相机标定对玉米自动化观测评估结果的影响

作物气象自动观测需要采用数码相机采集作物实景图像,进而利用图像处理算法对作物特征进行提取。受相机畸变参数影响,实景图像存在不同程度的失真,导致观测区域面积、密度、发育期等识别结果有所偏差。本文以玉米为例,根据玉米发育期自动观测评估结果对相机的畸变参数进行分析,通过对相机标定算法的研究,利用Matlab工具箱对相机进行标定,提高对玉米发育期自动识别的准确性。

基于主成分分析方法的示功图故障诊断系统

示功图是一种判断抽油机工作状况的重要途径,本文基于电参数法产生间接示功图,并验证主成分分析在间接示功图应用上的可行性,阐述了主成分分析的实现方法,实现了基于主成分分析方法的示功图故障诊断。

基于切线法定位圆心的电缆横截面几何尺寸自动测量方法的设计与实现

提出基于机器视觉、数字图像处理技术、软件技术的电缆横截面几何参数检测识别算法.该方法以圆的两组切线为基础,通过坐标变换准确测量电缆横截面的圆心、直径、绝缘厚度;并针对铠装电缆,提出一种基于HSI空间的金属屏蔽层厚度的检测算法,实现了金属屏蔽层厚度的准确测量.实验结果表明,该算法能够准确定位电缆横截面的圆心,并通过拟合可得出所测截面的直径、线芯面积、绝缘厚度和金属屏蔽层厚度等参数,测量精度高、检测速度快.

基于涡度相关法的森林生态系统碳通量观测研究

涡度相关法是以雷诺分解为理论基础,通过计算湍流中垂直方向的风速脉动与相关物理量脉动的协方差,求解出物理量的湍流通量。森林生态系统作为陆地上重要的碳源和碳汇,具有固碳和释放碳素的功能,在碳中和方面发挥着重要作用。文章通过对西北某山岭森林生态系统(试验点1)和华北平原某生态区森林生态系统(试验点2)进行定位观测,分别在夏季和冬季选取一个月的观测数据,采用涡度相关法进行碳通量计算,结果表明,试验点1夏季生态系统碳吸收量大于排放量,试验点2冬季生态系统碳吸收量小于排放量。

基于深度学习的棉花发育期自动观测

精准农业是当今世界农业发展的新趋势,实现精准农业的关键基础是能够实时准确地提取作物的生长信息以及确定生长环境状态。现阶段国内外利用图像处理技术对作物生长信息的检测,主要集中在病虫害识别、杂草识别等方面,对作物生长期进行自动识别的相关技术鲜有报道。以棉花田间数字图像为研究对象,结合深度学习的方法,对棉花关键发育期的自动观测方法进行研究。结果表明,相较于传统特征提取方法,提出了卷积神经网络CNN-CGS模型对棉花图像进行特征提取,并进一步结合迁移学习方法训练网络,获得了更加准确的棉花生长期识别结果,同时也为农作物发育期和长势识别迈向自动化发展提供技术支持,为及时掌握棉花生长状况、开展农事活动和现代化农田管理提供新的思路。

LED照明灯光色参数的影响因素

为了找出影响LED照明灯光色参数的影响因素,文章采用LED照明成品灯生产厂家常用的积分球和光谱仪测试系统对不同的LED天花灯进行测试。通过控制单一变量法,比较不同灯温、驱动电流、是否加灯罩及供电方式下对峰值波长、主波长和色纯度的影响。结果表明,色纯度的测量值随灯温、驱动电流、灯罩的变化而变化较大,而峰值波长、主波长的测量值基本不变。说明色纯度对外界测试环境的变化比较敏感,而峰值波长和主波长比较稳定,建议以色纯度为指标为LED照明灯的检测制定标准。

基于深度学习的玉米抽雄期判识

农作物自动化观测是农业现代化和自动化进展的重要标志和不可缺少的一部分。目前作物生长自动化观测主要通过获取作物生长图像,进而对图像进行处理分析来获取作物生长特征等信息,利用传统的图像分割、特征点检测等方法检测作物的生长特征误差较大。近年来,深度学习迅速发展,且在多个领域得到广泛应用。在ImageNet数据集和大量的玉米作物图像基础上,对深度学习中常用的CNN进行训练和微调,充分利用迁移学习的优势,得到识别模型,对玉米雄穗进行识别,进而对玉米抽雄期进行判识。实验证明深度学习方法在作物生长特征识别上有良好的效果,比传统方法有显著提高。

基于“互联网+”的地球物理信息采集终端设计

随着物联网技术的不断发展,以及“互联网+”时代的到来,构建一种低成本密集分布式地震观测系统成为了可能。本文设计了一种基于“互联网+”的地球物理信息采集终端,用于定时采集地震孕育过程中的地球重力加速度、地磁场、温湿度、大气压及低频电磁波等地球物理信息,采用以太网或GPRS通信方式将数据上传至地震监控中心服务器群,可为地震的大数据分析预测工作提供大量的实时数据支持。文中简单介绍了低成本密集分布式地震观测系统的结构功能,着重分析了系统采集终端的软硬件设计及数据预处理。该终端结构简单、功耗低、数据传输可靠,可用于大范围分布式布设。