排序方式: 共有83条查询结果,搜索用时 15 毫秒
1.
根据植物根系原位形态可视化研究的需要,利用Matlab提供的图像处理算法,编制了根系断层图像分割处理算法的优选整合程序,用多种不同算法组合对根系CT原位图像进行实例检验,采用最终测量精度法作为评价准则,对分割效果进行分析研究。研究结果表明,在90%的置信水平下,处理模块的不同组合顺序以及每个模块中不同算法的选择对最终分割效果有显著的影响,各因素对分割效果总变异贡献率的大小排序为分割(46.1%)、灰度调整(17.9%)、分割前滤波(4.5%)、分割后滤波(2.6%)、执行序列(0.5%)。根据所设计的实验例证,提出了处理流程及算法中的较优组合。 相似文献
2.
电动多旋翼植保无人机升力特性综合测评方法 总被引:1,自引:2,他引:1
升力特性是电动多旋翼植保无人机性能测试的重要参数之一。为了实现对电动多旋翼植保无人机升力特性的性能检测,针对不同型号、不同规格的电动多旋翼植保无人机在评价过程中存在无统一的评价指标问题,该文提出了一种半系留式电动多旋翼植保无人机升力特性的测试与评价方法,包括性能检测平台、升力特性测试方法及指标、升力特性的评价方法。为了验证方法的可行性,对3种不同机型(分别为四旋翼机型Ⅰ、六旋翼机型Ⅱ、八旋翼机型Ⅲ)进行了升力特性指标的性能测试试验。试验结果表明:3种机型在功率载荷、重量效率、热效比等方面有较大差异,功率载荷最好的机型Ⅲ比最差的机型Ⅰ大7.6 m N/W,重量效率最好的机型Ⅰ比最差的机型Ⅱ大0.33,热效比最好的机型Ⅲ比最差的机型Ⅱ大10.5 N/℃,反映出3种机型在设计过程中整个动力系统效率、机型整体结构和材料选择上的差异,从而在整机作业性能上表现出差异。在上述指标测试的基础上,结合无人机动力系统数学模型,提出了运用功率载荷、重量效率和热效比进行电动多旋翼植保无人机升力特性综合评价的评分方法,对上述3种机型进行综合评分的结果为:机型Ⅲ机型Ⅰ机型Ⅱ,该结果表明所提出的评价方法能有效对不同类型电动多旋翼植保无人机的升力特性进行综合评判。该文所给出的测试与评价方法,不仅能用于电动多旋翼植保无人机性能的评测,还能为机型性能的进一步改进提供参考。 相似文献
3.
针对当前无人机水稻撒播难以成行成穴、落种易受旋翼风场干扰和播种均匀性不佳等问题,该研究结合点射式水稻播种装置和飞行控制器设计了一套播种控制系统,开发了配套的地面站功能,并制作了样机。控制系统基于PID算法实现排种器步进电机的转速闭环控制,通过标定模型对振动电机激振力和摩擦轮电机转速进行控制,并根据状态机设计播种控制程序。以3倍丸粒化稻种为对象,从播种量准确性、播种成行性和播种均匀性3个方面对样机的播种性能进行验证并优选合适的播种参数。试验结果表明:无人机模拟飞行的播种量准确性测试中,样机以1.0~2.5 m/s的作业速度进行播种时,播种量的平均相对误差小于4%,控制系统具有较好的动态调节能力。实地飞播测试中,样机以1.0和1.5 m的高度播种时,种子分布在12 cm种行宽度内的平均概率超过80%,成行性较好。考虑安全因素,优选1.5 m为样机的适宜作业高度。在作业高度为1.5 m,3倍丸粒化稻种的播种量为90~150 kg/hm2(对应裸种的播种量22.5~37.5 kg/hm2),作业速度为0.5~2.0 m/s时,播种均匀性变异系数为20.51%~35.52%。进一步分析发现,适当提升作业速度可提高播种均匀性。田间试验结果表明,播种量的相对误差分别为2.47%和4.12%,播种均匀性变异系数分别为22.17%和21.82%,种子破损率分别为0.34%和0.18%,满足相关标准的水稻飞播精度控制要求。研究结果可为无人机水稻直播技术提供参考。 相似文献
4.
中国农业航空植保产业技术创新发展战略 总被引:15,自引:27,他引:15
农业航空是现代农业的重要组成部分和反映农业现代化水平的重要标志之一。该文在分析中国农业现代化建设中对航空植保技术的需求及国内外航空植保发展现状的基础上,对中国航空植保产业体系进行了深入剖析。指出了制约中国农业航空植保产业发展的主要问题,包括现有农业航空政策法规体系不完善、配套核心科学技术研究不足、专业队伍人才匮乏、社会化服务体系不健全、与农业航空相适应的农田作业环境基础建设被忽略、制度上缺少支持农业航空发展的公益性安排等。并从提高航空植保作业适应性的多机型多作业方式、加大资金投入增强配套核心科学技术的攻关、以及出台有针对性的政策加强管理和规范等方面提出了大力推进中国农业航空植保产业快速健康发展的战略及对策建议。最后对未来3个五年计划内中国对航空植保技术的需求情况进行了预测。分析预测表明,中国农业航空产业是一个尚未真正启动的大产业,未来中国农业航空市场的需求将会有爆发性增长,拉动新增机型投入将达到465亿元以上。随着相关制度及配套核心技术的不断完善,中国农业航空产业必将得到健康、有序和高速发展,有利于实现农业病虫害统防统治,实现精准作业,极大地提速中国现代农业的进程。 相似文献
5.
6.
保证粮食安全是中国的基本国策。然而,在当前中国粮食作物生产过程中,植保仍以手工、半机械化操作为主。据统计,中国目前使用的植保机械以手动和小型机(电)动喷雾机为主,其中手动施药药械、背负式机动药械分别占国内植保机械保有量的93.07%和5.53%,拖拉机悬挂式植保机械约占0.57%,植保作业投入的劳力多、劳动强度大,施药人员中毒事件时有发生。据报道,广东省部分地区每天200元已请不到人工施药。目前国内农药用量越来越大,作业成本高,且浪费严重,资源有效利用率低下,作物产量和质量难以得到保障,同时带来严重的水土资源污染、生态系统失衡、农产品品质下降等问题,无法适应现代农业发展的要求。 相似文献
7.
久保田插秧机的GPS导航控制系统设计 总被引:13,自引:3,他引:13
将计算机技术、传感器技术、GPS技术和数据通讯技术等集成和融合,在久保田插秧机上开发了基于DGPS和电子罗盘的导航控制系统.论述了导航控制系统的结构和工作原理,提出了一种利用航向跟踪实现路径跟踪的控制方法.仿真和试验结果表明,该控制方法简单有效,导航控制系统可以控制插秧机按预定的路线行走.速度为0.75 m/s,直线路径跟踪时,平均误差0.04 m,最大误差0.13 m;速度为0.33 m/s,圆曲线路径跟踪时,平均误差0.04 m,最大误差0.087 m. 相似文献
8.
【目的】将UAV(Unmanned aerial vehicle)引入传统的WSN(Wireless sensor network)中,可给静态WSN系统带来移动性和灵活性。通过将UAV-WSN结合起来应用于农田信息监测,有效地扩展单个WSN的覆盖面积,增强网络的鲁棒性,解决静态WSN在恶劣的自然环境中被划分成无法有效通信的独立子网所带来的农田监测信息采集失败的问题。【方法】选择3个物理位置独立的地块构建分簇的WSN网络,将UAV-WSN结合起来,系统中的传感器节点采用休眠-唤醒-工作-休眠的工作周期,利用UAV上的移动采集节点与UAV飞行轨迹经过的地面上的独立子网交互并采集农田信息,通过移动节点携带的3G网络将农田信息传输到农田监测数据中心。【结果】地块间距离超过100 m、UAV飞行高度维持在10 m时,UAV-WSN网络能够较好地完成农田信息采集任务,UAV WSN的通信质量明显优于静态WSN的通信质量,地块1、2和3的平均链路消耗分别降低了约10%、27%和14%,平均丢包率降低了约24%、68%和29%。【结论】UAV-WSN结构的网络通信扩展了静态WSN的传输距离、提高了WSN系统的能量效率、延长了系统的生命周期,可以为大面积的平原或山地环境下的农田信息采集提供参考。 相似文献
9.
智慧农业是现代农业的发展方向,无人农场是实现智慧农业的重要途径。为了探索和推广无人农场在现代农业中的应用,华南农业大学对大田无人农场的关键技术进行了深入研究,包括无人农场作业环境、作业对象和作业机械装备信息的数字化感知技术;土地整治、耕整、种植、播种、田间管理和收获方案的智能化决策技术;农机自动导航和农机精准作业的精准化作业技术;农作物生长、农机运维和农场经营管理的智慧化管理技术。2020年在广东增城创建全球首个水稻无人农场,实现了五大功能,包括耕种管收生产环节全覆盖,机库田间转移作业全自动,自动避障异况停车保安全,作物生产过程实时全监控,智能决策精准作业全无人。取得了显著的经济、社会和生态效益,2021 年广东增城水稻无人农场种植的优质丝苗米十九香产量达到9934.35 kg/hm2,比当地的平均产量高32%;2023年湖南益阳千山红镇再生稻无人农场两季产量达到18625.5 kg/hm2,说明了人不下田也能种地,也能种好地。截至2023年11月,在国内15个省启动了 30 个无人农场的建设,包括水稻、小麦、玉米和花生4种作物,实践结果证明了无人农场和智慧农业发展的巨大潜力,为解决“谁来种地”和“如何种地”提供了重要途径。 相似文献
10.
基于电子鼻的果园荔枝成熟阶段监测 总被引:3,自引:6,他引:3
为了无损快速监测荔枝成熟阶段,该文提出了一种基于电子鼻技术的果园荔枝成熟阶段监测方法,采用PEN3电子鼻获取挂果约25 d到果实成熟过程中6个成熟阶段荔枝样本的仿生嗅觉信息并同步获取了各成熟阶段荔枝的3项物理特征(果实直径、果实质量与果实可溶性固形物含量)。根据不同成熟阶段荔枝物理特征变化可知,荔枝果实直径与果实质量2项物理指标在挂果约32 d~39 d,以及53 d~60 d增长较快,可溶性固形物含量在挂果约32 d前无法测量,53 d~60 d阶段增长速度较慢。提取各样本电子鼻采样数据75 s时刻的各传感器响应值作为特征值后,采用载荷分析(loadings)进行传感器阵列优化,优选了传感器R2、R4、R6、R7、R8、R9和R10的响应数据进行后续分析。将优化后的传感器响应数据进行归一化处理。采用线性判别分析(linear discriminant analysis,LDA)进一步提取特征信息,降低数据中包含的冗余信息。LDA对荔枝成熟阶段的分类识别效果不佳。为进一步探究电子鼻监测果园荔枝成熟阶段的可行性,采用模糊C均值聚类分析(fuzzy C means clustering,FCM)、k最近邻函数分析(k nearest neighbor,KNN)和概率神经网络(probabilistic neural network,PNN)进行模式识别。研究结果表明,FCM对果园荔枝成熟阶段识别的正确率为89.17%。采用KNN与PNN建立识别模型后,KNN与PNN识别模型对训练集的回判正确率均为100%,对测试集的识别率均为96.67%,具有较好的分类识别效果。试验证明了采用电子鼻进行果园荔枝成熟度监测的可行性,为果园水果品质的实时监测提供参考。 相似文献