检索结果-内蒙古大学图书馆

农业机械学报 2023年第2期54卷 450-458页

作者：徐道春吕明青邵珠峰陈涵玉胡益玮王传英北京林业大学工学院北京100083 北京林业大学林业装备与自动化国家林草局重点实验室北京100083 清华大学摩擦学国家重点实验室北京100084 清华大学精密超精密制造装备及控制北京市重点实验室北京100084 济南二机床集团有限公司济南250022

为使伺服压力机具有良好的拉深性能,需要对其轨迹进行合理规划。针对六连杆大型伺服压力机,构建一种主传动机构轨迹规划方法。基于库伦-粘性摩擦模型,建立主传动机构的高精度动力学模型。考虑冲压过程中的工艺约束和要求,提出基于复合... 详细信息

为使伺服压力机具有良好的拉深性能,需要对其轨迹进行合理规划。针对六连杆大型伺服压力机,构建一种主传动机构轨迹规划方法。基于库伦-粘性摩擦模型,建立主传动机构的高精度动力学模型。考虑冲压过程中的工艺约束和要求,提出基于复合三角函数的伺服电机加减速控制的改进模型。针对主传动机构的能耗和效率进行分析,以滑块运动的周期能耗和生产节拍为优化指标,通过线性加权的方式构造多目标优化函数,引入机械手送料时间、滑块最大速度、主动件角速度、伺服电机动态限和热极限等约束,采用遗传算法完成了多目标优化设计。结果显示:优化后,伺服压力机主传动机构在一个周期的能效提升4.54%,生产节拍时间减小3.23%,实现了良好的拉深工艺模式。

关键词：伺服压力机轨迹规划库伦-粘性摩擦模型加减速控制多目标优化

来源：评论

学校读者我要写书评

暂无评论

基于无人机航拍图像与改进IntegrateNet的稠密云杉计数

引用

农业工程学报 2023年第18期39卷 74-81页

作者：才嘉伟陈锋军朱学岩彭小丹林剑辉顾梦梦北京林业大学工学院北京100083 城乡生态环境北京实验室北京100083 林业装备与自动化国家林业局重点实验室北京100083 科罗拉多州立大学园艺与景观建筑系柯林斯堡80523

苗木数量统计和库存管理对于大型苗圃经营和管理十分重要。该研究针对种植稠密的云杉地块,以无人机航拍云杉图像为对象,提出一种改进IntegrateNet模型,实现稠密云杉的准确计数。选择对稠密目标识别性能好的IntegrateNet为基础模型,根据... 详细信息

苗木数量统计和库存管理对于大型苗圃经营和管理十分重要。该研究针对种植稠密的云杉地块,以无人机航拍云杉图像为对象,提出一种改进IntegrateNet模型,实现稠密云杉的准确计数。选择对稠密目标识别性能好的IntegrateNet为基础模型,根据稠密云杉粘连严重以及杂草背景干扰进行改进,首先使用自校正卷积(self-calibrated convolutions,SCConv)提高卷积感受野,增强模型对于不同尺寸云杉的适应能力。其次,在特征融合处应用十字交叉注意力机制(criss-cross attention,CCA)提高模型对上下文信息的提取能力。以平均计数准确率(mean counting accuracy,MCA)、平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)和决定系数R2为评价指标。分析结果表明,改进IntegrateNet模型在181幅测试集上的平均计数准确率,平均绝对误差,均方根误差,决定系数分别达到98.32%,8.99株、13.79株和0.99,相较于TasselNetv3_lite、TasselNetv3_seg和IntegrateNet模型,平均计数准确率分别提升16.44、10.55和9.26个百分点,平均绝对误差分别降低25.62、10.45和6.99株,均方根误差分别降低48.25、13.84和12.52株。改进IntegrateNet模型能够有效提高稠密云杉的计数准确率,可为完善苗木数量统计系统提供算法基础。

关键词：无人机图像处理目标计数稠密云杉改进IntegrateNet

来源：评论

学校读者我要写书评

暂无评论

竹叶片氮含量高光谱估测方法对比研究

引用

农业机械学报 2018年第S1期49卷 393-400页

作者：郑一力赵燕东董玮尘兴灿李逸新北京林业大学工学院北京100083 北京林业大学城乡生态环境北京实验室北京100083 林业装备与自动化国家林业局重点实验室北京100083

为实现快速无损检测竹叶片氮含量,采用波长范围为350~2 500 nm的地物光谱仪获取竹叶片光谱数据,以金镶玉竹叶片为样本,对其进行高光谱分析。将高光谱原始反射率及其一阶微分、对数一阶微分和二阶微分值,与化学法测量的竹叶片氮含量值进... 详细信息

为实现快速无损检测竹叶片氮含量,采用波长范围为350~2 500 nm的地物光谱仪获取竹叶片光谱数据,以金镶玉竹叶片为样本,对其进行高光谱分析。将高光谱原始反射率及其一阶微分、对数一阶微分和二阶微分值,与化学法测量的竹叶片氮含量值进行了相关性分析,分别获得了不同微分变化下的特征波段;基于微分变换后的高光谱反射率数据,分别采用二元线性回归、多元逐步回归、偏最小二乘回归和基于主成分分析的BP神经网络方法,建立了4种金镶玉竹叶片的氮含量高光谱估测模型。对比4种估测模型的校验结果表明,在光谱反射率的对数一阶微分变换下,采用拓扑结构为6-10-1的基于主成分分析的BP神经网络估测模型,校验环节决定系数为0. 838,均方根误差RMSE为0. 045 2,具备较好的竹叶片氮含量估测效果。

关键词：竹叶片氮含量高光谱二元线性回归多元逐步回归偏最小二乘回归

来源：评论

学校读者我要写书评

暂无评论

基于LSTM和GRU模型的森林物候预测研究

引用

Journal of Resources and Ecology 2023年第1期14卷 25-34页

作者：关鹏郑一力北京林业大学工学院北京100083 北京城乡生态环境实验室北京100083 国家林业局林业装备与自动化重点实验室北京100083

森林物候是研究气候与环境变化之间关联的重要参量。本研究将光学相机作为近地遥感卫星设备获取森林图像,计算出绝对绿度指数(GEI)数据,通过双逻辑斯蒂模型和归一化处理方法,拟合GEI数据物候季节变化曲线;引入LSTM和GRU深度学习模型对... 详细信息

森林物候是研究气候与环境变化之间关联的重要参量。本研究将光学相机作为近地遥感卫星设备获取森林图像,计算出绝对绿度指数(GEI)数据,通过双逻辑斯蒂模型和归一化处理方法,拟合GEI数据物候季节变化曲线;引入LSTM和GRU深度学习模型对物候数据进行训练和测试分析,并验证深度学习模型合理性和性能评估,最后预测GEI数据未来60天变化趋势。结果表明:在森林物候训练和预测方面,GRU与LSTM模型经直方图和自相关图验证,显示预测数据分布与真实数据趋势吻合,LSTM与GRU模型呈现的结果数据具有可行性且模型具有平稳性;LSTM模型与GRU模型的MSE、RMSE、MAE和MAPE差值分别为0.0014、0.013、0.008和5.26%,GRU模型的性能优于LSTM;LSTM与GRU模型对GEI数据未来60天预测,均表现出与上半年GEI数据变化趋势相符合的走势图;通过GRU和LSTM对GEI数据进行深度学习模型预测,实现LSTM和GRU深度学习模型在森林物候预测中的响应,同时验证了GRU性能优于LSTM模型,从而进一步揭示未来森林物候的生长和气候变化,为森林物候预测的应用提供理论依据。

关键词：森林物候绝对绿度指数 LSTM模型 GRU模型预测

来源：评论

学校读者我要写书评

暂无评论

太赫兹光谱识别木材的影响因素研究

引用

电子测量与仪器学报 2021年第5期35卷 161-167页

作者：赵磊王远周南贾培兴北京林业大学工学院北京100083 林业装备与自动化国家林业和草原局重点实验室北京100083 天津大学精密测试技术及仪器国家重点实验室天津300072

径向变异和不同切面是影响太赫兹光谱识别木材的重要因素。为了探讨径向变异和不同切面对太赫兹光谱识别木材的影响,利用太赫兹时域光谱技术获取杉木和柳杉样品的太赫兹光谱数据,共600组木材光谱数据,分析太赫兹光谱,基于BP神经网络建... 详细信息

径向变异和不同切面是影响太赫兹光谱识别木材的重要因素。为了探讨径向变异和不同切面对太赫兹光谱识别木材的影响,利用太赫兹时域光谱技术获取杉木和柳杉样品的太赫兹光谱数据,共600组木材光谱数据,分析太赫兹光谱,基于BP神经网络建立木材识别模型,比较模型预测的正确率。发现木材样品太赫兹光谱因为径向变异和不同切面而存在差异,预测样品与建模样品径向部位相同时和不同时的模型预测正确率差异较小,最高正确率达到96.25%,预测样品与建模样品切面相同时和不同时的正确率差异较大。结果表明,基于太赫兹时域光谱技术能够准确实现木材识别,径向变异对木材识别影响较小,不同切面对木材识别影响较大。

关键词：木材识别太赫兹时域光谱径向变异不同切面 BP神经网络

来源：评论

学校读者我要写书评

暂无评论

基于CT图像的土壤孔隙结构重构

引用

农业机械学报 2018年第S1期49卷 401-406页

作者：赵玥刘雷韩巧玲赵燕东北京林业大学工学院北京100083 城乡生态环境北京实验室北京100083 林业装备与自动化国家林业局重点实验室北京100083

土壤孔隙的几何结构和空间特征决定了土壤的透气性和保水性,对土壤功能多样性和生态修复具有重要影响,但现有对土壤孔隙的研究中,缺乏可直观性和定量性对孔隙特征进行描述的工具和方法。针对这一问题,本文采用基于面绘制的移动立方体法(... 详细信息

土壤孔隙的几何结构和空间特征决定了土壤的透气性和保水性,对土壤功能多样性和生态修复具有重要影响,但现有对土壤孔隙的研究中,缺乏可直观性和定量性对孔隙特征进行描述的工具和方法。针对这一问题,本文采用基于面绘制的移动立方体法(Marching cubes,MC)和基于体绘制的光线投射法(Ray casting,RC)还原土壤孔隙的几何形态和空间分布。以单个孔隙和不同孔隙密集程度的土壤孔隙CT图像为应用对象进行实验,结果表明,2种算法的重构效果均不受土壤样本孔隙密集程度的影响。其中,MC算法重构出的孔隙结构存在边界锯齿化和缺失的现象,且其孔隙体积也小于实际情况;而RC算法重构的孔隙轮廓清晰,结构真实,可完整地呈现出孔隙结构的细节信息。为进一步评价2种算法的重构性能,采用模型品质、绘制速度和内存消耗3个指标进行实验结果的比较分析。结果表明,MC算法存在二义性的不足,使得孔隙结构存在一定程度的失真,重构的孔隙模型质量一般,但由于其只针对表面体素进行重构,因而具有较快的绘制速度和较小的内存消耗;而RC算法采用为每个体素分配不透明度和光强的方法来合成模型,避免了MC算法的缺点,能够保持孔隙模型的细节信息,但由于其重构过程中所有体素点都参与运算,使得其绘制速度较慢,内存占用较大。通过对模型品质、绘制速度和内存消耗3个指标的综合分析,RC算法更加适用于土壤孔隙的三维重构,不仅为土壤孔隙的可视化分析提供了一种较为先进的方法,也为研究土壤水分和养分的运移以及空气的交换奠定了技术基础。

关键词：土壤孔隙结构三维重构 CT图像移动立方体法光线投射法

来源：评论

学校读者我要写书评

暂无评论

基于K-SVD基的林区监测站数据采集方法研究

引用

农业机械学报 2018年第S1期49卷 365-371页

作者：赵玥谢辉平高超赵燕东北京林业大学工学院北京100083 林业装备与自动化国家林业局重点实验室北京100083 城乡生态环境北京实验室北京100083

基于K-SVD字典学习算法(K-singular value decomposition,K-SVD)的压缩感知技术应用在林区微环境监测站中,可极大地减少数据传输数量,从而降低监测站的使用能耗,延长监测站的使用寿命。本文选用空气温度作为实验对象,验证算法的可行性,... 详细信息

基于K-SVD字典学习算法(K-singular value decomposition,K-SVD)的压缩感知技术应用在林区微环境监测站中,可极大地减少数据传输数量,从而降低监测站的使用能耗,延长监测站的使用寿命。本文选用空气温度作为实验对象,验证算法的可行性,并与前人提出的基于离散傅里叶变换基(Discrete fourier transform,DFT)的压缩感知方法进行对比实验。实验结果表明,当稀疏度k相同时,K-SVD算法的平均稀疏化误差始终小于DFT算法,且误差分布范围更加集中;当稀疏度和压缩率均相同时,K-SVD算法的平均重构误差也始终小于DFT算法,且误差分布范围更加集中。在林区微环境监测站中,K-SVD算法具有更好的稀疏表示性能以及重构性能,在降低相同系统能耗的同时,也降低了数据传输的误差。

关键词：微环境监测站压缩感知 K-SVD 字典学习稀疏表示

来源：评论

学校读者我要写书评

暂无评论

基于无人机可见光图像的云杉计数方法

引用

林业工程学报 2021年第4期6卷 140-146页

作者：朱学岩张新伟顾梦梦赵燕东陈锋军北京林业大学工学院北京100083 城乡生态环境北京实验室北京100083 德州农工大学园艺系大学城77843 林业装备与自动化国家林业和草原局重点实验室北京100083

目前苗木计数一般通过传统人工计数的方法完成,工作重复枯燥,主观性强,亟需快速准确的苗木计数替代方法。以无人机航拍的云杉可见光图像为对象,通过深度学习技术研究快速准确的云杉计数方法。利用大疆精灵4无人机拍摄云杉图像,按多样性... 详细信息

目前苗木计数一般通过传统人工计数的方法完成,工作重复枯燥,主观性强,亟需快速准确的苗木计数替代方法。以无人机航拍的云杉可见光图像为对象,通过深度学习技术研究快速准确的云杉计数方法。利用大疆精灵4无人机拍摄云杉图像,按多样性原则选出558幅;通过调整对比度系数和缩放比例系数,模拟不同光照条件和不同长势的云杉,扩充至1 674幅,按照7∶3的比例划分为训练集1 169幅和测试集505幅。在此基础上,根据YOLO v3(You Only Look Once v3)快速准确检测尺寸差异较大目标的优势,构建了YOLOv3云杉计数模型。根据经验设置训练权值衰减、初始学习率和批处理量分别为0.000 5,0.001和64。其中Darknet-53特征提取模块和多尺度预测模块分别提取云杉特征信息和检测云杉目标,检测到的云杉数量即为云杉计数结果。YOLOv3模型的平均计数准确率为90.24%,均方根误差45.82,欠估计、过估计和总误差分别为15.47%,19.25%和34.72%,处理速度0.415 s/幅。对比全卷积神经网络(fully convolutional networks, FCN)分割加Hough圆检测方法,YOLOv3模型平均计数准确率高出2.49%,均方根误差、欠估计、过估计和总误差分别减少29.32,6.7%,5.7%和12.4%。研究结果表明,YOLOv3模型是对计算机视觉角度云杉计数问题的有效探索。

关键词：苗木计数云杉计数深度学习无人机稠密目标 YOLOv3

来源：评论

学校读者我要写书评

暂无评论

小型集材挂车满载工况下的有限元建模与分析

引用

森林工程 2024年第3期40卷 170-177页

作者：韩东涛马跃威刘晋浩崔小青呼伦贝尔学院内蒙古呼伦贝尔021000 北京林业大学工学院北京100083 国家林业和草原局林业装备与自动化重点实验室北京100083

小型集材挂车于林间作业存在多种工况,包括满载弯曲、满载扭转、紧急制动和急速转弯。为解决挂车在满载工况下车载系统的可靠性与安全性较差的问题,建立小型集材挂车的三维装配模型,进行静态分析。通过有限元分析,研究挂车在4种典型工... 详细信息

小型集材挂车于林间作业存在多种工况,包括满载弯曲、满载扭转、紧急制动和急速转弯。为解决挂车在满载工况下车载系统的可靠性与安全性较差的问题,建立小型集材挂车的三维装配模型,进行静态分析。通过有限元分析,研究挂车在4种典型工况下的结构变形和应力分布。研究表明,满载弯曲工况下,最大位移为4.5177 mm,最大应力为115.19 MPa,安全系数为3.08;满载扭转工况下,最大位移为0.98448 mm,最大应力为71.929 MPa,安全系数为4.935;满载制动工况下,最大位移为4.9946 mm,最大应力为120.05 MPa,安全系数为2.957;紧急转弯工况下,最大位移为4.3658 mm,最大应力为104.64 MPa,安全系数为3.39。结果显示研究设计的小型集材挂车在林间作业时满载工况下稳定性较强,确保木材的可靠采集和运输。基于该结果可进一步优化挂车设计和性能,以适应不断变化的需求和环境要求。

关键词：小型集材挂车 ANSYS仿真集材工况林木集材结构稳定性分析材料力学

来源：评论

学校读者我要写书评

暂无评论

基于改进ResNet的植物叶片病虫害识别

引用

中国农机化学报 2021年第12期42卷 175-181页

作者：曹跃腾朱学岩赵燕东陈锋军北京林业大学工学院北京市100083 城乡生态环境北京实验室北京市100083 林业装备与自动化国家林业局重点实验室北京市100083

轻量化植物叶片病虫害识别算法设计是实现移动端植物叶片病虫害识别的关键。研究提出一种基于改进ResNet模型的轻量化植物叶片病虫害识别算法Simplify-ResNet。以人工采集图像和PlantVillage数据集图像为实验数据,根据移动端植物病虫害... 详细信息

轻量化植物叶片病虫害识别算法设计是实现移动端植物叶片病虫害识别的关键。研究提出一种基于改进ResNet模型的轻量化植物叶片病虫害识别算法Simplify-ResNet。以人工采集图像和PlantVillage数据集图像为实验数据,根据移动端植物病虫害识别对准确率、速度和模型大小的实际需求,改进ResNet模型。使用5䦆Wingdings 2MC@5卷积替代7䦆Wingdings 2MC@7卷积,采用残差块的瓶颈结构代替捷径结构,采用模型剪枝处理训练后的模型。通过测试集5 786幅图像测试Simplify-ResNet模型,证明5䦆Wingdings 2MC@5卷积和残差块的瓶颈结构可有效降低模型参数量,模型剪枝可有效降低训练后的模型大小。Simplify-ResNet模型对测试集图像的识别准确率为92.45%,识别时间为48 ms,内存大小为36.14 Mb。与LeNet、AlexNet和MobileNet等模型相比,其准确率分别高18.3%,7.45%和1.2%。为移动端植物病虫害识别解决最重要的算法设计问题,为移动端植物病虫害识别做出有益探索。

关键词：图像处理病虫害图像识别卷积神经网络模型剪枝

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：