土石坝坝坡稳定影响参数分析

以湖北省建始县四十二坝水库大坝为例,建立了灰色关联度和偏最小二乘回归方程分析坝坡稳定性影响因素.选择黏聚力、摩擦角、含水量和干密度4个因素作为子序列,简化Bishop法计算的土石坝稳定性系数作为母序列,进行了敏感性分析.结果表明:两种计算方法获得参数敏感程度排序不同,其中考虑参数相关性的偏最小二乘回归方程获得的敏感性分级明显,更能体现参数的真实敏感性.     

采摘茎尖次数对叶菜型甘薯品种百薯1号薯块产量及品质的影响

2007年夏季,在一般大田常规栽培条件下,通过分期采摘茎尖的方法,对叶菜型甘薯品种百薯1号的薯块产量和品质进行了研究。结果表明：⑴随着采摘茎尖次数的增加,薯块产量呈直线函数降低,其曲线方程为Y=-2009.6X＋35776（R2=0.9417﹡﹡）。⑵不同品质性状受采摘茎尖次数的影响存在明显差异,可溶性糖变异最大,淀粉、蛋白质和烘干率变异较大,脂肪、纤维和维生素C变异较小,灰分变异最小。⑶采摘茎尖3次时,烘干率、灰分、脂肪、蛋白质、淀粉和纤维含量均居首位,可溶性糖含量居第二位,维生素C含量居第四位,薯块的综合品质达到最优,这时薯块实际产量为29527.5kg/hm^2,占对照薯块实际产量的84.6%,可以作为最佳采摘次数。     

基于最小生成树模型的树状灌溉管网的优化设计

针对灌溉管网优化中的管网布置和管径选择问题,以追求管网投资最小为目标,采用结合设计者工程经验的Kruskal算法生成符合工程要求的灌溉管网最小生成树。将管网中的线路根据节点之间的距离进行边权赋值,参与最小生成树求解,保证算法的可用性,并与相关生成树算法进行比较。实例研究表明,该方法能克服局部最优解的缺陷,能快速求解符合工程实际的树状管网布置和管径。     

基于近红外高光谱图像的黄瓜叶片色素含量快速检测

利用高光谱图像技术和高效液相色谱法(HPLC)快速检测了新鲜黄瓜叶中叶绿素a、叶绿素b、β-胡萝卜素和叶黄素4种色素含量。采集了120片黄瓜叶的近红外高光谱图像数据以及用HPLC精确测定黄瓜叶中色素含量;提取高光谱图像中50×50像素感兴趣区域(ROI)的平均光谱与4种色素含量分别建立偏最小二乘(PLS)预测模型;为了提高模型的稳定性和预测精度,分别采用区间偏最小二乘(iPLS)、向后区间偏最小二乘(BiPLS)和联合区间偏最小二乘(SiPLS)对各种色素对应的特征波段进行优选,同时对光谱划分数进行了优化。结果表明BiPLS和SiPLS对应模型的预测效果较好,对叶绿素a、叶绿素b、β-胡萝卜素和叶黄素4种色素的预测集相关系数RP分别为0.825 7、0.813 4、0.811 6、0.826 2。     

轮式移动机器人的最优变道路径规划

针对轮式移动除草机器人移动路线向导航线的变道问题,建立了导航测量坐标系,并给出了相关的导航与测量算法。根据导航线与机器人移动路线的平行与相交,考虑到机器人转向受最小转弯半径的约束,分别提出不同的路径规划,并证明了两种路径都是最优路径。给出了最优路径中一些关键数据和特征点的测量与计算公式,以及沿最优路径移动的控制程序。两种最优变道路径规划方法可用于依靠前轮转向的任何车辆或机器人。     

基于高光谱图像技术预测苹果大小

以新疆红富士苹果为研究对象,探讨应用高光谱图像技术和最小外接矩形法预测其大小的研究方法。提取苹果高光谱图像中可见红色区域受色度影响较小的713nm以及近红外区域793和852nm的3个波长图像,做双波段比运算处理。比较所得双波段比图像可知,852/713双波段比图像中背景和前景灰度对比度最大。对该图像做阈值分割以及形态闭运算去除果梗区域,使用8邻接边界跟踪法得到二值图像的轮廓坐标序列,采用最小外接矩形法求苹果的大小,与实测值建立回归方程。结果表明,基于高光谱图像技术采用波段比算法,结合最小外接矩形法,能够有效地检测苹果大小,预测值与实际值最大绝对误差为3.06mm,均方根误差为1.21mm。     

绿茶杀青叶料含水率可见-近红外光谱检测

为实现绿茶杀青叶料含水率的快速无损检测,基于可见-近红外光谱分析建立含水率的预测模型。使用FieldSpec 3型便携式地物光谱仪,采集192个杀青叶料样品的漫反射光谱信息,基于X-Y共生距离的样本划分算法SPXY,确定144个样本的校正集和48个样本的预测集。进行一阶微分和移动平滑滤波预处理后,采用相关系数法优选出11个特征波段,建立了含水率检测的偏最小二乘回归、主成分回归、人工神经网络及其组合的模型。结果表明,选用5个主成分的偏最小二乘回归模型最佳,其校正和预测模型的相关系数分别为0.990和0.819,均方根误差分别为0.011和0.037,预测含水率的平均相对误差为3.30%。     

基于最小平方误差的单倍体和二倍体分类方法研究

基于玉米油分的花粉直感效应,采用核磁共振鉴别单倍体,快速、准确、低成本地确定单倍体与二倍体之间的含油率阈值,是实现大批量自动鉴别的前提和关键。提出一种基于最小平方误差的单倍体和二倍体分类方法,通过少量籽粒确定含油率阈值的研究,对单倍体和二倍体进行识别。以10个玉米组合为研究对象,利用核磁共振分析仪测定各组合一定数量单倍体和二倍体籽粒的含油率,依据最小平方误差方法确定各组合油分阈值,并通过逐级递增训练集样本数量的方法,确定油分阈值所需训练集规模,获得含油率阈值,能够满足单倍体正确识别率及对二倍体正确拒识率的均值达到90%以上的要求,为核磁共振全自动单倍体鉴别系统的后期大规模分类提供参数指导,提高分选效率。同时因单倍体生产效率低,运用最小平方误差的方法,通过少量的单倍体及二倍体籽粒来构建油分鉴别单倍体模型,以较小的投入获得更优的分类效果在玉米单倍体自动化分选中具有非常重要的现实意义,将该分类方法应用到全自动核磁分选单倍体系统中,可以达到较好的效果,为加快单倍体工程化育种提供保障。     

基于稀疏非负最小二乘编码的高光谱遥感数据分类方法

为了提高高光谱遥感影像的分类精度,提出了一种基于稀疏非负最小二乘编码的高光谱数据分类方法。采用非负最小二乘方法,将待测样本表示为训练样本的线性组合,并将得到的系数作为待测样本的特征向量,通过最小误差方法对待测样本进行分类。提出的方法在AVIRIS Indian Pines和萨利纳斯山谷高光谱遥感数据集上进行分类实验,并和主成分分析(PCA)、支持向量机(SVM)和基于稀疏表示分类器(SRC)方法进行比较,在2个数据集上本文方法的总体识别精度分别达到85.31%和99.56%,Kappa系数分别为0.816 3和0.986 7。实验结果表明本文方法的总体识别精度和Kappa系数都优于另外3种方法,是一种较好的高光谱遥感数据分类方法。     

基于无线传感器网络的温湿度监测系统设计与实现

给出了以CC2430芯片为核心的环境监测无线传感器网络实现方案.设计中充分考虑到节点的剩余能量、链路质量和节点负载等因素,提出了一种能耗均衡树算法,使网络节点的负载逐渐趋于均衡,解决了因负载分配不均衡,使得网络节点出现过早失效、缩短网络寿命问题.实验表明,算法可均衡节点负载,延长网络的生存时间,实现网络的长效运行.