基于差分投影法实现仓储害虫图像的精确定位

针对仓储害虫图像的特点,提出了一种基于投影法的图像目标快速定位算法.本算法的优点是特征提取简单,计算量小,速度快;在处理时间上可以满足应用的实时性要求.通过在对仓储害虫差分图像处理中的试验证明,该算法能够快速地识别出实时采集的图像中的目标位置,定位精确.     

决策树算法在农业病害诊断中的应用

指出ID3算法存在的不足,阐述了改进型决策树算法应用于诊断农作物病害中,具有很强的识别能力,对农作物病害的诊断起到很好的辅助诊断作用。     

基于流域算法的谷物籽粒图像分割技术

为解决谷物外观品质检测过程中获取图像的籽粒粘连问题,提出了一种基于先验知识的流域分割算法。首先,设定合理的区域面积阈值Ath,标记并去除图像中的单个籽粒区域,结果记为M;然后,设定有效腐蚀次数Eth,对粘连籽粒区域进行流域分割,结果记为Mc;最后,取Ms与Mc的并集,作为分割结果。试验结果表明,该算法分割效果较好,分割精度达到95．4％。     

土壤渗吸特征值的近似估算法

根据畦灌实测水流推进与消退的部分资料，讨论了两种确定土壤渗吸特征值Z的思路和方法，并就2种方法的优缺点进行了初步论述；然后利用一组实测的畦田灌溉水流推进与消退资料，分别运用2种方法计算和讨论了各自的土壤渗吸特征值Z，并和双套环入渗仪测定的多组平均结果进行了比较。     

散乱点云数据K-邻域快速搜索算法的研究

K-近邻搜索是海量数据曲面重构中构建合理拓扑关系的关键步骤,其效率直接影响到曲面重构的效率.本文主要研究了一种面向逆向工程的k邻域的快速搜索算法,并通过Visual C 6.0编程实现,最后结合UG二次开发对车身数据点进行了检验.结果表明该算法稳定可靠,效率较高.     

凹形障碍全局路径规划的双蚁群完全交叉算法

为解决大量复杂凹形障碍环境中的路径规划问题.采用了计算机仿真技术,对双蚁群完全交叉算法进行了研究.通过对传统蚁群算法增加新型的距离改变启发因子,建立双蚁群完全交叉算法,并且融入最大最小蚁群算法思想,使蚁群算法应用在机器人路径规划领域,即使机器人环境中有大量复杂的凹形障碍,该算法仍能够规划出高质量的路径.仿真试验表明该算法得到最优路径率达到98%.     

决策树算法在农业气象灾害统计中的应用

分析了决策树分类算法中的ID3算法和C4.5算法,在论述分类挖掘的基础上分析了决策树分类挖掘系统的建立思想、步骤及算法,并把这两种算法应用到优化农业气象灾害统计的实验中,研究了决策树算法在气象灾害导致的直接经济损失评估中的应用,实验结果证明了该方法的可行性.     

农业电力巡检系统中路径分析的算法与实现

讨论农业电力巡检系统的路径分析算法,并在eSupermap环境下,利用eVC及eSupermap二次开发类库进行最短路径和最佳路径分析.结果表明:所采用的路径分析算法准确、可靠,eSuperMap类库方便、实用.用eVC对eSuperMap进行二次开发、实现其路径分析功能是切实可行的.     

基于MSRCR-YOLOv4-tiny的田间玉米杂草检测模型

为实现田间环境下对玉米苗和杂草的高精度实时检测,本文提出一种融合带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration, MSRCR)增强算法的改进YOLOv4-tiny模型。首先,针对田间环境的图像特点采用MSRCR算法进行图像特征增强预处理,提高图像的对比度和细节质量;然后使用Mosaic在线数据增强方式,丰富目标检测背景,提高训练效率和小目标的检测精度;最后对YOLOv4-tiny模型使用K-means++聚类算法进行先验框聚类分析和通道剪枝处理。改进和简化后的模型总参数量降低了45.3%,模型占用内存减少了45.8%,平均精度均值(Mean average precision, mAP)提高了2.5个百分点,在Jetson Nano嵌入式平台上平均检测帧耗时减少了22.4%。本文提出的Prune-YOLOv4-tiny模型与Faster RCNN、YOLOv3-tiny、YOLOv4 3种常用的目标检测模型进行比较,结果表明：Prune-YOLOv4-tiny的mAP为96.6%,分别比Faster RCNN和YOLOv3...     

基于XGBoost算法的多云多雾地区多源遥感作物识别

快速、准确地获取作物种植面积信息是长势监测、产量估算、病虫害监测和预警的基础。针对我国江南区域多云雾的特点,以Sentinel-1/2为数据源,综合采用光学遥感影像和合成孔径雷达(Synthetic aperture radar, SAR)影像等多源数据,针对研究区作物早春覆膜的特点,构建地膜植被指数(SAR plastic-film vegetation index, SPVI);利用时序光谱和植被指数特征,研究基于XGBoost算法的作物识别方法。以安徽省宣城市宣州区为研究区,开展实例验证研究。在作物生育期内,云雾影响较大,光学遥感覆盖稀疏区域以Sentinel-2影像为主,获取时序指数数据集,增加4期Sentinel-1雷达影像,用以补充云雾时期(5—7月)光学影像的缺失。以本文设计的方法,得到作物识别总体精度为84.87%,优于随机森林的83.93%,主要作物烟草制图精度88.69%,用户精度95.51%。仅使用生育期Sentinel-2影像的作物识别总体精度79.01%,主要作物烟草制图精度82.30%,用户精度93.49%。研究结果表明,本文构建的基于XGBoost算法多源...