闽北优良笋用散混生竹种的初步选择

通过调查散混生竹种主要生长性状,采用坐标综合评定法,筛选出适宜闽北开发种植的优良笋用散混生竹种有高节竹、黄甜竹、红哺鸡竹、四季竹、篌竹、实肚竹、实心竹等。     

椭球膨胀法建立独立坐标系在公路工程中的应用

由于高斯-克吕格投影在海拔较高的地区投影变形问题,造成GPS测量的成果转换到国家统一的坐标系中不能直接应用于工程测量中,根据椭球膨胀法的原理,采用移动中央子午线和抬高投影面的方法,以减少投影变形的影响,并在内蒙古某黄河大桥中成功应用.应用这种方法不但能满足工程测量的要求,而且节省了人力财力,还提高了测量效率.     

基于改进蝙蝠算法和圆柱坐标系的农业无人机航迹规划

针对传统蝙蝠算法全局搜索能力不足的问题，提出一种改进蝙蝠算法(IBA-FCS)，通过设计脉冲变频策略、自适应局部搜索策略和变异机制，有效提升了算法的全局搜索能力。基于经典测试函数的寻优结果表明，与粒子群算法、传统蝙蝠算法和其他改进蝙蝠算法相比，IBA-FCS算法具有更好的寻优性能。针对农业无人机的航迹规划问题，结合山地果园飞行环境的三维地形数据，构建了农业无人机安全航迹规划模型，设计了多因素约束的飞行成本函数；同时，将航迹规划模型的求解空间由笛卡尔坐标系变换到圆柱坐标系，进一步提升IBA-FCS算法的寻优效率，从而获取更好的航迹规划方案。仿真实验结果表明，在具有不同数量障碍物的多个飞行任务中，IBA-FCS算法较传统蝙蝠算法的飞行成本函数适应度平均下降20.3355%，并且基于圆柱坐标系的IBA-FCS算法求解的飞行成本函数适应度较基于笛卡尔坐标系的规划结果平均下降4.6127%。实地场景实验结果表明，基于IBA-FCS算法的规划方案能够收敛于最优航迹，进一步验证了山地果园静态障碍环境下应用改进蝙蝠算法和圆柱坐标系进行农业无人机安全航迹规划的可行性和有效性。     

五行蔬菜汤养生浅谈

在广泛文献检索基础上,对五行蔬菜汤的原料(牛蒡、白萝卜、白萝卜叶、胡萝卜和香菇)、(成分β-胡萝卜素、钙、铁、磷等)、养生价值(治疗和预防癌症、治疗心血管疾病、减小烟瘾等)及食用注意事项进行了概述,以期为全民养生保健提供科学资料。     

基于改进YOLOv5s的自然环境下茶叶病害识别方法

针对现有目标检测模型对自然环境下茶叶病害识别易受复杂背景干扰、早期病斑难以检测等问题，该研究提出了YOLOv5-CBM茶叶病害识别模型。YOLOv5-CBM以YOLOv5s模型为基础，在主干特征提取阶段，将一个带有Transformer的C3模块和一个CA（coordinate attention）注意力机制融入特征提取网络中，实现对病害特征的提取。其次，利用加权双向特征金字塔（BiFPN）作为网络的Neck，通过自适应调节每个尺度特征的权重，使网络在获得不同尺寸特征时更好地将其融合，提高识别的准确率。最后，在检测端新增一个小目标检测头，解决了茶叶病害初期病斑较小容易出现漏检的问题。在包含有3种常见茶叶病害的数据集上进行试验，结果表明，YOLOv5-CBM对自然环境下的初期病斑检测效果有明显提高，与原始YOLOv5s模型相比，对早期茶饼病和早期茶轮斑病识别的平均精度分别提高了1.9和0.9个百分点，对不同病害检测的平均精度均值达到了97.3%，检测速度为8ms/幅，均优于其他目标检测算法。该模型具有较高的识别准确率与较强的鲁棒性，可为茶叶病害的智能诊断提供参考。     

基于改进MobileNet的轻量级外来入侵植物识别模型研究

外来入侵植物防治的首要任务是准确识别入侵植物种类, 然而外来入侵植物种类繁多, 存在类间同质和类内异质现象, 给技术人员甄别与防治外来入侵植物带来了挑战。为了准确、实时和高效地识别外来入侵植物, 本文提出基于改进MobileNet的轻量级外来入侵植物图像识别模型(MobileNet-LW)。以专业人员鉴定得到的113种 11 628幅外来入侵植物图像作为研究对象, 并按照6∶2∶2的比例划分训练集、验证集和测试集。通过Retinex、旋转和高斯噪声等方法对图像进行数据增强。为了减少类间同质现象对模型误检的影响, 在模型MobileNet基础上添加了SE通道注意力机制和深度连接注意力网络, 提高网络对关键特征的提取能力。为了降低模型计算消耗和内存消耗, 采用通道剪枝方法对网络瘦身;为了弥补剪枝后造成模型准确率降低, 采用教师网络-助教网络-学生网络的形式对剪枝后的网络进行知识蒸馏, 学生网络通过软知识的学习来提高识别外来入侵植物的准确率。通过消融试验测试模型的性能, 利用平均准确率、平均召回率和平均F1值3个评价指标, 对现阶段经典模型与改进后模型MobileNet-LW所获得的识别结果进行评价。消融试验结果显示, 在相同数据集条件下, 所有改进点对模型的性能都有所提升, 且改进后算法在外来入侵植物图像识别中准确率提高了5.4百分点, 模型参数量减少了约53%;模型对比试验表明, EfficentNet、DBTNet、ResNet-101、ConvNext和MobileNet-LW 5个模型平均准确率分别为72.3%、74.9%、76.1%、79.7%和86.1%, 表明改进后的网络提高了外来入侵植物的识别准确率。基于改进MobileNet的轻量级外来入侵植物识别模型对113种外来入侵植物识别具有较高的准确率, 且模型具有轻量化特点。     

坐标测量-坐标换算在高等级公路工程中的应用

坐标测量-坐标换算在高等级公路工程中放样中线,路基边坡及构造物的轴线与传统方法相比较,具有灵活、方便、准确的特点,不仅节省了工作量,而且施工和放样可以同时进行,也适用监理部门对施工单位的中线,构造物的检测。     

坐标旋转订正对农田林网水热通量测算精度的影响

农田防护林的特殊结构使附近农田地表大气运动形成了特有的动力学和热力学效应,影响着周边物质和能量交换过程。坐标旋转订正方法的选择成为提高农田防护林水热通量测算精度的核心问题,选取2012年3月9日至5月7日共60 d的防护林网内农田的涡动相关观测数据,对相关湍流特征及能量闭合率等关键参数进行坐标旋转订正并进行比较,结果表明:(1)在整个试验过程中,采用平面拟合法进行坐标旋转时,当订正参数的计算周期小于15 d时,x-z平面内旋转角度有一定的波动,而在计算周期大于15 d后,则基本维持在-2.8°左右。采用二次旋转法订正的x-z平面内旋转角度受原始水平风向的影响始终很大;(2)2种坐标旋转方法对于三维风速的处理结果基本一致,在风速较大的情况下,需要考虑坐标旋转方法的选择对结果的影响。二次旋转方法订正后的垂直风速全部为零,平面拟合方法订正后的垂直风速接近于0;(3)平面拟合订正后摩擦风速基本与订正前一致,而二次旋转方法订正后的结果增大了将近5%;(4)平面拟合方法对显热通量及潜热通量的订正误差较小,二次旋转方法则分别将原始测得值提高了5%左右;(5)防护林网通量的能量闭合率经过平面拟合订正后提高了17%,而经过二次旋转法订正后则提高了30%。总之,坐标旋转方法可以对观测设备倾斜引起的误差进行订正,订正后的结果比订正前更精确。二次坐标旋转方法因为可以订正较短时间段内的单组数据,比较适用于下垫面情况变化较快时的观测;平面拟合方法适用于观测系统及其周围环境在整个测量过程中相对稳定时的观测。二次旋转方法对防护林网水热通量订正更好。     

手持GPS坐标系统转换的方法研究

手持GPS使用的坐标系统默认是WGS-84坐标系统,以经纬度值显示,但在北京城市园林科研中所使用的遥感影像资料绝大部分都属于北京地方坐标系,以直角坐标值显示,为了解决课题研究过程中两个不同坐标系下的数据集成问题,对坐标系统转换的数值方法进行了研究和实例验证,从而为不同坐标系之间快速变换提供了方法参考。     

基于改进YOLO v5s的奶山羊面部识别方法

为准确高效地实现无接触式奶山羊个体识别,以圈养环境下奶山羊面部图像为研究对象,提出一种基于改进YOLO v5s的奶山羊个体识别方法。首先,从网络上随机采集350幅羊脸图像构成羊脸面部检测数据集,使用迁移学习思想预训练YOLO v5s模型,使其能够检测羊脸位置。其次,构建包含31头奶山羊3 844幅不同生长期的面部图像数据集,基于预训练的YOLO v5s,在特征提取层中引入SimAM注意力模块,增强模型的学习能力,并在特征融合层引入CARAFE上采样模块以更好地恢复面部细节,提升模型对奶山羊个体面部的识别精度。实验结果表明,改进YOLO v5s模型平均精度均值为97.41%,比Faster R-CNN、SSD、YOLO v4模型分别提高6.33、8.22、15.95个百分点,比YOLO v5s模型高2.21个百分点,改进模型检测速度为56.00 f/s,模型内存占用量为14.45 MB。本文方法能够准确识别具有相似面部特征的奶山羊个体,为智慧养殖中的家畜个体识别提供了一种方法支持。