (S1/2)数据集、S2数据集计算获得的植被指数(Vegetation index,Ⅵ)数据集和数字高程模型(Digital Elevation Model,DEM)数据集的遥感影像资料,借助随机森林分类模型完成研究区地表类型分类.结果 显示:4种数据集组合(S2数据集、S2&Ⅵ数据集、S2&Ⅵ&DEM数据集,以及4个S2波段b3&b2&b4&b6组成的数据集)的制图总体精度(Overall Ac-curacy,OA)和Kappa系数精度都在75％和65％以上.此外,在不考虑位于边缘的样本点(即混合像元)后,分类制图结果具有更好的鲁棒,3种分类精度最高的数据集(S2数据集、S2&Ⅵ数据集和S2&Ⅵ&DEM数据集)OA和Kappa系数精度都提高至85％和79％以上.特别是kappa系数的精度更优,提高了近15％.本文研究结果为喀斯特地区的地表类型制图提供了准确而有效的技术手段.     

基于计算机视觉的奶牛跛行识别技术研究进展

奶牛跛行严重降低奶牛福利及潜在产奶量，影响养殖场经济效益。准确高效识别奶牛跛行，有助于奶牛肢蹄病的及早发现与治疗，促进奶业的健康和可持续发展。人工观察法识别奶牛跛行存在识别效率低、成本高、主观性强等问题。计算机视觉技术可以通过无应激、无接触地采集奶牛行走视频数据，准确高效识别奶牛跛行。该研究从可见光相机、深度相机以及热红外相机3种视频采集手段出发，概述了当前奶牛跛行自动识别的主要研究方法、关键技术以及未来发展方向等，对比分析了各研究方法的优势和不足，指出个体差异性、跛行特征的优选以及早期跛行识别等需要重点关注的技术问题。同时，该研究从数据获取、技术研发和试验验证等方面，分析了奶牛跛行识别技术研究领域存在的主要问题及挑战，展望了未来奶牛跛行识别技术的研究重点和发展方向，为奶牛跛行的精准高效识别提供相关理论依据和技术参考。     

无人机可见光遥感影像的空间分辨率对毛竹立竹度识别精度的影响

为探究无人机可见光影像在毛竹立竹度提取方面的适用性，以福建省三明市永安市天宝岩国家级自然保护区毛竹林为研究对象，运用重采样的方式获取不同空间分辨率(0.25、0.50、0.75 m)下的可见光影像，利用面向对象多尺度分割确定各个分辨率下的最佳分割尺度，采用随机森林分类方法，对不同空间分辨率下立竹度提取精度进行了比较。结果表明：不同空间分辨率下分割尺度的选择不同，影像空间分辨率为0.25、0.50、0.75 m的最佳分割尺度分别为20、9和8,立竹度提取平均精度分别为80.97%、81.29%和77.82%,Kappa系数分别为0.806 0、0.863 3和0.817 1;图像空间分辨率为0.50 m时，总体分类精度和Kappa系数最高，因此，毛竹立竹度提取的适宜图像空间分辨率为0.5 m,最佳分割尺度为9。     

基于可见光光谱的幼龄沉香图像分割与特征提取研究

为促进数字图像处理技术在珍贵树种营养分析中的高效应用，以幼龄沉香为研究对象，运用大津法与K-Means算法分别对试验获取的幼龄沉香可见光图像进行分割，对2种分割算法进行比较研究。基于图像分割结果，提取R、G、B等8种颜色特征并进行主成分分析，同时计算沉香图像的最小外接矩形的矩形度RE。结果表明，1）大津法与K-Means算法均可实现对多张幼龄沉香可见光图像的分割，大津法较K-Means算法分割速度快，但分割精度小于K-Means算法，在具体分割时应根据实际需要对2种算法进行选择。2）提取的8种颜色特征的3个主成分累计贡献率可达到99%，可作为颜色特征；最小外接矩形的矩形度RE能够表达沉香轮廓内面积CA与最小外接矩形面积LA的比值，可作为形状特征，将这种特征因子用于构建沉香微量元素含量预测模型，有利于缩短建模时间并提高模型的精度。综上所述，研究结果可促进数字图像处理技术在珍贵树种营养诊断中的进一步发展，为精准林业提供参考。     

基于图像颜色与形状特征的幼龄沉香全氮含量预测

为了促进数字图像处理技术在林木营养诊断中的应用，实现对林木生长状态及养分含量的实时监测，本研究以濒危珍贵树种沉香为对象，构建了3种基于图像颜色特征与形状特征的幼龄沉香全氮含量预测模型，为幼龄林木的营养诊断提供了理论依据。首先，根据边界距离与设定误差的大小确定最佳K值，运用改进的K-Means算法提取前景图像。然后，分离前景图像的R、G、B三通道并分别计算均值，根据图像颜色空间转换公式，将图像分别转换到HIS、Lab颜色空间下，得到色调（H）、饱和度（S）、明度（I）、亮度（L）、红到绿通道（a）、黄到蓝通道（b），共计获得9种颜色特征。寻找前景图像的最小外接矩形，计算前景图像的面积（CA），前景图像最小外接矩形的面积（RA）、周长（RC）以及矩形度（RD），共计获得4种形状特征。最后，分别对颜色特征、形状特征、颜色特征+形状特征进行主成分分析，以获得的3类主成分为自变量构建幼龄沉香全氮含量预测模型，同时对构建的3种模型精度进行检验。结果表明，改善K值选取方式可以降低K-Means聚类分割算法的不确定性，增强算法的分割效率，可以实现对沉香可见光图像的精准分割。本研究构建的3种幼龄沉香全氮...     

基于多时相无人机影像的高郁闭度森林采伐生物量估算

为准确估算森林采伐生物量实现森林碳汇的精准计量，针对采用单一时相可见光无人机影像估算高郁闭度森林采伐生物量较困难的问题，基于伐区采伐前后多时相可见光无人机影像，研究森林采伐生物量高精度的估算方法。以福建省闽侯白沙国有林场一个针叶林采伐小班为试验区，采集分辨率优于10 cm的采伐前后多时相可见光无人机影像，采用动态窗口局部最大值法得到高精度的采伐株数与单木树高信息，再基于采伐后无人机影像，运用YOLO v5方法检测并提取伐桩直径信息，根据胸径-伐桩直径模型来估算采伐木胸径信息，再利用树高和胸径二元生物量公式估算采伐生物量，以实测数据进行验证。根据动态窗口局部最大值法获取株数与平均树高精度分别为96.35%、99.01%,运用YOLO v5方法对伐桩目标检测的总体精度为77.05%,根据伐桩直径估算的平均胸径精度为90.14%,最后得到森林采伐生物量精度为83.08%,结果表明这一新方法具备较大的应用潜力。采用采伐前后多时相无人机可见光遥感，可实现森林采伐生物量的有效估算，有助于降低人工调查成本，为政府及有关部门进行碳汇精准计量提供有效的技术支持。