不同比例尺DEM提取地面坡度的精度研究——以在黄土丘陵沟壑区的试验为例

以陕北绥德县韭园沟流域为试验样区 ,采用高精度 1∶ 1万 DEM所提取的坡度为准值 ,应用多层面复合分析和比较分析的方法 ,研究该地区 1∶ 5万 DEM提取地面坡度的误差特征与纠正方法。试验结果显示 ,所获得的不同空间尺度下 DEM所提取坡度值的转换图谱 ,可对 1∶ 5万 DEM计算的地面坡度统计值进行有效修正。该成果对于 DEM数据在水土保持领域若干应用标准的制定 ,提供了重要的理论依据与技术路线     

GPS应用于水土保持监测的精度测试

对 7种GPS接收机进行现场对比试验表明 ,进口设备与国产设备在高差、周长、面积、经纬度等方面的快速静态测量结果没有明显差异 ,其精度、抗干扰与稳定性方面均可满足水土保持监测的需要 ,但软件需进一步改进。     

基于YOLO v5-TL的褐菇采摘视觉识别-测量-定位技术

为实现褐菇高效、精准、快速的自动化采摘,针对工厂化褐菇的种植特点,提出一种基于YOLO v5迁移学习(YOLO v5-TL)结合褐菇三维边缘信息直径动态估测法的褐菇原位识别-测量-定位一体化方法。首先,基于YOLO v5-TL算法实现复杂菌丝背景下的褐菇快速识别;再针对锚框区域褐菇图像进行图像增强、去噪、自适应二值化、形态学处理、轮廓拟合进行褐菇边缘定位,并提取边缘点和褐菇中心点的像素坐标;最后基于褐菇三维边缘信息的直径动态估测法实现褐菇尺寸的精确测量和中心点定位。试验结果表明单帧图像平均处理时间为50ms,光照强度低、中、高情况下采摘对象识别平均成功率为91.67%,其中高光强时识别率达100%,菇盖的尺寸测量平均精度为97.28%。研究表明,本文提出的YOLO v5-TL结合褐菇三维边缘信息直径动态估测法可实现工厂化种植环境下褐菇识别、测量、定位一体化,满足机器人褐菇自动化采摘需求。     

角速度计检测信号数字滤波处理的研究

我们曾采用压电式陀螺仪角速度计检测行走车辆的角速度。但由于行走车发动机的振动、路面不平等因素的影响，在获得的信号中混有噪声，因而存在一定的误差。为了提高检测信号精度，有必要消除器器声。我们针对上述问题，采用数字滤波的软件实现方法来消除噪声，提高检测精度。对由实验所获得的数据进行了有、无数字滤波处理的对比分析，获得了较好的结果。这表明本研究通过软件的方法，既提高了检测精度，又降低了硬件成本。     

大田土壤间歇入渗试验方法及其精度提高措施

间歇灌,又称波涌灌,这种新的地面节水灌水技术的出现,使土壤入渗规律的研究分为土壤连续入渗规律和间歇入渗规律两方面的研究。间歇入渗条件下,土壤入渗规律除受连续入渗的影响因素制约外,还受构成其特殊灌水过程的灌水技术参数的影响。影响因素的增加,加之野外土壤条件的时、空变异性,决定了间歇入渗试验工作量大,且具有更大的复杂性。为提高成果精度和工作效率,笔者根据1991年冬季和1992年春季在陕西关中宝鸡峡灌区灌溉试验站进行的141组一维土壤连续和间歇单点入渗试验实践,介绍了用双套环入渗仪进行单点间歇入渗试验的方法,提出了提高土壤间歇入渗试验精度的可行措施,可供参考。     

GS环境下基于DEM的流域分析

随着流域数字化进程中空间基础数据库的建设，应用地理信息系统平台有效地分析流域和水库的基本水文信息成为可能。结合在长江一级支流黄柏河流域分布水文模型建立过程中对DEM数据的应用，重点论述了从栅格DEM数据中提取水文信息的基本方法、研究进展、河网提取过程中临界支撑面积的确定方法、DEM数据分辨率对于水文要素提取的影响及其最小分辨率的确定方法。     

智能农用车综合性能测试仪的设计

利用计算机技术对农用车综合性能进行全自动检测,可大大提高农用车的安全和使用性能.为此,利用单片机技术对农用车转速、扭矩、油耗、制动力、轴重、功率等6项综合性能进行了实时测量;同时,介绍了系统硬件的基本组成和软件系统设计.试验结果表明,该检测系统精度高,检测误差均在5%以内.该测量仪已经在实际检测中推广应用.     

机械设备等间距大修费的季节周期预测法

根据机械设备等间距大修的特点。研究提出适用于该类机械设备维修费预测的新方法，即季节周期预测法。示例计算表明，运用此法对等间距大修维修费进行预测，具有较高的精度。     

神经网络和模糊逻辑在农业机械制造中的应用

农业机械制造技术与一般机械制造技术相比,具有特殊性。如今大多数农机企业的技术跟不上先进机械制造技术的发展,农业机械制造技术比较落后。为此,将动态神经网络和模糊逻辑技术应用在农业机械加工制造中,能够很好地预测和控制工件的尺寸与形状,大大提高了加工精度。为此,以农业机械的轴类零件为例,建立了纵向磨削的Elman动态神经网络尺寸预测模型,采用论域自调整策略和模糊自适应控制理论,建立了纵向磨削的自适应控制模型,选择工作台的进给速度作为控制变量。仿真和实验结果表明,所建立的神经网络尺寸预测模型和模糊自适应控制模型是正确的。     

基于机器视觉的田间杂草定位技术

采用摄像机弱透视模型,对采集的标定靶图像进行处理,获取48个靶点质心的像素坐标,利用DLT的最小二乘法获取摄像机隐参数矩阵.室内土槽的有序杂草和无序杂草定位试验表明,利用建立的摄像机隐参数矩阵,有序杂草和无序杂草的质心定位误差分别为19.2 mm和22.8 mm,可以满足除草剂精确喷施的要求.