基于三维点云数据的花瓣形态及生长过程模拟

目前对于虚拟植物的研究多是通过图形建模来模拟植物的生长变化,计算复杂且操作不灵活。随着三维扫描和点云重建技术的发展,为复杂植物形态可视化提供了新的手段。论文基于三维扫描的植物点云数据模型,研究了植物花瓣的形变和生长过程模拟。利用三维扫描仪获取植物花瓣的生长序列,采用MATLAB根据实测点云数据拟合植物生长函数曲线,最后将传统花卉生长模拟与点云模型的自由变形相融合,提出了依据实测点云数据通过点云模型变形算法模拟花卉植物动态生长的方法。该方法不仅能够保留花卉植物复杂的形态特征,而且使形变控制简单,模拟的花瓣形态及生长真实自然。此外,该方法还与基于物理的模拟方法进行比较,并利用拟合回归分析、实测花瓣数据与重建数据间误差对该方法的准确性进行了分析。结果显示花瓣生长期内决定系数达0.75以上及平均误差控制在2mm以内,研究结果为花卉植物的生长形变模拟提供了参考。     

云阴影区机载高光谱影像森林树种分类

[目的]使用窄波段植被指数、纹理信息等特征对影像进行分类,探究植被指数和纹理信息对于云阴影下树种分类的潜力。[方法]使用经过大气校正后的高光谱影像进行窄波段植被指数的计算、纹理分析以及主成分分析,并对计算的结果进行波段组合。用于计算纹理信息的波段通过最佳指示因子进行选择,选取的波段数为31(0.67 nm),51(0.86 nm),55(0.89 nm) 3个波段。结合高分辨率的航空相片进行训练样本的选择,采用Support Vector Machine(SVM)方法对经过大气校正后的反射率影像和重组后的特征影像分别进行分类,使用样地实测的树种信息对分类结果进行验证,使用总体精度和Kappa系数作为分类精度的评价指标。[结果]相对于直接使用反射率影像进行分类,使用窄波段植被指数以及纹理信息可以显著地提高云阴影下地物的分类精度,其分类精度和Kappa系数分别为90.4%和0.88,比直接使用反射率影像的分类精度和Kappa系数分别提高了18%和0.2。[结论]使用重新组合后的影像进行树种分类比直接使用反射率影像进行分类,其分类精度更高,说明窄波段植被指数与纹理特征可以提高云阴影区树种分类的精度。使用波段重组后的影像对云阴影下地物分类,其对于单个地物的分类精度也有明显的提高。     

云计算数据中心节能调度算法改进研究

针对传统方法对云计算数据中心调度时能耗过高,虚拟机迁移次数过多等问题,本文提出一种新的云计算数据中心节能调度算法.采用面向实时任务的云计算数据中心节能调度算法,保证云数据中心任务完成率;为了进一步降低云数据中心的能耗,构建云计算数据中心功耗模型,分析云数据中心SLA协议违约率和虚拟机迁移功耗对数据中心的能耗影响,采用基于能耗感知的虚拟机节能调度算法合理安置和迁移虚拟机,使虚拟机安装在物理机后无任何负载较低节点,实现云计算数据中心的节能调度.模拟实验结果表明,本文算法与对比算法相比,大幅度降低了云计算数据中心的能耗,且虚拟机迁移次数少,可有效降低虚拟机多次迁移带来的额外支出,是一种有效的云数据中心节能调度算法.     

无人机倾斜航空摄影监测崩岗侵蚀量变化的方法

如何高效精确地监测崩岗的动态发育过程并且量化侵蚀量是崩岗侵蚀机理研究中的难点。该文以准专业级无人机对目标崩岗进行倾斜摄影获得的全方位多角度航空影像为基础,通过空三加密处理生成目标崩岗的三维点云模型;利用点云数据构建DTM,提取目标崩岗地形数据;运用多时相连续DEM相减的方法获取监测周期内崩岗的高程变化,计算侵蚀量并找到侵蚀严重的部位,再使用2.5D体积测算方法细化侵蚀严重的崩壁和沟头部位的侵蚀量,以此作为补充,最终获得监测期内的总侵蚀/沉积量体积并换算为泥沙量。最终结果验证的平均相对误差为9.69%,一个月监测周期内最大的绝对误差仅为0.303 3 m3,满足监测要求。因此利用无人机倾斜航空摄影测量的方法监测崩岗侵蚀量是可行有效的,该方法可提取崩岗的所有地形信息,研究侵蚀泥沙的来源和侵蚀过程,是较为快速和精确的崩岗监测手段。     

2019年9月12—14日陇南市持续性暴雨天气成因分析

本文对2019年9月12—14日陇南市出现的一次持续性暴雨天气过程的成因进行了分析。结果表明：此次强降水天气过程中副热带高压外围有较强的西南气流稳定维持,同时700 hPa存在明显的强风速带的辐合,低层强烈辐合为暴雨的发生、发展提供了动力条件;对物理量场分析发现,这次持续暴雨过程中,中低层有明显的湿层及水汽辐合,为降水提供了充足的水汽条件;对流云团演变特征表明,此次持续性强降水是在青海东南部的对流云与四川北部的对流云系东移合并加强后逐渐减弱的过程中发生的,具有明显的局地性。     

基于改进YOLOv4模型的茶叶病害识别

【目的】提出了一种改进的YOLOv4模型,为自然环境下3种常见茶叶病害（茶白星病、茶云纹叶枯病和茶轮斑病）的快速精准识别提供支持。【方法】使用MobileNetv2和深度可分离卷积来降低YOLOv4模型的参数量,并引入卷积注意力模块对YOLOv4模型进行识别精度改进。采用平均精度、平均精度均值、图像检测速度和模型大小作为模型性能评价指标,在相同的茶叶病害数据集和试验平台中,对改进YOLOv4模型与原始YOLOv4模型、其他目标检测模型（YOLOv3、SSD和Faster R CNN）的病害识别效果进行对比试验。【结果】与原始YOLOv4模型相比,改进YOLOv4模型的大小减少了83.2%,对茶白星病、茶云纹叶枯病和茶轮斑病识别的平均精度分别提高了6.2%,1.7%和1.6%,平均精度均值达到93.85%,图像检测速度为26.6帧/s。与YOLOv3、SSD和Faster R-CNN模型相比,改进YOLOv4模型的平均精度均值分别提高了6.0%,13.7%和3.4%,图像检测速度分别提高了5.5,7.3和11.7帧/s。【结论】对YOLOv4模型所使用的改进方法具备有效性,所提出的改进YOLOv4模型可以实现对自然环境下3种常见茶叶病害的快速精准识别。     

基于云服务的棚室蔬菜智能终端系统设计与实现——以黑龙江省为研究案例

棚室蔬菜产业在黑龙江省农业转方式、调结构和供给侧改革中占有重要的战略地位。黑龙江省棚室蔬菜生产规模近年来发展较快,技术支撑需求也与日俱增。本研究针对黑龙江省棚室蔬菜发展规模与技术服务支撑能力不匹配的现状,提出了基于云服务的棚室蔬菜智能终端系统及关键技术的实现方法。本研究以专家服务为主、数据挖掘技术为辅,以物联网设备为感知手段、以智能手机为用户终端,利用云服务对知识、资源、物联网数据的整合配置能力,提供蔬菜专家及棚室蔬菜用户对信息获取、存储、分析和决策的高效解决方案。本研究的部分内容已在黑龙江省农业科研部门、企业、蔬菜合作社、农户等不同用户群体中实验应用,能够为专家提供棚室蔬菜生产环境的远程问诊手段,适用于各类棚室蔬菜应用场景。本研究还提出了对大规模应用场景下的技术解决方案建议,可在全国的棚室蔬菜生产中推广应用,实现更广泛高效的专家技术服务支撑。     

环境温度对LNG泄漏扩散影响的数值模拟

环境温度导致的气云密度差和大气湍流变化是LNG泄漏扩散的主要影响因素,研究环境温度变化对LNG扩散规律的影响尤为重要。采用Fluent软件中组分输运和Realizable k-ε湍流模型,建立LNG地面泄漏气云扩散数值模型,探究环境温度对LNG泄漏扩散过程中甲烷体积分数的分布规律、气云密度、大气湍流强度的影响。结果表明:当环境温度较低时,LNG气云中各甲烷体积分数线出现"锯齿状"现象,造成甲烷爆炸下限(Low Flammability Limit,LFL)、1/2 LFL的水平扩散范围均增大;当环境温度较高时,甲烷LFL最远扩散距离较低温环境多115 m,造成甲烷1/2 LFL的水平顺风方向扩散距离增大;甲烷体积分数大于1/2 LFL的区域的大气湍流强度增幅则随温度升高而增加,而甲烷体积分数小于1/2 LFL的区域的大气湍流强度增幅随温度的升高而减小;在泄漏源周围100~200 m内,由于"逆温"所造成的大气湍流强度的增幅达0.79倍。研究结果可为LNG泄漏危害区域预测、安全储运、应急救援提供参考。     

云计算与饲料企业会计管理融合化发展探究

近年来,互联网和信息技术的快速发展使各行各业出现了深刻变革,其中云计算技术因具有成本低廉、效率高等优点,受到各行业管理者的高度重视,许多企业尝试将云计算与企业管理相结合,以此提升企业的管理水平.但从行业角度看,饲料行业起步相对较早,在经过几十年的发展后已进入相对成熟的阶段,且呈现企业数量众多和产品竞争激烈的局面.在这种...     

基于云空间的近江牡蛎养殖监控系统设计

针对近江牡蛎养殖中自动化程度低、成本高等问题,提出一种基于云空间设计近江牡蛎养殖监控系统。以STM32F103为底层控制核心,通过YS8166B、SIN-D0530和超声波模块实时采集海水的p H、溶氧(DO)、温度和深度,并通过nRF24L01以无线方式发送到上位机。上位机采用C#多线程通信程序与云空间进行交互。系统采用ASP动态技术云空间,通过轻量级数据交换格式JSON与上位机、用户进行快速通信,利用AJAX实现无刷新显示。用户通过智能手机可以随时随地访问云空间,掌握养殖现场的实时信息,并结合云空间嵌入的本地天气信息,对浮排电机、增氧机、投饲机进行远程控制。结果表明:系统具有成本低廉、稳定可靠、响应快速等优点。基于云空间的监控系统为近江牡蛎养殖智能化提供了一种新方法。