2020年我国冬小麦长势动态监测

小麦是我国第三大粮食作物,而冬小麦占比为95%以上,在粮食构成中占重要地位。提出了一种结合光学和微波遥感的中国冬小麦长势动态监测模式,具体为利用微波遥感和MK算法,分析了2020年我国冬小麦主产区土壤墒情的变化趋势及空间分布。在此基础上,结合光学植被指数,采用年际比较模型,对2020年我国冬小麦长势进行了动态监测。结果表明,2020年我国冬小麦长势基本呈现持平向好趋势,且总体好于2019年同期。良好的水热条件是主产区冬小麦长势总体表现较好的主要原因。冬小麦产量有望继续保持稳定,保障我国粮食供给充足。

含油污泥辐射热解传热模拟及能量分析

油泥辐射热解过程复杂,热解炉内温度场和传热特性不明等,通过Fluent软件,选用双欧拉模型、DO辐射模型及多组分模型研究了热解炉内的温度分布及不同因素下物料的升温特性。结果表明,炉内油泥的温度分布以L/D=10为分界点将其分为了升温和恒温2个阶段,且600℃为最佳热解终温。同时,较高的含水率会延长油泥热解时间,而降低螺旋转速可减少最终油泥的剩余量。另外,在辐射管上方加装遮热板可改善炉膛温度分布的均匀性。最后,对整个热解系统进行能量平衡分析发现,热解产物总回收能量为6592.25 kJ,能量回收率最高可达82%,其中热解气能量占该系统总输入能量的65.78%~90.11%,可极大减少系统所需的外部能量补给。

基于无监督和YOLOX的农村房屋建设状态识别算法

【目的】为了提升自然场景中农村在建房屋的识别准确率,并为后续的农村违建房屋智能化监管提供技术支撑。【方法】文章基于无监督聚类和YOLOX目标检测算法,发展了一种乡村房屋在建状态识别方法。首先,构建在建房屋无监督聚类模型,并以此对在建房屋进行类别精细划分,使得不同类别之间特征差异较大,相同类别特征差异较小,其次,再使用划分好的类别制作房屋检测数据集,并训练YOLOX目标检测模型对在建房屋进行识别,最后,在在建房屋数据集上设计模型对比实验,以此验证算法有效性。【结果】实验结果表明:在在建房屋识别任务中,基于无监督聚类和YOLOX的在建房屋识别算法m AP为83.27%,比采用原始数据(不进行在建房屋类别划分)训练的YOLOX算法mAP提升了7.91%,同时比采用人工划分类别的YOLOX算法mAP提升了5.08%。【结论】因此该文方法有效提升了乡村房屋在建状态的识别精度,同时也为具有复杂场景和多个不同状态的目标进行识别时,提升识别准确率提供一种有效且可靠的解决思路。