含除草剂非织造布的研制及其技术规范

含除草剂非织造布兼有防草和保温作用 ,是一种用于农业生产的浮面覆盖材料。本试验研究的滴渗法涂药工艺为设施农业提供了低污染技术 ,并提出了含除草剂非织造布的生产和使用技术规范。     

草坪杂草的综合治理

本文阐述了草坪杂草综合治理的概念,措施,意义以及目前存在的问题。运用生态系统的观点是草坪杂草综合治理的核心。种植或引进适宜于本地气候生长的优良草坪品种（包括当地种和外来种）,以及研究草坪杂草的群落结构和主要杂草的发生规律,创造一个有利于草坪品种生长发育,提高草坪品种的抗逆性,而不利于杂草生长发育的环境是草坪杂草综合治理的基础;生物防除有待于开发和研究;加强植物检疫是防止危险性杂草传播的有效手段;化     

一种医用肠道机器人的理论分析与试验研究

提出一种结构简单的医用肠道机器人的驱动机构。利用弹性流体动压润滑理论,详细分析计算了肠道机器人在不同弹性模量、不同半径和不同粘液粘度的肠道内的轴向运行速度和形成的粘液膜厚度。结果表明,此种肠道机器人能以较快速度在肠道内悬浮运行。上述分析结果已被肠道试验研究所证实。     

嗪草酸甲酯杀草谱及对大豆田阔叶杂草防除效果

采用室内盆栽法测定了除草剂嗪草酸甲酯对24种杂草的活性,田间试验研究了嗪草酸甲酯对大豆安全性和对田间杂草除草效果。试验结果表明：嗪草酸甲酯在15～20ga．i./hm^2剂量下于温室内茎叶处理对反枝苋、苍耳等阔叶杂草防效在90％以上,。对禾本科杂草和鬼针草等部分阔叶杂草防效在60％以下;在12～15ga．i．／hm^2。剂量下于田间茎叶处理对苘麻、藜的防效可达90％以上,对鸭跖草等有一定的抑制作用。产生的触杀性药害没有影响大豆正常生长。     

10%单嘧磺隆WP防除春小麦田杂草

在青海不同生态区春小麦田间试验,10％单嘧磺隆WP300g／hm^2对水450kg于小麦4叶～4叶1心期喷雾,海拔高度、土壤类型不同,麦田杂草优势种群各异,除草效果存在差异。以藜为优势种的小麦田,建议与2,4-滴丁酯混配使用。     

基于非下采样Shearlet和FCM变化检测的入侵植物遥感监测

尝试利用变化检测技术从遥感卫星影像上提取入侵植物蔓延的变化区域,实现对入侵植物的遥感监测。以预处理后的福建罗源湾2000年和2006年的LandsatTM／ETM＋分布影像为数据源。首先采用ENVI软件对预处理过的入侵植物互花米草分布的遥感图像进行配准;然后对配准后的两时相遥感图像采用基于非下采样Shearlet变换和模糊C均值聚类（FCM）的算法进行变化检测,实现入侵植物蔓延区域的位置和边界的检测。实验结果表明：该算法可以自动识别入侵植物生长扩散的的面积和边界,能准确地对入侵植物进行遥感监测。     

一种基于可见光巡检图像的杂草智能识别方法

目前电力巡检主要是采用无人机巡检的方式,针对无人机巡检获取的图像识别过程中,电力设备旁的杂草可能会造成安全隐患,需要对图像中的杂草进行识别。针对电力巡检的场景,提出了一种基于可见光巡检图像的杂草智能识别方法,以可见光巡检图像中杂草的特征为基础,结合卷积神经网络方法,解决可见光巡检图像中电力设备附近的杂草识别问题。通过对图像进行样本数据增广和预处理,接着引入区域生成网络,再对图像提取固定个数候选框的图像特征,和改进的图像分类网络连接在一起,得到最终的卷积神经网络模型。实验表明其准确率可以达到97.98%,检测一幅600×600大小图像需要花费的平均时间约为0.256 s,在保证了准确率的同时达到了高效识别的要求。     

野草猴群算法的传感器优化布置方法研究

简易猴群算法存在初始化分布随机、爬步长固定、优秀猴子特征信息不能传承等缺陷,使算法求解性能受限。为解决以上问题,提出了一种用于传感器优化布置的野草猴群算法。该算法利用正态分布方法提高初始种群的多样性;采取自适应爬步长提升求解速度和搜索精度;融入野草繁殖进化和竞争排斥机制,扩大后代种群繁殖中优秀猴子的影响范围。以常用的模态置信度矩阵为传感器优化布置的目标函数,配置传感器的布置位置。以常用的8个测试函数和3个常用算法对其进行分析,验证了算法的可行性和有效性。最后以糊底机涂胶机构为例,进行传感器优化布置方案选择。实验结果表明,野草猴群算法的求解精度较简易猴群算法有大幅提高。     

基于杂草算法优化的轴承时频谱图聚类识别研究

针对KFCM算法对初始聚类中心敏感导致聚类效果不好等问题,提出一种基于杂草算法(IWO)优化的模糊核聚类算法(IWO-KFCM),将其运用于轴承时频谱图的状态识别.通过小波变换获取轴承运行状态的时频图像,利用灰度梯度共生矩阵提取图像的纹理特征,提出基于可分性测度构造IWO算法的适应度函数;将IWO算法优化获取的初始聚类...     

基于神经网络的杂草图像分割算法

在自动除草系统中优化杂草图像分割算法是降低识别误差的有效途径,为此提出了一种基于神经网络的分割算法。首先由训练样本统计出植被和背景在RGB颜色空间的分布概率,接着通过Bayes理论得出最优分割曲面训练BP神经网络,再通过BP神经网络将各种颜色分为植被和背景两类,并据此分割杂草图像。与其他三种杂草图像分割算法比较,新方法以颜色代替像素点为研究对象并据此构造最优分割曲面从而减小了分割误差并具备较好的泛化能力。