山东省城乡发展一体化的发展情况研究

随着世界发展过程速度的加快,城乡一体化已经成为一个国家发展水平的评判标准之一。随着我国不断地融入世界的趋势,我国的发展速度越来越快,而城乡问题更是中国发展过程中的重要方面。山东是我国的大省,近年来山东省致力于加快山东城乡融合的进程,尤其是加快试点地区的改革发展,全力寻求适合山东城乡发展一体化的方法。但是,城乡问题的研究是一个循序渐进、摸索前行的过程,山东省目前的城乡发展一体化问题还是存在的,山东省的城市化发展一体化依旧处在发展的阶段,距离最高阶段还有一定的距离,通过分析山东省的现状与问题,找到推动城乡结合、共同发展的对策。     

基于无人机遥感影像的沙糖橘果树提取方法研究

目的 通过无人机获取沙糖橘果园的遥感图像,快速提取果树分布位置,为果树的长势监测和产量预估提供参考。方法 以无人机拍摄的可见光遥感图像为研究对象,计算超红指数、超绿指数、超蓝指数、可见光波段差异植被指数、红绿比指数和蓝绿比指数6种可见光植被指数,使用双峰阈值法选取阈值进行果树的提取。在使用光谱指数进行识别的基础上,结合数字表面模型作为识别模型的输入变量,进行对比试验。结果 相比使用单一光谱指数,结合数字表面模型提高了果树和非果树像元的提取精度,6次波段融合后的总体精度均大于97%。超红指数与数字表面模型结合后的总体精度最高,为98.77%,Kappa系数为0.956 7,植被信息提取精度优于其他5种可见光植被指数与数字表面模型结合后的提取精度。结论 数字表面模型结合可见光植被指数的提取方法能够更深层次地挖掘遥感数据蕴含的信息量,为影像中色调相似地物的提取提供参考。     

基于可见光图像的水稻颖花开花状态检测方法

通过识别水稻开花张开颖花内外颖与吐出颖花花药的特征,进而准确判断颖花开花时间,是及时进行杂交水稻制种授粉的前提。该研究通过可见光相机获取水稻颖花图像,基于可见光蓝色通道串联大津法(SeriesOtsu,SOtsu)提取颖花花药,同时使用深度学习算法基于区域的快速卷积神经网络(FasterRegionalConvolutionalNeuralNetwork,FasterRCNN)及YOLO-v3识别颖花花药与张开颖花内外颖,通过对比不同算法识别精确率、召回率、F1系数以及皮尔逊相关性系数,研究适用于识别颖花开花状态的特征与方法。结果显示,FasterRCNN算法检测张开颖花内外颖精确率达1,召回率达0.97,F1系数为0.98,皮尔逊相关系数为0.993,串联大津法检测吐出花药精确率达0.92,召回率达0.93,F1系数为0.93,皮尔逊相关系数为0.936。这表明串联大津法与FasterRCNN算法适用于水稻颖花开花状态检测,且张开颖花内外颖比吐出花药更适合作为水稻开花状态特征应用于深度学习算法检测。串联大津法可代替FasterRCNN算法在模型构建完成前进行检测,保证水稻颖花开花状态检测连续性。     

现代新能源汽车的维修技术分析

随着科技的进步,汽车行业迎来了新的发展契机,新能源汽车应运而生。新能源汽车以电力为动力,不再使用汽油柴油等燃料,有助于减少对石油资源的消耗,达到更好的节能减排效果。然而,随着新能源汽车的普及,部分新能源汽车也出现了各种问题,维修人员必须做好相关工作,确保新能源汽车的正常行驶,促进新能源汽车的可持续发展。文章阐述了新能源汽车的发展现状及其发展前景,结合实际分析了当前新能源汽车常见的行驶故障,并在此基础上介绍了相关维修技术。