采棉机器人的研究现状及关键技术

对国内外机械化采棉技术的研究现状进行了综述,构建出了基于计算机视觉的智能型采棉机器人原型系统,分析了采棉机器人的应用价值.同时,介绍了采棉机器人的作业环境和工作对象的特殊性,总结了采棉机器人所涉及的关键技术,包括采棉机器人本体的优化设计、棉花的自动识别和分类以及路径规划和运动控制技术等,最后指出了目前应用采棉机器人存在的主要问题并提出相应对策.     

黑龙江省农业经济增长方式转变的实证分析

在分析农业经济增长理论的基础上，运用算术指数法得到黑龙江省农业的全要素生产率。依据全要素生产率对黑龙江省农业改革以来的增长方式做了定量描述，从实证分析的角度，考察各种要素投入的增长及其对农业经济增长的贡献，衡量改革以来科技进步在黑龙江省农业生产中的状况和作用，进而描述黑龙江省农业经济增长方式的演进过程，为黑龙江省确定今后加快实现农业经济增长方式转变的政策和战略提供参考依据。     

属性识别模型在水利水电规划方案综合优选中的应用

针对目前水利水电规划方案综合优选方法中存在的问题，提出了基于变异系数权重的水利水电规划方案综合优选属性识别模型。该模型采用反映评价指标特征值之间差异性的参数——变异系数作为评价指标的权重，减小了权重确定的主观性，且模型求解方法简单易学。实例分析表明，这一模型和方法是合理、可行的。     

小水电站峰谷电量计算方法初探

为了正确评价小水电站的经济性,提高其设计质量,提出了一种较好的峰谷电量计算方法。首先,在指出常规计算方法没有要求计算日调节库容的弊病的基础上,提出了采取从调节库容中预留出足够的日调节库容的改进方法。接着,确定了一种较好的日调节库容计算方法。最后,给出了4种不同类的峰谷电量计算公式。     

陈垓引黄灌区渠系优化配水研究

该文以系统工程的原理方法,结合山东省陈垓引黄灌区北二干渠系统实际情况,分别以灌溉净效益最大和轮灌时间最短为目标,建立了作物最优种植面积和渠系优化配水模型,应用计算机求解,取得了满意的作物优化布局和优化配水成果。实践证明,本项成果在节水、灌溉增产、提高灌区科学管理水平等方面都有着十分重要的作用。     

增压器转速适应性测量方法

提出一种以采集卡为测量平台的增压器转速测量方法。系统以软件方式实现了随转速变化进行自适应调整的数字滤波，给出一种基于转速信号极值点的周期识别方法。分析和实验结果表明，该方法能够在增压器转速信号受外界干扰而偏离的情况下，在较宽的范围内实时测量增压器转速。     

神农架地区区域景观格局时空变化分析

神农架生态环境特殊、生物多样性丰富,是中国乃至全球生物多样性重点保护地区之一。同时,作为中国中部生态旅游热点地区,神农架生物多样性保护也面临严峻的挑战。本研究通过对神农架地区2000年、2010年和2020年的landsat 5、landsat 8遥感影像数据(30 m×30 m分辨率)进行解析,获得了这3个不同时期研究区的耕地、林地、灌草地、湿地、水体和建设用地等6种不同景观类型的分布图及不同景观类型的时空动态变化特征。结果表明：在这20年内,神农架的主体景观森林得到了较好地保护,面积基本保持了动态平衡,耕地面积也基本稳定,建筑用地和水体显著增加,而灌草地则显著减少,湿地在2010～2020年也显著减少;且不同景观类型之间的变化幅度在2000～2010年要显著大于2010～2020年。因此,在未来应该注意加强对该地区灌草地及湿地的保护,并严格限制建设类项目。本研究的结果能够为神农架地区的生态系统及生物多样性保护策略的制定提供一定的参考。     

知识产权对接中小企业模式研究

知识产权是企业核心竞争力的重要来源,特别是中小企业发展壮大的有效手段,因此中小企业亟须提升知识产权创造、运用、保护和管理能力.实施中小企业对接知识产权模式的有效途径是:企业进一步提高对知识产权的认识与自主创新能力,加快知识产权人才培养;同时政府要在知识产权交易、服务、运用和产权保护等方面发挥主导作用.     

基于双池化与多尺度核特征加权CNN的典型牧草识别

针对自然背景下牧草难识别的问题,提出一种基于双池化与多尺度核特征加权的卷积神经网络牧草识别方法。双池化特征加权结构通过将卷积层输出的特征图分别进行最大值池化和均值池化得到两组特征图,引入特征重标定策略,依照各通道特征图对当前任务的重要程度进行加权,以增强有用特征、抑制无用特征;多尺度核特征加权结构通过在卷积层中同时使用3×3和5×5两种卷积核,并将网络的前几层特征复用后进行加权,以提高重要特征的利用率。对10类牧草图像进行识别实验,结果表明,该方法识别率为94. 1%,比VGG-13网络提高了5. 7个百分点,双池化与多尺度特征加权有效提高了牧草识别精度。     

基于PCA-GA-SVM的甘蔗收获机运行状态识别

由于甘蔗收获机在收获过程中智能化水平较低,依靠人工操作很容易对甘蔗收获机的运行状态产生误判,从而造成物流通道堵塞、能源浪费、收割效率低。针对这些问题,提出一种基于主成分分析(PCA)、遗传算法(GA)和支持向量机(SVM)状态识别模型。首先,通过实地采集甘蔗收获机刀盘轴、行走轴、切段轴和风机轴扭矩和行驶速度特征信息,然后通过PCA进行数据降维,最后利用GA优化参数C、γ,使用每个特性信息来训练SVM,对甘蔗收获机运行状态进行分类。结果表明:PCA-GA-SVM状态识别模型对甘蔗收获机运行状态的识别准确率为93.75%,建模时间为3.688 s,与SVM(81.25%,9.487 s)、PCA-SVM(87.5%,5.817 s)和GA-SVM(90%,8.969 s)进行对比,该模型具有最高准确识别率和最快建模速度,具有较大的应用价值。