针对自然环境下马铃薯叶片病害识别率低和晚疫病斑定位难的问题,基于大田环境中采集的马铃薯叶片图像,首先对马铃薯叶片病害进行识别,对比AlexNet、VGG16、InceptionV3、ResNet50、MobileNet五种神经网络模型,结果表明InceptionV3模型的识别效果准确率最高,可达98.00%。其次对马铃薯叶片的晚疫病斑进行检测,提出一种改进型的CenterNet-SPP模型,该模型通过特征提取网络获取对象的中心点,再通过中心点回归获得中心点偏移量、目标大小等图像信息,训练后的模型在验证集下的 mAP可达90.03%,以 F₁为评价值分析对比其它目标检测模型,CenterNet-SPP模型的效果最好,准确率为94.93%,召回率为90.34%, F₁值为92.58%,平均检测一张图像耗时0.10 s。为自然环境下马铃薯叶片病害识别和检测提供较为全面的深度学习算法和模型研究基础。

针对生物质热电联产系统烟气直接排放造成的能源浪费等问题,本文提出一种利用吸收式热泵梯级回收烟气余热的系统,分析了生物质直燃锅炉的■平衡,利用Aspen Plus软件模拟了烟气余热回收系统,并基于模拟数据进行■分析和节能环保效益分析。结果表明:生物质直燃锅炉的■效率为40.36%;烟气余热回收系统的■效率达32.89%,■损失主要分布在排烟损失;相比于未回收排烟余热的生物质直燃热电联产系统,加入烟气余热驱动的吸收式热泵辅助供暖后,系统的烟气余热回收利用率、节能率和综合能源利用率分别提升了11.06%、4.79%和6.70%;每个采暖季供热量可折合标煤2088.56 t,相应地可减排CO_2、SO_2、NO_X和碳粉尘分别为5 206.78 t、17.75 t、15.66 t和1 402.22 t。因此,利用吸收式热泵回收生物质直燃烟气余热具有可观的节能环保效益。

针对基于计算机视觉的玉米苗带中心线提取受自然环境干扰严重的问题,提出基于6×6动态网格与分区域特征点聚类的玉米行定位算法。首先将获取的玉米苗带图像进行像素归一化,采用改进的过绿特征和最大类间方差法分割玉米苗带与土壤背景,得到二值图像;然后通过动态网格扫描二值图像,获取候选玉米苗带特征点,并对候选玉米苗带特征点采用分区域聚类算法,得到玉米苗带特征点;最后通过最小二乘法对特征点进行线性拟合得到玉米苗带中心识别线。田间试验表明,该算法具有较好的抗干扰性能,能够很好的适应较为复杂的田间环境。玉米苗带识别准确率为93.4%,处理一幅分辨率为1 920像素×1 024像素的图像平均耗时320 ms。