排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
风向风速矢量统计、输沙势计算以及风况风能环境分类是研究沙区风沙地貌动力学的重要内容。文中以青海湖湖东沙区为研究对象,使用2006、2009、2012及2015年3、4、5月的逐时风速风向数据,计算起沙风、输沙势的数值及方向,分析评估风季研究区风沙活动特征及风能环境,结果表明:1)青海湖湖东沙区起沙风以西风组为主,东风组几乎没有起沙风。2)青海湖湖东沙区的输沙势以W、WNW、WSW、SW,4个方向为主,各月各方向输沙势值均在16.9VU以下,各月合成输沙势RDP低于30VU,4年风季输沙势值均低于65VU,年输沙势值小于200VU,属于低风能区。3)合成输沙方向RDD全部位于ENE、E、ESE这3个方向上,该沙区属于单峰或者窄双峰风况,潜在输沙方向比较单一。 相似文献
2.
不同施肥组合对盐碱地凡纳滨对虾池塘中浮游生物的影响 总被引:2,自引:0,他引:2
本实验在山东省东营市黄河口毛蟹繁育中心的养殖池塘的12个陆基围隔(5.5m×5.5m)中进行.在N施加量相等、N/P质量比为10∶1的情况下,实验共设4个处理,分别为全部施加无机肥(NN)、1/3有机肥和2/3无机肥(NO)、2/3有机肥和1/3无机肥(ON)以及全部施加有机肥(OO).凡纳滨对虾(Penaeus vannamei)的放养密度均为33ind/m2.实验结果表明,全部施加无机肥的水体中浮游植物生物量显著高于其他组合,其浮游动物生物量高峰维持时间最短;2/3有机肥与1/3无机肥混施的水体中浮游植物生物量最稳定,而且浮游动物高峰维持时间最长,与其他组合相比能显著提高对虾的净产量;全部施加有机肥的水体中浮游植物多样性指数显著高于其他组合. 相似文献
3.
为提高自然环境下生姜叶片病虫害的识别精确率,提出一种基于改进YOLOv5s的生姜叶片病虫害识别模型。建立了田间不同自然环境条件下的生姜叶片病虫害数据集,为保证模型在田间移动设备上流畅运行,实现网络模型的轻量化,在YOLOv5s中引入GhostNet网络中的Ghost模块和Ghost BottleNeck结构。同时,为避免生姜叶片病虫害图像小目标特征丢失的情况,增强图像特征提取,加入CA注意力机制模块,提升生姜叶片病虫害的识别准确率和定位精确度。改进后的模型参数量、计算量和权重文件大小分别为YOLOv5s模型的52.0%、50.6%和55.2%,对生姜叶片病虫害识别平均精度均值达到了83.8%。与Faster-RCNN、SSD、YOLOv4、YOLOv5s、Tea-YOLOv5s等算法相比,平均精度均值分别提高37.6、39.1、22.5、1.5、0.7个百分点,将改进后的目标检测模型部署在Jetson Orin NX开发板上,并使用TensorRT、Int8量化和CUDA等方法对检测模型加速,加速后的模型检测速度为74.3帧/s,满足实时检测的要求,测试结果显示,改进后的模型减少了漏检、误检的情况,并且对目标定位更加精准,适用于自然环境下生姜叶片病虫害的精准识别,为后续生姜机械自动化施药作业提供技术理论支持。 相似文献
4.
5.
为提高自然环境下生姜叶片病虫害的识别精确率,提出一种基于改进YOLOv5s的生姜叶片病虫害识别模型。建立了田间不同自然环境条件下的生姜叶片病虫害数据集,为保证模型在田间移动设备上流畅运行,实现网络模型的轻量化,在YOLOv5s中引入GhostNet网络中的Ghost模块和Ghost BottleNeck结构。同时,为避免生姜叶片病虫害图像小目标特征丢失的情况,增强图像特征提取,加入CA注意力机制模块,提升生姜叶片病虫害的识别准确率和定位精确度。改进后的模型参数量、计算量和权重文件大小分别为YOLOv5s模型的52.0%、50.6%和55.2%,对生姜叶片病虫害识别平均精度均值达到了83.8%。与Faster-RCNN、SSD、YOLOv4、YOLOv5s、Tea-YOLOv5s等算法相比,平均精度均值分别提高37.6、39.1、22.5、1.5、0.7个百分点,将改进后的目标检测模型部署在Jetson Orin NX开发板上,并使用TensorRT、Int8量化和CUDA等方法对检测模型加速,加速后的模型检测速度为74.3帧/s,满足实时检测的要求,测试结果显示,改进后的模型减少了漏检、误检的情况,并且对目标定位更加精准,适用于自然环境下生姜叶片病虫害的精准识别,为后续生姜机械自动化施药作业提供技术理论支持。
相似文献6.
7.
农田监测可以获取作物的生长状态,是农艺管理操作的依据。传统的农田监测由人工完成,效率和准确性较低,无法满足现代化农业的要求。以无人机为平台的遥感技术应用于农田信息监测中,能有效地解决这个问题。高光谱遥感具有连续的光谱,通过光谱分析可以得到农田作物的完整信息。为此,设计了基于无人机光谱分析的农田监测系统,利用无人机搭载的光谱仪拍摄水稻田的高光谱影像,基于多个光谱参数建立估算叶绿素含量(SPAD)的回归模型。结果表明:4个光谱参数与建模样本SPAD值的回归分析都达到显著水平,以DR 526和SD y建立的模型精确度较高。综合考虑决定系数和斜率值,将SD y作为文中SPAD值的最佳估算参数,可为精准农业的发展提供技术支撑。 相似文献
1