排序方式： 共有10条查询结果，搜索用时 15 毫秒
1
1.
[目的]建立一种基于U-Net改进的A-Unet图像分割与牛体尺测量方法,以实现对牛体体高、体长、体斜长的自动化测量。[方法]首先,在牧场通过摄像头采集牛的侧视图片;其次,利用A-Unet算法进行图像分割,提取牛体边缘轮廓曲线,在牛体轮廓曲线的基础上采用动态网格法寻找牛体尺测量点;最后,根据摄像头已标定的参数和提取到的测量点进行计算,得出牛体尺数据。[结果]通过对深度学习算法图像分割性能的对比分析发现,相比原始的U-Net算法,建立的A-Unet算法具有更高的准确度。利用该算法对牧场21头牛进行体尺指标测定,并与人工测量结果进行比较,经验证,该方法检测体高、体长、体斜长的平均相对误差分别为4.16%、4.05%、4.27%。[结论]基于A-Unet的牛体尺测量方法可以有效地替代传统的牛体尺人工测量方式,具有适用性好、稳定性强和检测准确率高等优点,测量误差能够满足牧户对牛体尺测量需求。 相似文献
2.
制备了不同复合比例的g-C3N4/CdMoO4纳米片状复合光催化材料(CN-CMO)。通过SEM、TEMEDS、XRD、FT-IR、DRS等方法对复合材料CN-CMO的晶体结构、形貌特点、光吸收能力、化学键合情况等进行表征。CN-CMO在可见光下对磺胺噻唑光降解性能的研究结果表明,磺胺噻唑的光降解反应具备表观一级动力学的特点,且降解反应速率常数分别为g-C3N4及CdMoO4材料的3倍和10倍。光催化降解机制的研究表明,CN-CMO光催化活性提高的原因在于g-C3N4和CdMoO4复合后材料中电子与空穴更容易分离;同时,考察光催化过程中催化剂的投加量对光催化活性的影响,发现CN-CMO在质量浓度为1g/L时对磺胺噻唑的光催化降解效果最佳。 相似文献
3.
在分析当前我国造纸原料市场和小陇山林区日本落叶松木材的纸浆性能的基础上，提出了小陇山林区日本落叶松纸浆材林的经营措施，进行了应用前景分析。 相似文献
4.
5.
贵州东北部五县陆生贝类资源调查及区系分析*(腹足纲:前鳃亚纲,肺螺亚纲) 总被引：2，自引：0，他引：2
笔者对贵州省东北部地区进行了陆生贝类资源调查,获得陆生贝类标本6000多号.经鉴定得69种,分隶于12科31属.区系分析表明:黔东北部地区的陆生贝类以东洋界西南区种类和华中区种类为优势.在69种中,有30种分布于华中区和西南区,约占总数的43.48%;有13种分布于华南区、华中区和西南区(即东洋界),约占总数的18.84%;有9种仅分布于华中区,约占总数的13.04%.将本调查结果与贵州南部地区陆生贝类物种进行比较,发现两地的种类差异明显. 相似文献
6.
7.
为抢救、保护位于镇江市正东路中段的 3株古银杏树 ,进行了选址移栽 ,并确保成活。文中具体介绍了迁移古银杏树的前期准备、操作程序、养护管理等成功经验。并认为保护古树应将动态保护和静态保护相结合 ,不能一味要求建筑让古树 ,该让的必须要让 ,不能让的 ,只要是法规允许 ,能使古树生长得更好 ,就应该移栽其他佳处 相似文献
8.
以水热法制备8种MWCNTs-TiO2纳米复合材料,通过XRD、SEM、Raman、BET、FTIR等方法对复合材料进行表征。以罗丹明B为降解目标物,考察MWCNTs-TiO2纳米复合材料在不同光源辐照下的光催化活性以及MWCNTs的管径和管长对复合材料光催化活性的影响。结果表明:MWCNTs与TiO2结合紧密,TiO2微粒均匀分散在MWCNTs上,引入MWCNTs能提高TiO2的比表面积,且不会改变TiO2的锐钛矿晶相。光催化过程中,MWCNTs的引入抑制复合材料中光生载流子复合,进而提高复合材料的光催化效率。紫外光辐照下,MWCNTs的引入对TiO2光催化活性有显著提高;而在可见光辐照下,管长较短的MWCNTs与TiO2复合后表现出更好的光催化活性,且MWCNTs(SM4)-TiO2表现出最佳的可见光催化活性,主要由复合材料在紫外光与可见光辐照下不同的光催化反应机制所致。 相似文献
9.
10.
为了高效、准确地利用牛体点云数据自动测量牛只体尺指标，试验在牛体点云数据基础上提出了一种基于点云处理与图像处理融合的牛只体高、体长、胸围自动测量算法，该算法将点云坐标原点修改成牛体质心，通过随机采样一致性(random sample consensus, RANSAC)算法分割牛体与地面，利用法向量主成分分析(pricipal component analysis, PCA)修改牛体点云数据坐标轴；使用图像形态学处理并进行曲线拟合得到牛体点云俯视、侧视图轮廓曲线，通过轮廓曲线特征确定测量点并测量牛只体长、体高；再根据测量点通过直通滤波得到牛体胸围截面点云，通过膨胀、闭运算进行曲线拟合得到牛体胸围数据；利用自动测量算法、交互式测量、人工测量对21头牛只进行体长、体高、胸围体尺测量，并进行比较。结果表明：与交互式测量相比，自动测量算法测量牛只体高、体长、胸围的正确率分别为100%、95.24%、85.71%,平均误差分别为0.47%、0.59%、0.81%,并提升了测量速度；与人工测量相比，自动测量算法测量牛只体高、体长、胸围的平均误差分别为3.34%、3.74%、4.73%。说明自动测量... 相似文献
1