简介:摘要:近年来,随着我国社会经济的高速发展,公路工程建设也随之蓬勃发展,取得了不错的成绩,受到人们的广泛关注,在城市现代化建设进程加快的当下,公路工程建设已经成为重要任务之一,必须予以高度重视,不容忽视。公路路面施工是公路工程建设中的关键内容,其直接影响着公路工程质量,需明确公路路面施工的重要性,积极应对其中存在的各项施工问题。在公路路面施工中,应当对容易出现的质量通病进行有效把控,分析公路路面施工中存在的问题,采用先进的公路路面施工工艺,实施有效的公路路面施工质量控制手段,以确保公路路面施工的顺利开展,提高公路路面施工效率,满足公路路面施工要求,从而保障公路工程的安全性,为其带来更多的经济效益和社会效益。
简介:摘要 : 准确获取西兰花花球面积和新鲜度是确定其长势的关键步骤,本研究通过对深度残差网络 ResNet进行改进得到一种新型的西兰花花球分割模型,并通过花球部位黄绿颜色占比判断其新鲜度,实现低成本高效准确地西兰花表型信息提取。主要技术流程包括:( 1)基于地面自动影像获取平台拍摄西兰花花球正射影像并建立原始数据集;( 2)对训练图像进行预处理并输入模型进行分割;( 3)基于颜色信息用粒子群结构 PSO和大津法 Otsu对分割结果进一步进行阈值分割,获取其新鲜度指标。试验结果表明:本研究建立的分割模型精度优于传统深度学习模型和基于颜色空间变换和阈值分割模型, 4个评价指标结构相似性指数 (SSIM)、平均精度 (Precision)、平均召回率 (Recall)、 F-度量 (F-measure)结果分别为 0.911、 0.897、 0.908和 0.907,相比于传统方法提升了 10%-15%,且对土壤反射率波动、冠层阴影、辐射强度变化等干扰具有一定的鲁棒性。同时,在分割结果的基础上采用 PSO-Otsu法可以实现花球新鲜度快速分析,其精度超过了 0.8。本研究结果实现了西兰花田间多表型参数的高通量获取,可以为作物田间长势监测研究提供重要参考。