排序方式: 共有39条查询结果,搜索用时 15 毫秒
31.
花生结荚期是提高花生群体质量、促进产量形成的关键阶段,此时正值高温高湿期,容易遭受病虫害的影响,在这一时期做好病虫害防控对于花生高产具有重要意义。为探究花生结荚期使用植保无人机施药时,飞行参数对雾滴沉积特性的影响,采用三因素五水平的正交试验方法,研究极飞P30植保无人机飞行高度、飞行速度、喷药量对雾滴覆盖率、雾滴沉积密度和雾滴沉积量的影响。极差分析结果表明,飞行高度为2 m、飞行速度为3.5 m/s、喷药量为15 000 mL/hm~2时雾滴覆盖率和雾滴沉积量最优,分别为5.48%、0.448μL;飞行高度为2.5 m、飞行速度为3.5 m/s、喷药量为15 000 mL/hm~2时雾滴沉积密度最优;并得出飞行参数对雾滴沉积影响的主次顺序。使用SPSS对试验结果进行方差分析,结果表明,喷药量对雾滴沉积特性的影响均为极显著。本试验可为花生结荚期进行植保无人机施药作业参数确定提供参考依据。 相似文献
32.
33.
34.
35.
基于YOLOv4网络的棉花顶芽精准识别方法 总被引:1,自引:0,他引:1
为实现非接触、低成本、精准识别棉花顶芽,提出一种基于YOLOv4网络在复杂环境下对棉花顶芽进行精准识别的方法。利用K-means算法对棉花顶芽数据集进行聚类,优化先验框改善网络检测精度和速度,得到最优权值模型。对聚类前后模型以及与其他目标检测模型在棉花顶芽检测性能上进行了对比试验,并探究了顶芽在逆光和遮挡环境下,不同模型的检测性能。结果表明:该模型在测试集的平均检测精度(AP)、精确率(P)、召回率(R)、调和平均值(F1)比原模型分别提高0.36%、1.73%、0.52%、1.16%,单张图像平均检测时间缩短0.28 s;对比SSD、YOLOv3、Tiny-YOLOV4模型,该模型检测精确率和F1值最高,性能均衡;在自然场景处于逆光状态下,YOLOv4模型检测顶芽效果好于其他模型,且逆光环境对检测影响小;在遮挡条件下各个模型检测精度均有不同程度下降。 相似文献
36.
方形喷洒域摇臂式喷头喷洒机理分析 总被引:5,自引:3,他引:2
对方形喷洒域摇臂式喷头的喷洒机理进行了深入分析。应用有关射程公式得出了方形喷洒域摇臂式喷头的理论和修正压力-转角关系曲线,将该关系曲线应用于ZY-1型方形喷洒域摇臂式喷头的设计中,进行了实际场地喷洒试验。结果表明,该方形喷洒域摇臂式喷头的实际压力-转角关系曲线与修正压力-转角关系曲线吻合得较好。 相似文献
37.
设计了基于顶芽智能识别的棉花化学打顶系统,为实现精准作业,合理高效使用棉花化学打顶药剂,以减少因化学打顶剂的过度使用造成的环境污染。该系统主要由棉花顶芽识别系统、控制系统和喷施系统组成。采用YOLO v5s算法构建棉花顶芽识别模型。控制系统采用STM32F407单片机,负责接收识别系统的信号,并对各个棉花打顶剂管道进行控制。同时,显示界面能够实时显示机具行驶速度、药液流量、打顶剂液位等参数。试验结果表明,在田间全天光照试验中,上午和下午时间段识别效果最优;在速度0.4 m/s下,平均识别率约为94%;信号发送区间为100 mm时,成功向下位机发送信号的成功率达到92%;田间对靶喷施试验表明,有效喷施率为94%,满足作业要求。 相似文献
38.
39.
<正>温室大棚生境质量的好坏可以在某种程度反映出作物的生长发育情况和产量大小,因此,温室大棚生境信息时空数据可视化具有重要的现实意义。随着科学的进步和发展,研究学者开展了许多关于温室大棚生境信息的监测方面的研究。侯加林等设计了一款移动式温室环境监测系统,满足了温室大棚生境信息监测要求,同时实现了精准的定位数据。单业荣等设计了智能温室远程控制平台, 相似文献