基于云存储的高校学科数据知识库研究

从目前高校科学数据管理面临的数据总量巨大、保存分散和数据收集困难等问题出发,阐述建立基于云存储的高校学科数据知识库的优势,不仅可以以较低的成本解决科学数据长期保存、海量存储、数据共享和数据收集的难题,而且可以解决科学数据的元数据统一问题,在全国范围内实现科学数据的管理和共享,并从基础设施服务、平台服务和应用服务3个层面尝试构建学科数据知识库的云存储模型.     

大数据环境下智慧图书馆云服务模式研究

介绍了大数据环境下智慧图书馆构建云服务模式的必要性,分析了大数据环境下智慧图书馆构建云服务模式的核心工具,并重点研究了大数据环境下智慧图书馆云服务模式构建方案,最后指出了构建云服务模式要解决的重点问题.     

云当归干燥特性及动力学研究

[目的]研究云当归切片干燥特性,解决云当归的干制问题。[方法]利用干燥试验,研究不同干燥温度和切片厚度对云当归干燥速率和品质的影响,通过水分比变化拟合干燥动力学数学模型。[结果]干燥温度和切片厚度对云当归切片的干燥速率有显著影响。干燥温度越高,干燥用时越短;切片厚度越大,干燥用时越长。Page模型对云当归切片干燥过程的拟合性较好,模型预测值与试验值吻合性好,可以用来预测云当归切片的干燥过程。采用4~6 mm厚度的切片,在60~70℃热风干燥温度下,云当归干制品中阿魏酸与蒿苯内酯的含量最高。[结论]该研究结果为实现云当归的工业化生产提供技术支持。     

基于极限学习机的单木枝叶点云分类

[目的]在林业测量中,利用树木的三维激光点云数据提取其结构信息以及模型拟合三维重建较为普遍,而林木枝叶三维点云分割则是林木参数提取以及三维重建的前提。[方法]利用扫描的单木三维点云数据,提取了单木点云的空间特征、反射强度、RGB色彩特征等多维特征,为提高分类的效率,通过随机森林算法按照其特征重要程度排序,除去冗杂的特征,保留RGB色彩、反射强度、法向分布特征作为分割依据。采用极限学习机(Extreme Learning Machine,ELM)对训练样本进行学习,并对原始数据进行枝叶点云的分类识别试验,分类正确率达到98.99%。[结果]在同等试验条件下,分别采用BP(Back Propatation)神经网络、LVQ(Learning Vector Quantization)神经网络、决策树(Decision Tree)、朴素贝叶斯(Naïve Bayes Classifier,NBC)、支持向量机(Support Vector Machine,SVM)进行分类,分类,其正确率分别为94.30%、91.26%、96.95%、85.67%、98.16%。[结论]试验结果表明极限学习机的分类效果较好。     

基于双目视觉的作物点云获取与分割定位方法

为了提高农业视觉导航系统对作物定位的精确性,提出了一种基于双目视觉的作物点云获取与分割定位方法。该方法采用ZED双目相机采集作物左右视图,通过视差原理获取作物的3D点云数据,利用点云离散程度和体素化网格方法对初始点云数据的离散点和冗余数据进行去除,然后在预处理后的点云图中利用基于点云法线角度差的区域生长分割出每株作物的点云簇,用每个点云簇中所有点的平均坐标值作为该株作物的三维坐标,结合视觉系统坐标系,计算出作物与相机的水平距离以及水平偏角,从而实现作物定位。试验结果表明,该方法测得的作物平均距离误差为1.89%,平均角度误差为2.17%,该算法可以对作物进行准确定位,为基于双目视觉导航的路径规划提供可靠的定位信息。     

上部叶不同采收成熟度对烟叶烘烤后品质的影响

为了解决武平烟区上部烟叶存在成熟度不足的问题,本次研究以云烟87为本次试验材料,采用结果对比分析的方法对烟叶烘烤后的外观质量、主要化学成分及协调性、感官质量、经济性状进行了研究,探索武平烟区上部叶采收成熟度标准。试验结果表明,推迟采收达到9~10成成熟度采收烘烤后的烟叶外观质量、化学成分及协调性和感官评吸质量均最好,最符合工业企业需求,均价、上等烟比例、效益等经济性状最好。因此在生产上,结合天气、病害等因素,改变上部叶成熟度达到8~9成成熟度采摘的传统习惯,适当延长生育期,达到9~10成成熟度采收,提升上部烟叶品质以及烟农收益。     

基于网络爬虫的移动农业信息服务系统的设计与实现

应用网络爬虫技术、Bomb后端云和移动应用开发技术设计了一套移动农业信息服务系统。从农业数据获取、农业数据存储和农业数据显示3个方面分析了移动农业信息服务系统中数据传输处理的过程,得到了通过网络爬虫技术获取农业数据,借助Bmob移动云平台存储农业数据和通过移动终端将农业数据可视化具有一定优势的结论。     

应用云模型的无人农业车辆遇障速度控制策略

【目的】提高遥控操作农业车辆的智能性与安全性。【方法】提出一种新的无人农业车辆遇障后的速度控制方法。建立动态环境中无人车辆的碰撞预测模型,确定实时碰撞位置,依据专家经验与农业作业环境制定的云推理规则,建立速度控制策略,实现速度控制。【结果】算法预测判断平均耗时0.170 1 s,无人车辆速度控制过程没有受到无威胁障碍物影响,且符合速度云推理规则。【结论】该算法能够实现实时碰撞预测,具备抗干扰能力,满足实时性要求。     

基于改进区域生长法的羊体点云分割及体尺参数测量

针对传统羊体尺测量中测量耗时、应激大的问题,采用主成分分析、随机采样一致性算法和改进的区域生长法,基于三维点云对羊体尺参数测量进行研究。结果表明:1)使用主成分分析和随机采样一致性算法能计算羊体点云的法向量和曲率;2)改进的区域生长法能准确地分割出羊体区域,并且避免了外点的干扰;3)在羊体点云数据上选取体尺测点,计算羊体长、体高、臀高、胸深体尺参数,并与实测值比较,4种体尺参数的最大相对误差为2.36%,测量精度较高。试验证明改进的区域生长法能准确地对羊体点云进行分割,依据选取的体尺测点,能够实现羊体尺参数的无接触测量。     

基于无人机影像匹配点云数据的喀斯特峡谷区火龙果单株提取研究

针对无人机可见光影像对背景与目标地物混淆时提取识别难的问题,利用四旋翼无人机采集喀斯特峡谷区的火龙果影像匹配点云数据,对原始点云数据进行去噪、滤波和归一化等处理,通过建立高精度的数字高程模型(DEM)、数字表面模型(DSM),进而建立高精度的冠层高度模型(CHM),并以目视解译的火龙果株数为参照,对火龙果株数进行识别提取验证。结果表明,运用无人机影像匹配点云数据,通过冠层高度模型在一定程度上可以消除植株下方杂草的影响;当样地内的基础设施或存在地物高度与火龙果冠层接近,导致误提,错提率最高为8.55%,漏提率最高为12.28%;在各样区中,运用种子点进行火龙果株数提取的精度均在92.38%以上;运用植被冠层进行火龙果株数提取的精度均在90.68%以上。由此表明,运用无人机影像匹配点云数据提取火龙果具有快速、简单有效、成本低、精度可靠的特点,适用于喀斯特山区作物株数的快速提取,可以与基于颜色指数的提取方法互为补充。