摘要：为寻找异构耦合谐振器耦合系数提取电路的设计原则,本文将提取同构耦合谐振器耦合系数的电路模型一般化,在电路仿真软件中分析其各项参数变化对特征频率的影响方式,从中总结异构耦合谐振器耦合系数提取电路的设计原则与注意要点。设计了一对特定异构耦合谐振器耦合系数的提取电路,通过其提取的耦合系数在一个双频带带通滤波器设计中发挥了重要作用。实践证明该提取方法是可行的,电路设计原则能够指导其他耦合系数提取电路的设计。

摘要：慢波微带线的多种不连续性和相邻慢波单元的耦合影响了特征阻抗的准确计算,因此在慢波微带线的设计阶段需要一种手段来提取其特征阻抗。提出一种利用史密斯圆图提取慢波微带线特征阻抗的方法,该方法通过观察慢波微带线的反射系数在史密斯圆图中的图像估计其特征阻抗的大小,并通过反射系数极值计算特征阻抗。以梳状慢波微带线为例检验该方法,特征阻抗的提取结果与利用S参数提取的结果十分接近,从而证明该方法是一种可行的慢波微带线特征阻抗提取方法。

摘要：阶梯阻抗谐振器（Stepped Impedance Resonator）寄生响应的位置可以通过调整谐振器阻抗比来控制,该特性使SIR成为设计双通带滤波器的理想谐振器。设计耦合谐振器双通带滤波器需要对两组外部品质因数和耦合系数进行综合,为了减少谐振器的数量同时简化耦合系数的提取,本文采用特定耦合结构设计滤波器,并研究了影响SIR主响应和第一寄生响应处外部品质因数的因素,设计了中心频率是1.9GHz和3.2GHz,部分带宽是5%和7%的双通带滤波器。仿真结果验证了设计方法的可行性。

摘要：受疫情影响,各地高校都延迟开学,线上教学成为教师的首选教学方式。通过各类学习平台和直播软件,教师可以对学生进行线上教学,进行线上教学需要教师前期做好各种准备。文章针对线上教学前期的经验学习、课程准备、教学过程中出现的问题及解决办法等进行研究。

摘要：小麦穗的自动检测在小麦估产和育种方面具有较大科研价值,当前小麦穗检测方面仍存在模型复杂度较高、精度较低等问题。将深度学习技术应用于小麦穗检测,提出了基于改进YOLOv5的小麦穗精确检测模型。模型将YOLOv5主干网络中的卷积模块替换为Ghost卷积,实现模型轻量化;使用ACON激活函数替换默认的SiLU激活函数,从而使激活函数更加灵活以扩大设计空间;使用对所有IoU Loss增加α幂的Alpha-IoU Loss替换YOLOv5默认的CIoU Loss以提高模型前期收敛速度;在网络中加入加权双向特征金字塔(BiFPN),改进的模型可实现参数量降低63.3%、计算量降低66.8%的情况下mAP仅降低2.17%,可满足实际应用和移动端部署的要求。提出了使用解耦头(Decouple Head)替换默认YOLOHead,比官方YOLOv5的mAP提高1.83%,证明了解耦头可以提高模型精度。

摘要：针对当前生产环境下难以对植物进行精细三维重建的问题,提出一种基于ORB-SLAM3的番茄植株三维重建方法,利用深度相机采集RGB-D图像信息,根据前后帧图像特征点信息进行位姿估计,设计点云稠密重建模块,实现温室环境下番茄植株三维重建。结果表明,该方法在轨迹估计上整体表现较好,估计的轨迹没有重大漂移,较Elasticfusion方法、BadSlam方法估计的轨迹更贴合实际轨迹,位姿跟踪具有一定鲁棒性,且使用的关键帧数量较少,降低了冗余信息对算法的干扰;该方法重建的点云果径与实际果径平均绝对误差为1.48 mm,与实际情况十分接近,点云还原度高,重建品质较好,滤波算法没有对果实表型信息造成破坏,信息保留完整;该方法能够在温室环境下获取准确的位姿信息,并生成番茄植株三维模型,三维重建精度高,可以满足温室环境下番茄植株三维重建及番茄采摘机器人目标定位需要。

摘要：棉花杂质检测是棉花加工产业的关键步骤,直接影响棉花的质量及价格。为了有效地把杂质从棉花中脱离出来,我们通过在YCb Cr颜色空间下,基于杂质与棉花的色调信息差,提取二者的样本,采用BP神经网络进行训练并输出它的误差,得到适应度函数并进行遗传算法的选择、交叉及变异操作,优化神经网络权值、阈值,直至输出误差达到要求或达到预设迭代次数。最后我们根据所获得的BP神经网络权值、阈值进行棉花图像分割。在这个基础上,对遗传算法的选择算子、交叉算子和变异算子进行改进。分别对暗光、常光、强光3种情况下的进行杂质脱离,实验表明,本方法可实现准确分割,检测率达到92.3%。