基于高光谱SMPI法的草原地表微斑块识别与分类

草原地表微斑块特指在高光谱图像上荒漠化草原 鼠洞、裸土和植被所表现出的斑块。这些是评价草 原退化的重要指标。地表微斑块的识别与分类是基于遥感草原退化监测与评价研究的基础性 的工作,对草 原区域性规划、系统恢复与重建理起到至关重要的作用。由于高光谱采集及分析诸多方面的 原因,目前地 表微斑块高光谱的识别研究较少。本研究首次以荒漠化草原实地地表微斑块为研究对象采集 高光谱数据, 提出了SMPI法(Surface Mini-Patch Index,地表微斑块指数法),实现了草原地表微斑 块的高精度识别与 分类。研究结果表明,SMPI法可将荒漠化草原地表微斑块进行高精度识别与分类,通过Kapp a系数验证, 整体验证精度高于96%。此研究为无人机或低空遥感进行草原退化监测与定量反演提供了基 础。     

挟沙风作用下风力机叶片涂层冲蚀特性研究

内蒙古中西部地区高频出现沙尘暴活动,风力机叶片涂层长期被挟沙风冲蚀磨损,导致风力机叶片涂层出现冲蚀坑和裂纹,缩短风力机叶片寿命。针对这一问题,利用自制的挟沙风试验台,采用气流挟沙喷射法对以环氧玻璃纤维板为基底的风力机叶片涂层进行低角度加速冲蚀磨损试验,用失重测量法测定冲蚀磨损量与冲蚀速度的关系,用扫描电镜(SEM)观测分析涂层表面的冲蚀形貌来确定冲蚀机理,并提出涂层冲蚀磨损程度的评价计算公式。结果表明:涂层的冲蚀磨损量随着冲蚀速度的增大而增加;低角度冲蚀以微切削冲蚀磨损作用为主,材料的硬度起着决定性作用,高角度冲蚀主要以挤压变形冲蚀磨损为主,材料的韧性起决定性因素,由于聚氨酯涂层材料是塑性材料,其韧性高而硬度低,故在低冲蚀角下冲蚀磨损量大;验证了评价计算公式用于评价涂层冲蚀磨损程度的可靠性,为运行在风沙环境下的风力机叶片涂层的改进提供理论依据。     

基于多信道协作负载均衡的WSN路由

在无线传感网络中,节点的资源限制给路由协议的设计提出了挑战。在高数据率应用场景中,带宽和存储容量成为其主要问题。为此,提出基于多信道协作负载均衡算法(M-CoLBA)的路由协议来提升网络带宽,并避免因队列溢出导致的数据包丢失。M-CoLBA协议先利用拥塞感知的动态路由度量均衡流量负载,再依据队列时延选择下一跳转发节点。实验数据表明,与单一信道路由协议(S-CoLBA)和多信道协议(M-HopCount)相比,提出的M-CoLBA协议具有较高的数据包传递率。     

草地蝗虫吸捕机吹吸式吸嘴的设计

针对原草地蝗虫吸捕机采用直吸式吸嘴，吸捕率低。以度蝗虫在吸嘴内壁上撞击、破碎等问题，在对原直吸式吸嘴，特别是在对吹吸气流进行理论分析的基础上，结合蝗虫在吸捕时的跳跃躲避特性以度对蝗虫悬浮速度的实验测定，设计了吹吸式吸嘴，并对吹吸式吸嘴与直吸式吸嘴进行了对比试验。试验表明：（1）吹吸式吸嘴可将吸口气流速度从原来直吸的20m／s降低为现在的14m／s，可减轻后续设备的负荷。（2）与具有相同吸口气流速度的直吸式吸嘴相比，其轴向、径向吸捕距离分别延长到115～2倍。负压吸捕区增大到2～3倍，能够对更大范围内的蝗虫进行有效吸捕，提高吸捕率。（3）获得了影响回旋气幕形成各主要因素的合理参数，为草地蝗虫吸捕机的设计与改进提供了理论依据。     

三轮农用运输车手把和座位振动的测量及其信号分析

三轮农用运输车驾驶员工作时所承受的主要振动源自操作手把和座椅的振动,这些振动会对驾驶员造成不同程度的伤害。本文阐述了对该振动的测试方法并给出了所测样机振动信号的1／3倍频程加权分析结果。     

基于Pro/E的弧齿锥齿轮参数化造型

介绍了Pro/E环境下实现弧齿锥齿轮三维参数化造型的方法及步骤.其中球面坐标的应用,曲面片建立以及曲面实体化的操作.利用if-end if判断语句对基圆锥小于和大于齿根圆锥的两种情况分析处理的方法很重要,此种方法和技巧将对其它的复杂曲面零件的三维参数化设计提供了有益的经验,能更好为后续的动态仿真、干涉检验、有限元分析及NC加工服务.     

基于迁移学习的钢金相组织分类与识别方法的研究

金相检验是分析钢内部组织的常用方法,其中检验图像由人工判别,容易受到主观因素的影响而造成结果的不确定.近年来,深度学习(Deep learning,DL)方法中的卷积神经网络(Convolutional neural networks,CNN)能从原始图像中学习复杂的特征,在图像分类与识别领域得到了广泛的应用.CNN建模需要大量的训练样本才能达到较好的泛化能力,材料科学与工程领域针对具体问题的数据集往往较小,不能满足CNN建模的条件,制约了DL在材料领域的应用.本研究基于lmageNet数据集预训练VGG19模型,对火力发电机组耐热钢金相检验图像进行识别,采用冻结全部卷积层权值和微调部分卷积层权值两种迁移学习方法,可以克服金相图像数据集较小的问题,实现小样本数据集的深度学习建模,两种方法的准确率分别为92.5％和94.2％.微调方式的迁移学习CNN模型具有较快的收敛速度、较高的训练精度与泛化能力,能够对金相组织图像进行较为准确的分类与识别,是一种智能的钢金相组织识别方法,也是自动化分类与识别钢金相组织的一种新方法.     

一种基于数学形态学及融合技术的彩色图像分割方法

提出了一种新的彩色图像分割方法,该方法首先利用数学形态学在3个2维彩色子空间进行图像分割,然后将这些分割结果融合在一起得到最终图像的分割。对于RGB彩色图像,3个子空间分别取为RG、RB和GB。而2维直方图则可看作3维直方图在这3个子空间的投影,对这3个2维直方图分别实施形态学中的watershed分割算法,最后通过区域分裂与合并的方法融合这3个2维空间的图像分割结果,获得最终的图像分割。在计算彩色距离时,使用了CIE（L’a’b’）彩色空间。该方法比直接在3维空间的分割方法既快又节约内存,而且分割效果好。     

基于邻域聚合与深度学习的小样本荒漠草原物种分类

随着气候变化和人类活动的影响,内蒙古草原逐渐荒漠化。为了解决传统地面调查的局限性,以及高光谱数据小样本分类难的问题。本文利用无人机(unmanned aerial vehicle, UAV)高光谱遥感技术对荒漠草原物种进行数据采集,并提出一种邻域聚合算法结合深度学习的小样本分类方法。首先,通过遗传算法(genetic algorithm, GA)与最佳指数因子(optimum index factor, OIF)对高光谱数据进行波段选择;其次,构建高光谱数据邻域特征,采用邻域聚合算法对其进行邻域特征融合;最后,采用多层感知机(multilayr perceptron, MLP)对融合后的特征进行分类。结果表明,邻域聚合算法在每类地物只有10个样本的情况下总体精度可达93.41%,Kappa系数为0.912 0;并与SVM和多种深度学习模型对比,邻域聚合算法计算效率高、模型大小最小、分类精度最高。该方法的提出,满足草原物种识别要求,为草原生态系统的动态监测提供新方法。     

数学形态学梯度算子检测铸铁金相图像边缘

金相图像处理是进行定量分析的前提,将金相图像中的目标物正确的提取出来对定量分析起着重要的作用.利用同态滤波器对亮度不均匀的铸铁金相图像进行滤波,校正因反射光强引起的亮度不均匀现象.基于数学形态学梯度算子提出新算法,利用预先定义的结构元素对图像中石墨边缘进行提取,之后经过后处理再进行填充.实验结果表明,该方法在保证石墨边缘的同时可以抑制噪声,能够有效提取出石墨的边界.