基于虚拟模型的水稻冠层叶面积计算方法

水稻冠层的叶面积是分析水稻生长状况的重要参数,传统叶面积统计方法效率较低且误差较大,难以对植株冠层不同高度层的叶面积进行测量。针对传统水稻冠层叶面积统计方法的薄弱点,该文提出一种基于虚拟模型的水稻冠层叶面积计算方法。该方法首先通过田间试验获取的水稻形态参数,建立虚拟水稻模型,然后基于该模型计算植株整体叶面积以及两株水稻在一定株距下不同高度层内叶片面积的大小,从而为水稻种植管理措施的优化提供参考。该文算法与长宽校正法相比,在整株叶面积统计结果上,二者相差在5%左右;每层叶片面积实际测定和仿真结果的比较,两者误差在10%之内。该方法对于水稻冠层叶片面积统计具有一定的实际意义。

基于弯曲变形计算的水稻穗空间形态模拟研究

通过实验测量了不同生长阶段水稻穗的三维形态数据和粒重,根据穗轴及各类型枝梗重力分配情况的不同,结合改进后的弯曲变形模型和空间坐标系,模拟了水稻穗的穗轴以及各类型枝梗的弯曲形态,提出了一种新的基于材料力学弯曲变形计算的水稻穗模拟算法,实现了对水稻穗几何形态的模拟。在此基础上,根据其生长规律模拟了整个水稻穗的几何形态及其生长过程。实验表明,使用该方法能较真实地模拟自然条件下水稻穗的几何形态。

PPNet:基于预先预测的降雨短时预测模型

降雨短时预测一直以来都是气象预测问题中的热点问题。传统的预测方法基于数值天气预测模型展开预报,但近些年利用深度学习展开基于雷达回波图的降雨短时预测方法受到了广大研究者的关注。其中,时序预测网络存在不能并行计算导致耗时过长的问题且存在梯度爆炸问题。全卷积网络可以解决上述两个问题,但是却不具备时序信息提取的能力。因此,该文以泰勒冻结假设为理论依据,提出一个基于预先预测辅助推断结构的2维全卷积网络(PPNet)。网络先行提取粗粒度时序信息与空间信息,然后利用全卷积结构细化特征粒度,有效缓解2维卷积网络不能提取时序信息的缺陷。此外,该文还提供一种时序特征约束器对预先预测特征进行时间维度的特征约束,使预测特征更倾向于真实特征。消融实验证明所提预先预测辅助推断结构和时序特征约束器具有优秀的时序特征能力,可以提升网络对时序信息的敏感度。与目前最好的降雨预测算法或视频预测算法相比,该文网络均取得较好结果,特别在暴雨指标上达到最优。

基于SURF的高密度人群计数方法

为了解决在高密度人流或视场开阔环境下人群计数准确率低的问题,提出一种基于SURF的高密度人群计数方法.首先采用最小生成树改进了传统的基于密度的聚类算法,使其最小搜索域自适应聚类数据的分布;在此基础上实现运动人群的SURF特征点分类,并以此构建运动人群的特征向量,用支持向量回归机实现了对高密度人群的数量统计.实验结果表明,该方法对高密度人群的计数有较高的准确率和鲁棒性.

基于基因表达式编程的植物形态建模智能化方法

针对人为操作L系统进行植物形态建模时存在盲目性和低效性的问题,该文提出一种智能化的植物形态可视化建模方法。该方法利用基因表达式编程思想自动获取L系统产生式规则,进而模拟出特定的植物形态结构。在分析现有工作的基础上,提出限制性的初始种群设计策略和种群个体选择策略,以缩小算法的搜索范围;提出一种综合外围轮廓比较和Hausdorff距离计算的个体适应度评价函数,以自动筛选出每一代中的优良个体。该方法使用OpenGL在NVIDIA GeForce3图形硬件上实现。试验结果表明,该方法不仅能逼真地模拟指定植物的三维形态,还可以仿真出形态各异的植物图形。该方法可为虚拟植物建模提供参考。

城市内涝监测预警信息系统研究

针对越来越严重的暴雨至涝现象,为了让普通民众可以通过智能移动终端应用便捷地获取并分享汛情信息,更好地避灾避险并参与到抢险救灾中,基于现有城市道路积水监测系统的基础数据,采用移动GIS和云服务等技术,设计了具有道路实时积水呈现、道路通行重要告警、汛情实景图片、政府信息通告等功能的一体化城市内涝监测预警信息系统;该系统包括内涝监测预警信息服务平台和智能移动终端应用两部分,基于云技术构建"内涝监测e警"平台并设计了基于移动云服务的数据统一调度与管理,基于移动Web技术开发"内涝监测e警"智能终端应用,应用和平台之间基于移动Web和移动GIS技术实现数据访问;测试显示该系统支持大量用户的并发访问,能够简洁有效实现内涝监测数据信息共享,对城市内涝监测预警具有实际的应用意义。

基于树形结构相似度的植物种类识别系统

针对目前国内外缺少植物种类识别方面的软件系统的现状,在Linux下开发出一个基于C/S架构的植物种类识别原型系统。系统采用基于树形结构相似度算法,主要从拓扑结构、外观轮廓和植物内部特征3个方面对植物的相似度进行计算。本文介绍系统的架构及主要功能模块,论述植物拓扑和轮廓的表示、树种识别算法、树形三维结构重现和存储以及客户端服务器通信方案的设计等关键技术,给出系统应用实例。

水稻株型优化设计系统的设计与实现

在理想株型研究中,传统的基于田间试验的方法存在耗时长,难以验证株型是否达到最优形态等问题。为减少作物株型设计过程中人工干预所带来的成本提高和结果的不确定性,自动而又快速地获得作物高产株型,基于水稻的功能结构模型,将优化算法应用到虚拟水稻的株型优化上。在VS2005平台上,使用C++编程语言、Open GL图形渲染引擎以及MFC框架,开发了水稻株型数字化设计与株型优化系统。介绍了系统的模块、系统构建的关键技术以及系统的实现。研究的基于虚拟模型的水稻株型优化设计方法,可为作物株型的定量化设计提供新的思路。

多核系统中共享Cache的冒泡替换算法

在多核环境下,对共享L2 Cache的优化显得尤为重要,因为当被访问的数据块不在L2 Cache中时(发生L2缺失),CPU需要花费几百个周期访问主存的代价是相当大的.在设计Cache时,替换算法是考虑的一个重要因素,替换算法的好坏直接影响Cache的性能和计算机的整体性能.虽然LRU替换算法已经被广泛应用在片上Cache中,但是也存在着一些不足:当Cache容量小于程序工作集时,容易产生冲突缺失;且LRU替换算法不考虑数据块被访问的频率.文中把冒泡替换算法应用到多核共享Cache中,同时考虑数据块被访问的频率和最近访问的信息.通过分析实验数据,与LRU替换算法相比,采用冒泡替换算法可以使MPKI(Misses per Kilo instructions)和L2 Cache命中率均有所改善.

多智能体的车间染缸集群监控系统

针对染色车间染缸集群集中监控的问题,通过现场工业总线技术和以太网技术,建立了染缸过程控制、数据通信和集中监控三位一体的系统构架,并提出了一种多智能体的染缸集群监控方法。该方法实现了染缸集群的生产计划、作业任务、生产过程、染色工艺温度、染缸能源消耗等的实时监控。某大型印染车间的染缸集群监控系统应用结果表明,该系统取得了满意的实际效果。

单棵植物燃烧场景的可视化模拟

针对当前模拟单棵植物燃烧过程的研究比较薄弱的状况,提出一种基于物理的单棵植物燃烧过程的可视化建模方法。利用参数化的L系统和粒子系统分别对植物和火焰进行建模,结合包围球原理建立火焰周围的距离温度场,通过碰撞检测算法判断周围树枝是否满足燃烧条件、相邻火焰是否满足合并条件;对枝干进行受力分析,以模拟树枝因火焰作用导致的弯曲形变。提出一种基于纹理贴图的树枝颜色变化算法。实验结果表明,通过控制植物建模的参数、火焰燃烧初始点和初始火焰大小,基本可以获得较为逼真的植物燃烧仿真效果。

物元分析法在科技计划项目绩效评估中的应用

根据目前科技计划项目绩效评估的现状,依据科技计划项目绩效评估体系的构建理论和方法,对科技计划项目绩效评估的业务流程进行了系统的研究,提出了基于物元分析法的科技计划项目绩效评估模型。首先介绍了物元数学模型的建立原理,然后依据物元分析法的原理构建了科技计划项目绩效评估的模型,最后从某市的已评估的科技计划项目中挑选了3个具有代表性的项目作为案例,对该模型进行了验证,结果显示与实际结果相符。

多尺度信息交互与融合的乳腺病理图像分类

目的 基于深度学习方法进行乳腺癌识别是一项具有挑战的任务,目前较多研究使用单一倍率下的乳腺组织病理图像作为模型的输入,忽略了乳腺组织病理图像固有的多倍率特点,而少数将不同倍率下的图像作为模型输入的研究,存在特征利用率较低以及不同倍率的图像之间缺乏信息交互等问题。方法 针对上述问题,提出一种基于多尺度和分组注意力机制的卷积神经网络改进策略。该策略主要包括信息交互模块和特征融合模块。前者通过空间注意力加强不同倍率的图像之间的相关性,然后将加权累加的结果反馈给原始分支进行动态选择实现特征流通;后者则利用一种分组注意力来提升特征的利用率,同时基于特征金字塔来消除图像之间的感受野差异。结果 本文将上述策略应用到多种卷积网络中,并与最新的方法进行比较。在Camelyon16公开数据集上进行五折交叉验证实验,并对每一项评价指标计算均值和标准差。相比于单一尺度图像作为输入的卷积网络,本文改进的方法在准确率上提升0.9%~1.1%,F1分数提升1.1%~1.2%;相较于对比方法中性能最好的TransPath网络,本文改进的DenseNet201(dense convolutional network)在准确率上提升0.6%,精确率提升0.8%,F1分数提升0.6%,并且各项指标的标准差低于Transpath,表明加入策略的网络具有更好的稳定性。结论 本文所提出的策略能弥补一般多尺度网络的缺陷,并具备一定的通用性,可获得更好的乳腺癌分类性能。