风送式喷雾机导流器结构优化及试验研究

风送式喷雾机风筒内部结构影响风场的分布及喷雾机的效率。该文利用仿真方法,研究了风筒内导流片数目对内部流场的影响;仿真研究柱形导流器、锥形导流器及半椭球形导流器结构对风筒流场的出风速度、压力损失的影响;以效率高为优化目标,优化导流器的形式及结构;利用试验样机,对安装优化后导流器的风筒进行了实际测量,并与导流器优化前的测量结果进行了对比分析。仿真及试验结果表明:导流片数目一般以4～5为宜;导流器优化后,当风扇工作转速为2926.5r/min时,可节约电能4.88%。导流片的安装既有利于将风筒内的旋转气流转化为轴向的气流,同时又产生压力损失;导流器的结构对风筒的压力损失率、出风口风速产生较大的影响,其中半椭球导流器产生的压力损失率最小。     

棉花异性纤维中麻绳与羽毛的分类特征

摘要：为准确识别棉花异性纤维中较难识别的羽毛和麻绳异性纤维,采用机器视觉技术,通过图像处理方法采集异性纤维目标,对羽毛和麻绳异性纤维的色彩和纹理特征进行有效的特征提取,形成异性纤维目标的特征向量。再通过一种自底向上的凝聚型层次聚类算法对提取的羽毛和麻绳的色彩与纹理特征进行层次聚类分析,选择最优特征向量。将8个特征向量进行降维分析并比较各维数下的层次聚类效果,试验结果表明,选取红色(R_ave)、绿色(G_ave)、蓝色(B_ave)、能量、熵、惯性矩等6个特征进行层次聚类效果最好,羽毛识别率达到94%,麻绳识别率达到95%, 说明选择的特征向量对这2种异性纤维具有理想的区分性。该研究可为棉花异性纤维的正确识别提供参考。     

粤北岩溶山区土地石漠化过程的植被特征与多样性初步研究

粤北岩溶山区是广东省石漠化土地面积最大、程度最严重的区域。为了确定石漠化对植被生产力和物种多样性的影响,选择英德市岩背镇等地为研究样地,系统地调查了不同石漠化程度的植被特征和物种多样性变化,结果表明：随着石漠化程度的加深,石灰岩植被的生境向旱生化和岩生化发展,植物群落结构越来越趋于简单。植被盖度从轻度石漠化土地94.65%,降低到极重度石漠化的12.14%以下;现存生物量同样随着石漠化过程显著降低。同时,石漠化造成物种的数量和分布发生变化,物种多样性显著降低,从轻度石漠化到极重度石漠化,丰富度指数从1.61降到0.36,除从中度到重度石漠化阶段,丰富度指数都呈显著性下降趋势;Shannon-Wiener指数从轻度到中度、极重度显著下降;而Simpson指数显著增加。植被退化是石漠化发展的重要原因和标志。     

基于无人机高光谱遥感影像的防护林树种分类

树种信息对林业资源监测和管理具有重要意义,及时准确地掌握树种及长势状况是防护林工程建设与效益评价的基础。为研究利用无人机高光谱数据进行防护林树种分类的效果,选取典型区域使用Matrice600型六旋翼无人机搭载Rikola高光谱成像仪获取高光谱影像,基于支持向量机-递归特征消除算法（SVM-RFE）选取原始波段最佳组合,再结合纹理特征、植被指数和数理统计特征,使用随机森林算法对所有特征进行重要性评估并与分类精度相结合进行特征优化,进而构建高光谱影像全波段、原始波段最佳组合、全部特征变量、基于随机森林（RF）特征优化后特征变量4种分类方案,分别采用最大似然法（MLC）、支持向量机（SVM）、随机森林对防护林优势树种进行分类。结果表明：所提出的基于交叉验证的SVM-RFE算法选出的原始波段组合能更好地还原原始光谱特征;通过RF算法的特征重要性分析与分类精度相结合的方法可以有效选出重要特征,当使用全部特征的85%（包括17个光谱特征、3个纹理特征、5个植被指数和3个数理统计特征）进行分类时,总体精度最高为9593%（Kappa系数为0.9475）;所有特征中植被指数特征最重要,3种分类方法中RF算法分类总体精度（OA）最高。     

基于区域语义和边缘信息融合的作物苗期植株分割模型

为在自然环境下准确分割作物苗期植株,实现苗期植株定位及其表型自动化测量,本文提出一种融合目标区域语义和边缘信息的作物苗期植株分割网络模型。以U-Net网络构建主干网络,基于侧边深度监督机制,引导主干网络在提取特征时能感知植株边缘信息;利用空间空洞特征金字塔构建特征融合模块,融合主干网络和边缘感知模块提取的特征,融合后的特征图具有足够的细节信息和更强的语义信息;联合边缘感知的损失与特征融合的损失,构建联合损失函数,用于整体网络优化。实验结果表明,本文模型对不同数据集的作物植株的语义分割像素准确率高达0.962,平均交并比达到0.932;与U-Net、SegNet、PSPNet、DeepLabV3模型相比,本文模型在不同数据集上平均交并比最高提升0.07,对自然环境下作物苗期植株具有良好的分割效果和泛化能力,可为植株定位、对靶喷药、长势识别等应用提供重要依据。     

基于GC-Cascade R-CNN的梨叶病斑计数方法

为提高梨叶片病害发生程度诊断的效率和准确性,本文提出基于全局上下文级联R-CNN网络（Global context Cascade R-CNN,GC-Cascade R-CNN）的梨叶病斑计数方法。模型的主干特征提取网络嵌入全局上下文模块（Global context feature model, GC-Model）,建立有效的长距离和通道依赖,增强目标特征信息。引入特征金字塔网络（Feature pyramid network, FPN）融合浅层细节特征和深层丰富语义特征。使用ROI Align替换ROI Pooling进行区域特征聚集,增强目标特征表达。最后利用多层级联网络对目标区域进行边框回归和分类,完成病斑计数任务。在梨叶病斑图像测试中,模型的各类病斑平均精确率均值（Mean average precision, mAP）达89.4%,检测单幅图像平均耗时为0.347 s。结果表明,模型能够有效地从梨叶片病害图像中检测出多类病斑目标,尤其对叶片炭疽病斑检测效果提升显著;不同种类梨叶片病害病斑计数值与真实值回归实验决定系数R²均大于0.92,表明模型病斑计数...     

阻尼间隙可调式磁流变阻尼器设计与动力性能实验

针对磁流变阻尼器存在由于阻尼间隙固定、长度小等导致的阻尼力较小、动力性能单一及适应性不强等不足,提出并设计一种阻尼间隙可调式磁流变阻尼器.该阻尼器液流通道由圆锥和圆环形液流通道共同组成,其有效阻尼长度可增加到4段.同时通过调整紧锁螺母控制阀芯位置,改变阀芯与左右磁轭的相对位置,可实现圆锥液流通道阻尼间隙连续可调.对所提...     

基于微分几何与EDEM的船型开畦沟装置触土曲面优化

针对长江中下游地区油菜种植时土壤黏重板结、含水率波动大、播种作业需开畦沟避免渍害的农艺要求,考虑开沟犁体的触土曲面复杂、难以通过高速数字化土槽及田间试验方法寻求其减阻设计方法和理论依据的问题,采用微分几何理论并结合EDEM仿真方法,开展了驱动圆盘犁对置组合式耕整机开畦沟装置主要触土曲面结构优化研究。通过对主要触土曲面(开畦沟前犁犁体曲面、船式开沟犁整形曲面)牵引阻力分析和曲面参数分析,确定了触土曲面主要结构参数范围。根据微分几何理论,分别建立了能量化描述不同导曲线类型(直线、抛物线、指数曲线)犁体曲面形状变化差异的微分内蕴几何量E、L、M表达式。阻力特性仿真试验结果表明:在作业速度为0. 9～1. 5 m/s、曲面结构参数一定时,导曲线为抛物线型的开畦沟前犁和船式开沟犁具有较好的减阻特性,其平均牵引阻力相比直线型犁体分别低15. 09%、16. 92%,相比指数线型犁体分别低32. 59%、31. 58%。触土曲面的内蕴几何量E、L、M可分别反映犁体阻力随速度的增长速率、犁体牵引阻力大小、犁体阻力随速度的波动程度。当设计犁体的导曲线形状使曲面内蕴几何量E的变化率较小、L为单调减函数、M的波动较小时,犁体具有较好的减阻性能。参数优化仿真试验表明:在作业速度为1. 2 m/s、抛物线型开畦沟前犁宽度为92 mm、船式开沟犁整形曲面最大元线角为66°时,开畦沟装置牵引阻力最小,为1 042. 52 N。田间试验表明:经参数优化的组合式船型开畦沟装置在作业速度为0. 9、1. 2、1. 5 m/s时测试的平均牵引阻力分别为956. 77、1 101. 33、1 564. 85 N,与仿真试验结果误差在7%以内,作业效果满足油菜播种开畦沟的农艺要求。     

基于分区域特征点聚类的秧苗行中心线提取

为了准确检测水稻秧苗行中心线,提出了基于分区域特征点聚类的秧苗行中心线提取方法。采用2G-R-B特征因子和Otsu法分割秧苗和背景;通过分区域统计秧苗像素点分布提取秧苗行的候选特征点,利用特征点间近邻关系对特征点进行聚类,确定秧苗行数和各秧苗行的起始点;基于秧苗成行栽植特点引入“趋势线”,利用点到该直线的距离与距离阈值作比较,筛选出远离各行趋势线的点,并将其去除;对筛选后的每一行特征点用最小二乘法进行直线拟合,获取秧苗行中心线。实验结果表明,该算法具有较强的抗噪性能,提取秧苗行中心线的准确率达95.6%,与标准Hough变换和随机Hough变换算法相比,处理一幅分辨率为320像素×237像素的彩色图像平均耗时短,能够实现水田秧苗行中心线的准确提取,可为插秧机自主行走提供可靠的导航信息。     

基于随机森林的高寒湿地地区土地覆盖遥感分类方法

高寒湿地是青藏高原典型独特的生态系统,是全球气候变化的敏感地带和预警区。利用遥感技术快速、准确地分类提取高寒湿地的土地覆盖信息,对当地生态安全监测和保护具有重要意义。本文以若尔盖湿地国家级自然保护区为研究区,首先,以高分一号(GF-1)遥感影像为数据源,融合光谱特征、水体指数、地形特征、植被指数和纹理信息等26个变量进行随机森林(Random forest,RF)分类实验;然后,根据袋外数据(Out of bag,OOB)的特征变量重要性得分和精度评价结果,选出高寒湿地地区土地覆盖类型的最优分类方案和特征;最后,对特征变量进行降维,并基于相同的变量,采用极大似然法(Maximum likelihood classification,MLC)、支持向量机(Support vector machine,SVM)、人工神经网络(Artificial neural network,ANN)和RF等方法进行分类,比较不同方法的优适性。结果表明:结合GF-1影像光谱、水体、植被、纹理特征和地形信息,使用26个变量的RF模型的分类精度最高,总体精度(Overall accuracy,OA)为90.07%,Kappa系数为0.86;通过RF模型的变量重要性分析可以有效选出重要的特征信息,在降低特征变量维度的同时,还能保证较高的分类精度; 4种分类方法中,RF算法是高寒湿地地区较合适的分类方法,OA比MLC基准方法高17.63个百分点,比SVM和ANN等机器学习算法分别高6.98、6.56个百分点。