遥感图像时空分析的数据处理系统设计

简单介绍了配准后的NOAA-AVHRR图像数据的空间格局时序分析的数据处理系统设计。主要分析了系统目标,介绍了数据处理的数学模型和相应的技术措施,提出了数据处理结果正确性检查机制及对反演多样化数学模型变更作出快速反应的方法,同时还探讨了时空数据物理设计的有关问题。     

谷物胚乳性状QTL区间作图的贝叶斯方法

将贝叶斯统计原理和胚乳性状的数量遗传模型相结合,以分离群体中各植株的分子标记基因型以及植株上若干粒种子胚乳性状的单粒观测值为数据模式,提出胚乳性状QTL区间作图的贝叶斯方法.该方法通过Gibbs以及Metropolis-Hastings抽样实现的马尔科夫链蒙特卡罗(MCMC)算法获得QTL效应和位置的估计.方法的有效性用染色体水平和基因组水平2套模拟方案进行验证,结果表明:贝叶斯方法能够准确地估计胚乳性状QTL的位置和效应,并同时区分2种显性效应.     

盐阳离子类型对红壤裂缝开闭规律的影响

为了探究灌溉水中盐离子浓度及类型对土壤裂缝变化过程的影响,为南方灌溉用水安全提供数据理论支持,采用蒸馏水配置15.0,10.0,5.0和2.5 g/L等4个质量浓度梯度的NaCl,KCl,CaCl2和MgCl2等4种类型溶液,分别浸泡南方亚热带地区的典型红壤,并且采用恒温蒸发模拟干燥过程和喷湿法模拟增湿过程,结合数字图...     

"服务无小事,小事意义大" ——高校图书馆服务礼仪片论

从学校公共关系角度,揭示了高校图书馆服务礼仪对图书馆形象和高校形象所具有的形象外显和形象隐喻价值,论述了“规范的服务礼仪”的基本要求,探讨了在服务礼仪的教化和培训中内化和外化相结合的方式。     

基于改进的PSO进化神经计算进行苹果颜色快速分级

为克服在苹果颜色分级中存在的速度慢、误差大等缺点,基于再现群智能的粒子群进化算法和神经计算技术,提出了一种新颖、快速的智能分级方法,即首先通过计算机视觉技术获取苹果表面颜色的色度,并提取其特征;然后采用改进的带自适应惯性权值的粒子群优化算法训练神经网络结构,最后用训练好的神经网络进行苹果颜色分级。实际应用表明该方法切实可行且效果显著,不仅分级速度快,而且分级正确率高达98%以上。     

苏南河网水污染控制系统规划优化研究

以苏南某地二级树状河网为例,在运用S-P水质模型模拟河网水质的基础上,构建了以河网污水处理费用及引水稀释费用之和最小为目标函数的水污染控制最优化模型,采用遗传算法,对各引水口的引水量及河网中各排污口的污水处理率进行优化计算,供苏南地区水系规划与管理参考。     

基于DH-YoloX的群养马岗鹅关键行为监测

马岗鹅的行为与其生长状况和福利状况密切相关,马岗鹅关键行为监测对评估其生长性能具有重要的现实意义。为了实现对群养栏马岗鹅关键行为高效率精准监测,该研究探索一种基于YoloX的群养马岗鹅关键行为监测算法（Magang geese behavior monitoring of based on Double Head-YoloX,MGBM-DH-YoloX）,该算法通过减少YoloX的头部数量提升检测效率、使用损失函数减少前景背景干扰、使用迁移训练方式提高网络训练效率等技术对马岗鹅采食、饮水、休息和应激等关键行为及其规律进行分析。MGBM-DH-YoloX首先用Mosaic和Mixup对马岗鹅图像进行数据增强,然后使用增强后的数据集训练模型,并且利用模型检测马岗鹅的关键行为,最后累计得出马岗鹅关键行为的发生时长和行为节律;试验训练集为1 400幅、验证集200幅和测试集为400幅,连续活动视频10 d。结果表明,MGBM-DH-YoloX算法的平均精度为98.98%、检测速度达到81帧/s、内存消耗为2 520.04 MB。对马岗鹅的10 d养殖数据分析发现,MGBM-DH-YoloX能有效观察到马岗鹅随着日龄增长采食次数逐渐减少;试验鹅每日采食与饮水行为同时出现的比例为83.74%,呈现整体相伴趋势,但也从90.78%降低到74.57%,说明马岗鹅采食与饮水行为随着日龄增加呈现出逐渐分离趋势;试验鹅随着日龄增长休息时间逐渐加多,呈现出肉鸭对笼养的适应性逐步增强;应激行为随机性很强,突发性明显,发现人员随机走动等不规范饲喂带来的应激行为占据很大比例。该研究显示MGBM-DH-YoloX算法能利用监控视频对马岗鹅的关键行为进行智能提取,可为家禽智能养殖监管提供技术支撑。     

基于温岭市二类调查的航空影像正射纠正技术研究

航空影像是二类调查的重要基础资料,但航空影像因地形等因素影响而产生畸变,使用前需要消除畸变进行正射纠正。本研究根据UltraCamX数字航摄相机的信息,在LPS工程中设置对应的参数,读入数据自带的外方位元素,直接对空三计算结果进行设定,对正射影像的定位精度以地形图为参照进行分析。结果表明：应用LPS就可以完成对数字航摄影像正射纠正,处理后的影像的匹配性较好,定位精度较高,效果较理想;通过检查点提取地形图和影像的对应坐标进行误差计算,平均总误差仅为1.249 m,可以满足温岭市森林资源二类调查的需要;该方法解决了航空影像数据量大、数量多、处理时间长、DEM使用等难题,对实际生产具有重要意义。     

基于全质心WLS-HDS-TWR算法的无人驾驶农业机械协同定位算法研究

针对室内全球导航卫星系统（Global navigation satellite system,GNSS）信号受遮挡时,农用车辆协同定位精度低、稳定性差、信号丢包等问题,本文开展面向超宽带（Ultra wideband,UWB）调频技术的室内外农用车辆协同定位算法研究。首先,搭建三基站多边测距定位模型,实现主基站绝对位置标定以及辅助基站绝对位置坐标的变换求解;其次,提出全质心加权最小二乘的高速双边双向（Weighted least squares high double sided two-way ranging,WLS-HDS-TWR）农机协同定位算法,基于泰勒级数展开的WLS估计算法,求解主车位置。同时,提出面向室内环境的多状态基站组合的UWB定位模块布设模式,并验证其可行性;通过飞行时间法（Time of flight,TOF）获取主从车距离信息,融合GNSS标定位置信息、主车坐标信息以及测距信息,实现主从车协同定位。最后,基于Prescan/Simulink搭建联合仿真平台,验证提出算法的可靠性;通过农用履带车辆开展室内及室外协同定位实车试验,试验结果表明：全质心WLS-HDS-TWR协同定位算法可有效解决室内GNSS信号缺失问题,室内环境下,定位精度较HDS-TWR及全质心LS-HDS-TWR算法分别提高26.98%和22.03%,满足智能农机协同定位作业需求。     

基于MWatNet模型的河套灌区解放闸灌域灌溉水体提取

为提高灌溉农田中灌溉水体的识别精度,以河套灌区解放闸灌域作为研究区,基于Sentinel-2遥感影像,结合灌区实际情况对地表水体提取模型(WatNet)进行改进,得到MWatNet模型并提取灌溉水体。采用总体精度（Overall accuracy,OA）、平均交并比（Mean intersection over union,MIoU）、F1值等水体提取精度指标进行综合评价。结果表明：改进后的地表水体提取模型(MWatNet)在解放闸灌域农田灌溉水体的提取上具有较好的识别精度,模型总体精度达到96%,平均交并比达到83%,F1值为80%,实地调研验证准确度为85.7%;对比原WatNet、水体语义分割模型(Deeplabv3_plus)和水体提取模型(Deepwatermapv2),MWatNet在灌溉水体提取的连结性、剔除道路和城镇干扰等方面,均表现出更好的效果和模型运行效率。利用该模型可以实现灌溉水体定量化表征,为灌溉用水调度提供了数据支撑。