基于插值NURBS曲面的马铃薯叶片3维重建

随着计算机虚拟技术的迅速发展,虚拟作物技术已成为水稻、小麦、玉米等农作物生长发育状况研究的重要工具.现有关于农作物叶片3维重建的研究主要关注叶片的正面表面,而忽略了背面构造.该文针对农作物叶片3维重建问题,选取马铃薯叶片作为研究对象.首先,利用马铃薯叶片的实测数据和标记数据,结合非均匀有理B样条(NURBS)曲面重构技术,通过控制点的反算方法及权重因子插值曲面算法,确定插值NURBS曲面的节点矢量、控制点、权重因子等相关参数;其次,采用插值NURBS曲线的方法对叶脉进行3维重建;最后,使用VisMPL和VisVTK对曲面进行颜色渲染和绘制,并引入曲面容器将叶正面、叶背面和叶柄的插值NURBS曲面进行融合.实验结果表明：基于传统方法,该方法通过增加叶片背面的构造,在重建马铃薯叶片的3维曲面模型上表现出色,有效实现了马铃薯叶片形态特征的3维重建,为马铃薯叶片研究提供技术支持.     

应急图标呈现方式及亮度对比对认知绩效的影响

应急图标的认知绩效在紧急救援中起重要作用。为探究应急图标呈现方式及亮度对比的变化对认知绩效的影响机理,采用视觉搜索范式并采用眼动实验进行结果验证。实验a结果表明,高、中载荷下,应急图标呈现方式和亮度对比的主效应明显,反色应急图标的搜索速度明显快于图形应急图标和带边框应急图标,亮度对比中0.90的搜索平均反应时间最短,0.10、0.30、0.60的平均反应时间有随亮度对比升高而降低的趋势;低载荷下,应急图标呈现方式和亮度对比对认知绩效的影响不明显。实验b眼动实验结果表明,高、中载荷下,反色应急图标注视时间明显低于其他呈现方式,亮度对比较高（0.90）的带边框应急图标平均注视时间明显低于低亮度对比,注视时间有随对比度增大而降低的趋势;低载荷下图标呈现方式、亮度对比注视时间无明显差异。高、中、低载荷下注视点的个数无明显差异,解释了实验a的结果。主观评价的评分也对实验结果做出了认知方面的解释。研究表明,应急图标呈现方式及亮度对比对认知绩效具有显著影响。     

一种启发式主题爬行算法

为克服传统主题爬行器在爬行速度和主题预测精度上的不足,提高爬行器的查准率和查全率,根据当前常用主题爬行策略的特点,通过页面辐射空间的引入将主题策略中基于链接分析和基于内容分析的方法相结合,并嵌入启发式算法,提出一种基于启发式的主题爬行算法.实验结果表明,该算法较常用爬行算法有较好的爬行效率.     

基于轻量级深度卷积神经网络的绝缘子检测

在无人机巡检图像中,检测出绝缘子是实现输电线路状态分析的关键.本研究采用轻量级卷积神经网络代替传统的人工特征提取器,获取输入图像的深层特征;利用深度学习目标检测网络对所提取特征进行处理和训练学习,实现多尺度、多种类的绝缘子目标检测.实验结果表明:该方法可以准确快速地识别出以山林背景为主的瓷质和复合两类绝缘子,其检测精度分别达到96.29%和90.85%,且整体检测速度高达43 F·s~(-1),有效满足电力巡线中的绝缘子实时检测要求.