随机取样技术中的数据处理

取样技术是一种广泛应用的信息处理技术。通过对模拟信号的取样量化处理，可以得到便于计算机处理的数字信号。若使被取样信号不失真，取样频率必须高于被取样信号最高频率分量2倍，这对于高频信号不容易做到。为此提出了随机取样技术，即用低频脉冲序列对高频信号随机取样，通过大量样值来统计出原信号的某些特征。     

精准农业土壤采样栅格划分方法的研究

针对精准农业技术应用的日益普及,通过对一个地块土壤养分进行详细栅格采样分析,利用计算机插值的方法对土壤中各种营养元素和微量元素进行了分析。在采样栅格大小不同的条件下,随机选择5个采样点进行插值,分析了5个采样点在不同栅格采样条件下的插值结果。通过插值计算得到土壤中的全氮、速效氮和速效磷随着采样栅格的加大,插值点处的插值误差呈现出加大的趋势,但对于速效钾和其他的微量元素则呈现出与之不同的结论,采样点在田间的分布将直接影响计算机插值计算的分析结果     

烘烤工艺、成熟度和取样方式对烤后烟叶多酚的影响

测定了2种烘烤工艺、3个成熟度和2种取样方式对烤烟品种翠碧1号(CB-1)中部叶烤后多酚含量的影响.结果表明,成熟度和烘烤工艺对烤后烟叶多酚含量都有极显著的影响.随着成熟度的提高,多酚含量显著加大.在取样方式上,同一处理混合样多酚含量均高于C3F,在慢烤工艺下的差异不显著,在快烤工艺下的差异极显著(P＜0.01).     

基于残差BP神经网络的6自由度机器人视觉标定

基于视觉伺服控制的机器人手眼标定和逆运动学求解一直是视觉伺服领域的核心问题。随着应用场景的逐渐复杂,传统手眼标定方法已无法满足需求;随着网络深度的增加,单一BP神经网络逆运动学求解算法的误差趋于饱和甚至变大,无法进一步提升网络性能。针对以上问题,本文将手眼标定和逆运动学求解融合为拟合目标图像坐标到机器人各关节角之间的映射关系问题,提出了一种残差BP神经网络算法。使用多个残差网络模块的方式加深BP神经网络的深度,残差模块的输入信息可以在网络内跨层传输,较好地解决了因深度增加网络模型容易产生梯度消失而无法提升网络性能的问题;通过6自由度机器人雅可比方程对逆运动学解的空间进行划分,确定了8个独立的区域,基于独立区域方法对训练数据进行处理,从而避免了多自由度机器人逆运动学多解对网络学习的影响,网络训练精度提升了2个数量级,训练速度提高了2倍。在REBot-V-6R型6自由度机器人输送线分拣系统中进行二维平面抓取和三维实物抓取实验,实验结果验证了该方法的准确性。结果表明,该方法比1层BP神经网络、3层BP神经网络、5层BP神经网络的训练精度分别提高了4个数量级、2个数量级、5个数量级,测试精度提高2个数量级;与传统标定方法相比,本文方法节约了逆运动学求解过程的计算成本,抓取位姿精度提高了1个数量级。     

甘薯茎线虫的扫描电镜制样方法

以甘薯茎线虫为材料,对取样、固定、干燥等制样方法进行比较研究.结果表明,以活线虫为研究试样,采用戊二醛 -锇酸双固定及临界点干燥法(或叔丁醇干燥法 )制样效果好,能获得良好的微形态结构,侧线数目清晰,虫体不皱缩,不变形.     

农业用地土壤重金属样本点数据精化方法——以北京市顺义区为例

样本点空间分布是样点数据检测评价和挖掘分析的关键因素。以北京市顺义区为例,研发了一种农业用地土壤重金属样本点数据精化方法：首先构建样本点均匀变异指数和均匀因子离散图来共同检测样本点数据均匀性,进一步将样本点类型划分为均匀样本点、聚集样本点和稀疏样本点并确定其数量;其次删除聚集样本点,基于研究区历史数据加密稀疏样本点;最后基于地理空间样本点均匀变异指数、特征空间偏离指数和插值误差共同评价数据精化效果。结果表明,研究区样本点的均匀变异指数为0.429,存在一个聚集样本点和一个稀疏样本点,空间偏离指数为0.327,空间属性插值误差为6.538;冗余数据精化后进行均匀性检测没有发现聚集样本点和稀疏样本点,均匀变异指数下降到0.406,特征空间偏离指数微弱下降,空间属性插值误差下降到6.357。研究表明该方法可以对提高采样数据的均匀性和代表性提供理论指导,可以服务于土壤污染防治行动计划（土十条）、土壤污染状况详查等,为更加精确研究土壤空间信息变化提供一定的基础条件。     

韩江中游蕉岭长潭次生常绿阔叶林的结构特征

应用中心点四分法并附设样方的方法调查了地处韩江中游的蕉岭长潭次生常绿阔叶林。结果显示:群落的红背椎、木荷、枫香、石栎为优势种,约占群落总种数的11.1%;常见种约占群落总种数的27.8%;偶见种占61.1%,其数量最高但在群落中处于附属地位;各种类在群落中的分布较均匀。群落可明显分为林木层、灌木层和草本层,层间植物丰富,表明了韩江中游常绿阔叶林遭受破坏后在保护较好情况下,群落顺向演替重新恢复的特征和趋势。经营管理中应根据群落特点,在加强管护基础上促进森林的顺向演替。     

果园土壤电导率适宜样本容量的影响因素研究

2005年4~7月期间利用W.E.T电导率测量仪,采用网格化取样方式对烟台农科院梨园的表层土壤(0~30cm)电导率的162个样点进行了3次取样,并对土壤电导率适宜样本容量的影响因素进行了研究。结果表明,在所考虑的置信水平和精度范围内,相对于取样间距的变化,不同取样时间土壤电导率合理采样数的变化更加明显,取样间距不同引起的合理采样数的变化幅度介于1.28%~11.36%之间,取样时间不同时合理采样数的变化幅度介于33.33%~45.67%之间。因此在研究区域内,由人为因素(施肥等)引起的土壤电导率分布状况是影响其合理取样数目的主要因素。     

车载智能土壤采样系统设计与试验

针对传统土壤样本采集操作复杂、劳动强度大、采集精度低和缺乏信息化管理的问题,设计了一种车载智能土壤采样系统。该系统安装于无人驾驶采样车上,系统包括土壤样本自动采集装置和电气控制系统。对系统整个工作过程进行分析,确定了各关键机构及控制硬件的主要工作参数。电气控制系统以运动控制器为控制核心,土壤样本自动采集装置对不同深度范围的土样进行采集,并按地理位置信息分类收集,通过RFID读写器将GPS系统定位所解算的目标采样点的经纬度地理信息和采样深度等信息写入收集土样采样筒底部的电子标签中。性能试验表明,安装于无人驾驶采样车的车载智能土壤采样系统工作运行稳定、可靠,能够对农耕层0~200mm任意深度范围的土壤进行自动分层采样,效率高、精度高、全程自动化,能够按照位置信息进行分类管理,较好地满足了智能化高质量采集土样的需求。     

芋疫病空间分布格局及其抽样技术研究

为了进一步提高对芋疫病预测预报,科学指导生产上的防治,应用最小二乘法、频次分布、聚集度指标、m^*-m回归分析和Taylor幂法则等对病株的空间分布型进行了分析。结果表明:当田间芋疫病病株率在0.427~0.513时,病株田间分布属聚集分布;当田间芋疫病病株率在0.720~0.820时,病株田间分布属均匀分布。此外其病株空间分布的基本成分是个体群,病株个体间相互吸引,病株在大田中存在明显的发病中心,且病株个体的空间格局随着病株密度的提高越趋均匀分。在此基础上,提出了Iwao最适理论抽样模型N=232.3783/m-87.9438,并建立序贯抽样模型T₀(N)=0.3689N±1.7177$\sqrt{N}$,即:调查株数N时,若累计病株率超过上界可定为防治对象田,若累计病株率未达到下界时,可定为不防治田,若累计病株率在上下界之间,则应继续调查,直到最大样本数m₀=0.3689时,也即病株率15%,所需抽样数542株止。