基于VAR模型的PM2.5与其影响因素动态关系研究——以西安市为例

大气污染与雾霾天气已严重危害公众健康,影响了社会与经济的正常秩序.基于向量自回归(VAR)模型,综合运用广义脉冲响应函数和方差分解方法,利用西安市2013年1月1日-2014年12月31日空气质量和气象因素的相关数据,分析PM2.5与其影响因素动态关系,探讨其它大气污染物和气象因素对PM2.5的影响作用.实证研究表明:西安市PM2.5与其影响因素构成的动态系统是稳定的;一氧化碳、二氧化硫、臭氧和气温的正向变动会引起PM2.5浓度增加,风速和降水量的正向变动则会引起PM2.5浓度降低.建议将综合治理与专项治理措施相结合,保持政策持续性和协调性.     

基于语义分割网络的植保机器人视觉伺服控制方法

为实现稳定可靠的植保机器人视觉伺服控制,提出了一种基于语义分割网络的作物行特征检测方法。基于语义分割网络ESNet实现农田场景图像像素级带状区域检测,并利用最小二乘算法拟合得到每条行作物线特征;在此基础上通过设计一种主导航线提取算法获取导航路径,并利用卡尔曼滤波对主导航线几何参数进行平滑处理,有效抑制了不平整地面导致的机器人运动颠簸与视觉图像测量噪声引起的导航参数波动。继而构建机器人前轮转向、后轮差速的阿克曼运动学模型;在图像空间坐标下设计纯追踪控制器实现植保机器人的伺服运动控制。大田环境下的现场实验结果为：总体横向偏差为0.092m,验证了本文方法的有效性。