毛竹种群空间格局的地统计学分析

为了增加对竹林生态系统认识,应用地统计学中的半方差、半方差理论模型模拟、分形维数及其与竹林结构部分因子相关分析,研究毛竹种群空间格局特征。研究结果:(1)毛竹种群半方差总体均值为0.818,林地之间变异较大,属中等强度变异。半方差的标准差较小,占半方差均值的1.293%～7.241%。不同类型毛竹林半方差均值比较两两之间差异不显著。半方差的理论模型模拟多为线性模型,而球状模型和指数模型较少,毛竹林空间自相关性较弱。(2)毛竹林分形维数均趋近于2,表明毛竹林具有较好的均质性。(3)基台值与立竹度、均匀度呈显著相关关系,而分形维数与立竹度和均匀度相关不显著,表明了基台值与分形维数是刻画种群空间格局两方面指标。结论:毛竹林是趋于同质性植被,空间自相关性较弱,毛竹种群半方差在不同类型竹林之间差异不显著;竹林经营时采用竹阔混交林为宜,同时使毛竹在空间分布上趋于均匀,减小半方差,减弱毛竹之间的空间资源竞争强度。     

基于图像处理的玉米分形维数及其种植密度效应评价

以玉米品种强盛49为试材,采用数字图像处理技术和计盒维数方法,研究了种植密度对株型的影响。结果表明,随着种植密度增加(2.4~7.8株 m^-2),植株的分形维数(FD值)从1.192逐渐下降至1.163。随着生育进程的推进,所有种植密度下FD值都呈现出先上升后下降的趋势。分形维数与株高、光合叶源和生物产量有一定的相关性。FD值是定量描述玉米株型的一种重要新性状,在作物长势与长相等生长诊断研究中有广泛的应用前景。     

滚动轴承故障诊断的分形特征研究

针对滚动轴承振动信号的特点,从分形原理出发,利用分形维数的理论,详细讨论了盒维数的计算方法,并对由滚动轴承故障产生的非平稳振动信号进行了分形维数的定量描述.实验结果表明,由于滚动轴承不同状态动力学机理不同,其分形维数明显不同.利用分形维数可以准确地诊断出滚动轴承的工作状态,为非平稳信号故障诊断提供了一种有效的新技术.     

杨凌包气带深层黄土颗粒分形特性的实验研究

通过对包气带深层黄土土壤样品颗粒组成的分析,研究了土壤颗粒体积分形维数与土壤各粒级含量的关系.同时利用实测的土壤水分特征曲线,拟合得到其分形模型中的孔隙大小分形维数,最后对颗粒体积分形维数与拟合的孔隙大小分形维数的关系进行了对比研究.结果表明:体积分形维数介于2.577～2.748之间,且随包气带层深度的增加分形维数呈减小趋势;体积分形维数与0.5～0.25 mIn、0.02～0.002 mm颗粒含量呈显著负相关,与0.25～0.05 mm、＜0.002 mm颗粒含量呈显著正相关,所建立的多元回归方程拟合的体积分形维数相对误差限为0～0.42%,具有较高的精度;同一质地的颗粒体积分形维数与土壤水分特征曲线分形模型中的孔隙大小分形维数呈良好的线性关系.     

分形理论在农田土壤风蚀研究中的应用现状及其展望

土壤是一种由不同颗粒组成的具有不规则形状和自相似结构的多孔介质,具有分形特征。本文在对分形理论进行简要阐述的基础上,介绍了分形理论在农田土壤风蚀研究中取得的成果,应用分形理论研究风蚀土壤的性质是一种新的途径和具有广泛代表性的方法,最后对分形理论在农田土壤风蚀研究中的应用前景作了展望。     

刚柔混联振动剥离机的方案设计与仿真分析

针对我国粗放式地表种植土剥离的现状,提出了自动化精确种植土剥离的方案。同时,结合振动切削减阻理论与二维切削原理,提出了一种刚柔混联振动剥离机的设计思路,并基于数字样机技术对整机结构建模仿真,然后进行结构优化,为以后物理样机的研制提供了依据。     

基于DSP信号实时编码的采摘机器人避障控制研究

为了提高采摘机器人成功避障的性能,在采摘机器人机器视觉技术中引入了DSP实时编码技术,通过对成熟果蔬图像和视频的实时编码,获取果蔬位置和障碍物位置,达到成功避障的目的。根据机器人视频采集驱动的软件架构,对采集驱动进行了改造,在不增加前端外设的前提下实现了主动降帧,并根据DSP芯片的特点,对实时编码器进行了优化设计,大大提高了高分辨率图像实时编码的速率。最后,对机器人的距离位置测量和避障功能进行了测试,通过测试发现:在1.20~2.00m的距离范围内,测量的距离和实际距离的最大偏差不超过0.03m,6组避障测试中机器人成功避障的概率较高,其中最低也达到了97.28%,符合设计的要求。     

散乱点云局部点集最小包围盒快速求解算法

提出一种散乱点云局部点集最小包围盒快速求解算法,该算法采用主元分析方法对局部点集进行降维处理,将所降维度方向作为参考轴向,围绕该轴向旋转局部点集坐标系,并求解局部点集在各坐标系下的轴向包围盒,选择体积最小的作为该局部点集的最小包围盒,实例表明该算法在满足最小包围盒求解精度要求的同时,可显著提高算法的运行效率。     

基于颜色分形的不同产地烟叶聚类分析

对较高精度的烟叶数字图像进行背景去除和分割预处理,计算烟叶颜色各分量(红色、绿色、蓝色、亮度)的计盒维数,绘制各颜色分量的计盒维数变化曲线,进行烟叶颜色系统聚类分析.结果发现不同产地烟叶的颜色各分量计盒维数变化曲线存在较明显差异;采用颜色分形维数作为聚类参数得到了最好的分类结果.这表明颜色分形维数可以作为按颜色分类的特征指标,能更准确地描述图像颜色的分形分布特征.     

基于颜色分形的不同产地烟叶聚类分析

对较高精度的烟叶数字图像进行背景去除和分割预处理,计算烟叶颜色各分量（红色、绿色、蓝色、亮度）的计盒维数,绘制各颜色分量的计盒维数变化曲线,进行烟叶颜色系统聚类分析。结果发现不同产地烟叶的颜色各分量计盒维数变化曲线存在较明显差异;采用颜色分形维数作为聚类参数得到了最好的分类结果。这表明颜色分形维数可以作为按颜色分类的特征指标,能更准确地描述图像颜色的分形分布特征。