Baofeng тангента: Купить гарнитуры для рации Baofeng с микрофоном

Рация Baofeng UV-82 (2 режима мощности, 8W)

Мы осуществляем доставку ваших покупок по г.Краснодару, Краснодарскому краю и всем регионам России.

САМОВЫВОЗ:

Мы находимся по адресу: г.Краснодар, ул.Северная, 425, этаж 2, офис 27

Оформив заказ на сайте или по телефону, можно забрать его самостоятельно ПН-СБ 10:00-19:00. Товар указанный на сайте в статусе «В наличии» есть в наличии у нас в магазине, можно сразу же его забрать после оформления заказа.

Либо вы всегда можете просто приехать к нам в магазин и приобрести товар, не оформляя заказ на сайте, так как наличие на сайте соответствует наличию в магазине.

Обращаем ваше внимание, что оформленные заказы хранятся 3 рабочих дня. Если вы не успеваете забрать заказ вовремя, просьба сообщить нам для продления срока резерва. 

Оплатить заказ в пункте выдачи можно наличными или банковской картой.

ДОСТАВКА ПО КРАСНОДАРУ КУРЬЕРОМ:

Оплата заказа осуществляется по факту доставки курьеру наличными или Сбербанк Онлайн.

Стоимость курьерской доставки в зоне доставки №1* — 200р

Стоимость курьерской доставки в зоне доставки №2* — 350р

Стоимость курьерской доставки за пределами зоны доставки согласовывается индивидуально.

* Зоны доставки смотрите в разделе >>Доставка и оплата<<, где Вы сможете найти свой адрес. 

Сроки курьерской доставки заказа:

Если Вы оформили заказ до 14:00 — доставка будет выполнена в день заказа; при оформлении после 14:00 — на следующий день.

Для доставки по адресу нам необходим минимально 4-х часовой интервал для адресов в зоне доставки №1 (например с 10:00 до 14:00, с 11:00 до 15:00 и т.д.) и 6-ти часовой интервал для адресов в зоне доставки №2. Курьеры работают пн-сб с 10:00 до 22:00. Просим учитывать это при оформлении доставки.

ДОСТАВКА ПО КРАСНОДАРСКОМУ КРАЮ И РОССИИ:

Заказы за пределы г.Краснодар мы отправляем только по 100%-ой предоплате.

Способы оплаты:  Сбербанк Онлайн, Яндекс Касса (оплата банковскими картами, электронными деньгами и др., за данный способ оплаты взымается наценка в размере 3.5%)

Способы доставки: Отправление 1-го класса Почты России, Отправление ЕМС Почты России, Пункты самовывоза Boxberry,Пункты самовывоза СДЭК.

Выбрать способ оплаты и доставки, а также узнать точную стоимость доставки вы можете, перейдя в Корзину и нажав кнопку «Оформить заказ». 

Сроки доставки 3-10 рабочих дней в зависимости от региона и выбранного способа доставки.

Отслеживание заказа после отправки:

Как только посылка будет отправлена, мы пришлем Вам СМС с номером для отслеживания Вашего заказа. 

КАК ОФОРМИТЬ ЗАКАЗ:

Оформление заказа через Корзину на сайте.

Выбрав все интересующие товары, перейдите в Корзину и кликните кнопку «Оформить заказ». 

Заполните все реквизиты (ФИО, телефон, e-mail, адрес), выберите способ оплаты и доставки заказа.

После оформления заказа мы свяжемся с вами  в течение 30 минут в тот же день или на следующий день, если вы оставили заявку в нерабочее время, например ночью.

Оформление — Быстрый заказ в 1 клик. 

В карточке товара нажмите кнопку «Купить в 1 клик» и заполните форму быстрого заказа. Мы свяжемся с вами для уточнения способа и сроков доставки, а также ответим на все вопросы.

Также вы можете оформить заказ по телефону +7 (918) 608 6 608. Заказы по телефону принимаются ПН-СБ с 10:00 до 19:00 без перерывов.   

Обзор рации Baofeng UV-82 (8W)

В этом обзоре мы расскажем о всех особенностях, преимуществах и недостатках рации Baofeng UV-82 (8W). Приглашаем прочитать материал тех, кто задумывается о покупке рации и в данный момент находится в поиске оптимального решения.

Интернет-магазин Somebox представляет обзор радиостанции Baofeng UV-82 (8W). Это достаточно известная модель как в России, так и в мире. Рацией UV-82 (8W) с удовольствием пользуются путешественники, любители рыбалки, охоты, военно-тактических игр на природе. А также профессионалы: водители большегрузов, таксисты, охранники.

По своей сути, рация UV-82 (8W) является улучшенной версией модели UV-5R, другого известного хита от бренда Baofeng. По сравнению с предшественником, корпус UV-82 (8W) стал чуть тоньше и вытянутее. Высота с антенной 285 мм, без антенны — 135 мм. Вес – около 240 грамм.

Но главные отличия нужно искать не во внешнем виде, а в характеристиках станции. Обе модели являются двух-диапазанномыми (т.е. пользователь может прослушивать один канал и полноценно общаться на другом). Однако, в рации UV-5R эта функция не была, так сказать, доведена до логического конца. Чтобы перейти на другой канал, пользователю UV-5R приходится дополнительно задействовать кнопку перехода. А это не всегда удобно, особенно при переговорах с группой собеседников (или даже несколькими группами).
 
В доработанной модели UV-82 (8W) этот досадный изъян устранен. Главная особенность радиостанции Baofeng UV-82 (8W) — сдвоенная кнопка передачи сигнала «PTT». При нажатии на нижнюю часть «PTT» включается передача на нижней выбранной частоте, при нажатии на верхнюю часть – на верхней.

Это очень удобно при необходимости работать сразу на двух частотах. И это то, что отличает Baofeng UV-82 (8W) от тысяч других радиостанций. Почему-то все мировые производители двух-диапазонников ранее не додумались до использования такого удобного решения. 

Комплект рации Baofeng UV-82 (8W) включает в себя стандартный «джентльменский набор»:

• Антенна двухдиапазонная (очень гибкая и качественная, длина 17 см).
• Литий-ионный аккумулятор.
• Инструкция по настройке и эксплуатации.
• Зарядный стакан (имеется возможность заряжать в стакане и радиостанцию с аккумулятором, и – отдельно аккумулятор).
• Адаптер для зарядки (отметим, что вилка адаптера выполнена под российский стандарт).
• Наушник с микрофоном: гарнитура оснащена двумя клавишами для работы с каналами в разных диапазонах.
• Клипса крепления на пояс.
• Шнурок на запястье

Поскольку модель Baofeng UV-82 (8W) базируется на платформе UV-5 R, то характеристики у них довольно схожи:

• Два режима: канальный и частотный.
• Банк памяти на 128 каналов.
• Диапазон частот: от 136 до 174 МГц; от 400 до 520 МГц.
• FM-приёмник (65 МГц – 108 МГц)

Есть и важные усовершенствования. Повышенная выходная мощность 8 Вт обеспечивает рации Baofeng UV-82 (8W) дальность приема в городе – до 7 км, за городом на пустом шоссе – до 10-11 км (отметим, что при работе станции вблизи ЛЭП, дальность приема существенно снижается). Энергоемкий аккумулятор позволяет использовать рацию без подзарядки до 12 часов.

Еще одним достоинством UV-82 (8W) является глубокая модуляция. Это дает большую насыщенность звука и лучшую разборчивость речи, даже при возникновении радиопомех.

Рация Baofeng UV-82 (8W) имеет классический, строгий дизайн. Выполнена из черного матового пластика. Внутри – алюминиевое шасси, устойчивого к ударам и падениям. Модель очень удобно лежит в руке: на задней части корпуса есть специальные скосы, благодаря которым крышка не врезается в кожу острыми краями.

На самом верху лицевой панели — переливающийся серебристый логотип Baofeng, под которым размещается мощный динамик. Пониже динамика – двустрочный информативный ЖКИ-дисплей. Экран UV-82 (8W) имеет 3 цвета подсветки: фиолетовый, голубой, оранжевый. Это удобно, поскольку пользователь может поставить свой цвет на каждое действие: прием, передачу, ожидание.
  

Ниже дисплея расположена числовая клавиатура, кнопки «Меню», «Exit/Tab» и верх-вниз. Размер кнопок у рации Baofeng UV-82 (8W) чуть больше, чем у других моделей.  Поэтому нажимать клавиши стало удобнее, особенно если вы работаете в перчатках.

• Кнопка MENU дает доступ к основным настойкам рации (переход из частотного режима в канальный и т.д.).
• «Exit/Tab» позволяет переключать верхние и нижние каналы/частоты. 
• Короткое нажатие на «решетку» позволяет переключать мощность передатчика с 1 Ватт на 5 Ватт — и наоборот. Настройка небольшой мощности включается в тех случаях, когда собеседники находятся недалеко друг от друга. Это позволяет экономно расходовать заряд батареи.
• 2-3-секундное нажатии кнопки «0» приведет к отображению на дисплее информации о текущем напряжении батареи.

Слева на корпусе расположена знаменитая кнопка «PTT», о которой мы уже говорили выше. А чуть ниже ее:

• Кнопка F. Короткое нажатие на эту клавишу включает радио. Два коротких нажатия – выключает радио. Удержание кнопки включает аварийную сирену.
• Кнопка M. Короткое нажатие на эту клавишу включает фонарик. Два коротких нажатия переводят фонарь в режим мигания. Кстати, раз уж речь зашла о фонарике, то нужно сказать, что в модели UV-82 (8W) этот девайс оснащен функцией светоотражателя, за счет чего светит более ярко и качественно.

С правой стороны имеются 2 разъема для подключения гарнитуры. На верхней грани корпуса размещены: разъем антенны, светодиодные огоньки, фонарь, регулятор громкости (по совместительству являющийся кнопкой включения/выключения рации).

Говоря об аккумуляторе Baofeng UV-82 (8W), можно отметить как позитивные, так и некоторые негативные стороны.

К первым относится то, что конструкция модели предусматривает очень надежное крепление аккумулятора. Благородя этому аккумулятор не можем «самовольно» отсоединиться от рации, даже при сильной тряске.

А вот к минусам следует отнести не вполне достоверную информацию о энергоемкости аппаратуры. Заявленная емкость аккумулятора Baofeng UV-82 (8W) – 2800 mAh. Но эта внушительная цифра, мягко говоря, не совсем соотвествует действительности. Как и многие китайские производители, Baofeng любит несколько приукрасить характеристики своих моделей. Реальная емкость аккумулятора примерно в два раза меньше заявленной. Впрочем, 1300 -1400 mAh — это тоже весьма приличные показатели, которые обеспечивают работу рации без подзарядки в течение многих часов.

Еще одним недостатком модели является отсутствие заявленной водозащиты. Несмотря на то, что в характеристиках рации указан класс защиты IP54, модель лучше беречь от попадания влаги и грязи.

Других недостатков модели мы не обнаружили.

В основном, рацию Baofeng UV-82 (8W) можно признать успешной моделью со сбалансированным соотношением цена/качество/функционал. Особенно понравилась работа в 2 диапазонах с удобным переключением частот. А также: большая дальность связи, хорошая громкость, максимальная разборчивость голосовых сообщений, наличие фонарика и FM-приемника. Эту модель можно смело покупать охотникам, туристам, поклонникам страйкбола, пейнтбола и просто любителям просканировать частоты. 

сша — Как на законных основаниях использовать радиостанцию ​​Baofeng UV-5R для связи?

В США по большей части все радиопередачи попадают в одну из трех категорий:

• Оператору разрешено передавать на этой частоте (любительская, «деловой диапазон», авиация, военные и т. Д.)
• Радиомодуль может передавать на этой частоте (CB, FRS, MURS).
• Передачи очень маломощные («Часть 15»: WiFi, Bluetooth и многое другое).

Ваше радио не очень маломощно. Ваша радиостанция не соответствует требованиям CB или аналогичных служб, наиболее важно то, что она не может передавать других , кроме как на соответствующих частотных диапазонах. Следовательно, в настоящее время вы не можете использовать его, кроме как для получения.

Самый простой способ иметь возможность использовать его на законных основаниях — или вообще использовать радиопередатчики для личных коммуникационных целей (кроме сотовых телефонов и т. П.) — для вас и членов вашей семьи получить лицензий на любительскую радиосвязь ( и соблюдайте соответствующие правила).

Процесс прост: вы сдаете тест по теории радиосвязи и порядку работы и получаете лицензию. Тест является множественным выбором и проводится людьми, называемыми добровольными экзаменаторами (VE) (которые объединяются в группы, называемые VEC), обычно на регулярных запланированных сессиях. Плата за тест может взиматься, а может и не быть, в зависимости от политики соответствующего VEC. Есть несколько уровней тестирования и лицензии; для ваших целей вам понадобится только первая лицензия «Техник».

Многие люди пишут тест и сдают его в один и тот же день. Или же вполне возможно самостоятельное обучение в мягком темпе. Есть книги, классы и бесплатные онлайн-ресурсы. Если вы хотите принять участие и посмотреть, на что похож этот тест, я лично рекомендую HamStudy.org; Вы можете бесплатно пройти практические тесты и прочитать там вопросы и ответы.

Когда вы получите лицензию, она будет включать ваш позывной . Вы должны включать свой позывной во все передачи; есть и другие правила, но это то, что больше всего влияет на повседневную деятельность.Каждый, кто использует радио, должен иметь свою собственную лицензию, если только он не находится под непосредственным контролем держателя лицензии.

Хороший ресурс для получения дополнительной информации о любительском радио в Соединенных Штатах — это Американская лига радиорелейной связи (ARRL) — вот их страница о получении лицензии. (Обратите внимание, что ARRL является VEC, но не единственным VEC.)

Если вы хотите узнать больше о любительском радио, не стесняйтесь посмотреть здесь и задать больше вопросов, если вы уже не можете найти ответы — это основная тема нашего сайта, как вы можете понять по названию!

[Начало этого ответа было ранее размещено здесь.]

Доказательство идиота — Блог Ника

Недавно в области радиолюбителей пришла пара новых игроков. И под парой новых игроков я имею в виду одного: Китай.

Они выпустили изобилие радиоприемников для радиолюбителей. FCC, вероятно, не очень-то заинтересован в этих радиоприемниках; они обычно широко открыты с точки зрения возможности передачи. То есть вы можете достать один из коробки и без особых хлопот поговорить с местным полицейским участком.Плохо.

Личный касательный. Когда Холден Кофилд осторожно кричал: «Отступление!»

Несмотря на недостатки, эти радиостанции представляют собой очень интересный бюджетный продукт на рынке радиолюбителей. Хотя качество не самое лучшее, есть что сказать о радио, которое практически одноразовое с точки зрения стоимости. Еще в 2010 году, когда я получил лицензию для радиолюбителей, я заказал в Китае KG-UVD1P в качестве своего первого радиоприемника. К сожалению, из-за обычного «провала подтверждения подписи USPS» его отправили обратно в Китай до ожидаемой даты доставки.Я отказался от попыток справиться с ситуацией и заказал Yaesu VX-6R, мой первый HT и отличное радио, которое меня не разочаровало.

Tangent завершен, вы можете продолжить чтение статьи здесь

Один из клубов моего колледжа искал резервную систему связи, чтобы дополнить слабую сеть сотовых телефонов в горах Нью-Гэмптона. Очевидно, это интересное предложение, поскольку существует ряд факторов, которые оставляют множество вариантов открытыми.В конце концов, операция будет основана на лицензии промышленного пула через университет. Но это сложно сделать с ограниченным бюджетом, как Motorola, вероятно, скажет вам (они не указывают розничную стоимость своих радиоприемников и не зря. Многие начинаются с 2,5 тысяч долларов каждая. Для рации.)

Требования к операции:

• Устройство межсоединения для экстренных вызовов вместо сотовых телефонов
• Возможность использования как для обычного, так и для аварийного движения
• Связь на пике и (в идеале) ниже пика между базовым лагерем и переносными устройствами
• В идеале, возможность разговаривать по ретрансляторам Национального лесного патруля Белой горы в случае возникновения чрезвычайной ситуации, связанной с жизнью или смертью

Но со мной случился ага-момент.KG-UVD1P (а также UV-5R и ВСЕ ДРУГИЕ ИЗЛУЧЕНИЯ ИЗ КИТАЯ, ПОТОМУ ЧТО ОНИ ИЗГОТОВЛЕНЫ НА ОДНОМ ЗАВОДЕ) можно переключить в режим Part 90. Обычно эти радиоприемники представляют собой безнадежно сложные машины с тоновыми сигналами CTCSS и МГц с клавиатурой на передней панели. Я НЕ хочу заниматься преподаванием элементарной теории радио в клубе колледжа. Но с небольшим умным программированием и, что наиболее важно, с функцией ОТКЛЮЧЕНИЕ МЕНЮ, эти радиостанции можно переключить в канальный режим. Все, что может сделать пользователь, — это включить устройство и переключить каналы, указанные как «Основные» и «Talk Around».«Эти радиостанции также сертифицированы для использования по Части 90 (как это произошло, я не знаю).

Очевидно, проблема заключается в том, что эти радиостанции не обладают повышенной прочностью, как Yaesu VX-6R или EFJ 5100, и если это действительно «последняя линия» связи, это вызывает беспокойство. Я почти исключил UVD1P для этого использования, так как я не доволен приемом по сравнению со всеми моими другими HT. Я вполне доволен UV-3R, и мне интересно посмотреть, как UV-5R будет сравниваться с точки зрения приема и передачи.

ОБНОВЛЕНИЕ!
Не похоже, что UV-5R можно полностью заблокировать без удаления кнопки VFO / MEM физическими средствами. Это прискорбно, но у меня есть отвертки. Кроме того, к сожалению, кнопки, похоже, представляют собой не просто контактную заднюю часть резиновой кнопки на плате печатной платы, а скорее какую-то физическую металлическую вещь, припаянную к плате.

Увы.

Анализ стабильности и эволюционной тенденции системы симбиоза в цепочке поставок свежих сельскохозяйственных продуктов

Свежие сельскохозяйственные продукты относятся к первичным сельскохозяйственным продуктам и продуктам животноводства, произведенным или выращенным фермерами, без или с небольшим объемом обработки, которые не должны хранить слишком долго при комнатной температуре [1].Как источник цепочки поставок свежей сельскохозяйственной продукции, фермеры характеризуются небольшим капиталом, мелкомасштабным производством, разбросанными регионами, слабыми складскими мощностями и низким доминирующим положением на рынке. Перерабатывающие и сбытовые предприятия (далее — предприятия) являются основными функциональными узлами цепочки поставок, которые характеризуются большим капиталом, крупными производственными масштабами, централизованным расположением заводов, мощными складскими мощностями и лидерством на рынке. Они зависят друг от друга, и формы сотрудничества, такие как мутуализм и паразитизм, разнообразны.В обороте свежей сельскохозяйственной продукции требуются совместные усилия фермеров и предприятий для сохранения качества свежей продукции или более высокой ценности.

Из-за скоропортящейся природы свежей сельскохозяйственной продукции наблюдается нехватка пространства для создания добавленной стоимости в цепочке поставок, трудно поддерживать взаимовыгодные и беспроигрышные отношения, а стабильность системы цепочки поставок низкая, что ограничивает трансформация и модернизация системы поставок свежей сельскохозяйственной продукции и промышленности.Настоящее исследование не обеспечивает внутренней мотивации и необходимости симбиоза отношений между предприятиями и фермерами в дополнение к экономической выгоде, что затрудняет формирование реальных симбиозных отношений из-за отсутствия научных количественных стандартов для стабильных факторов, влияющих на отношения сотрудничества между предприятиями и фермерами. Следовательно, фермеры и предприятия должны нести риск новых потерь сельскохозяйственной продукции, а также высокие затраты на производство и маркетинг.Поощрение фермеров и предприятий к развитию взаимовыгодных отношений сотрудничества по совместному использованию выгод и распределению затрат, количественная оценка и анализ симбиоза цепочки поставок свежей сельскохозяйственной продукции и ее эволюционных законов, а также научное определение и выбор подходящей модели симбиоза стали одними из важнейших задач. важные вопросы в реализации долгосрочного и стабильного развития цепочки поставок свежей сельскохозяйственной продукции.

Основываясь на квантовании критериев симбиоза, эта статья рассматривает модель квантования системы симбиоза, как показано в Разделе 1.На основе теории симбиоза и логики критериев в Разделе 2 предлагаются новый метод и этапы анализа устойчивости симбиотических систем. Симбиотическая система, соответствующая цепочке поставок свежей сельскохозяйственной продукции, определяется на основе характеристик свежие сельскохозяйственные продукты в Разделе 3. Модель симбиотической энергии, генерируемая взаимодействием симбиотических единиц, строится и количественно оценивается методом оценки экологической несущей способности, как показано в Разделе 4.Логистическая модель выбрана для отражения эволюционного направления симбиотической системы, а второй метод Ляпунова используется для изучения эволюционных характеристик симбиотической системы при различных симбиотических режимах, чтобы обеспечить количественный анализ, способствующий развитию отношений симбиотических единиц к режим мутуализма, как показано в Разделе 5. Наконец, Раздел 6 завершает статью и предлагает направления будущих исследований.

Обзоры количественных моделей системы симбиоза цепочки поставок

Симбиоз — это явление, при котором разные виды в природе взаимодействуют и живут вместе.Цепочка поставок свежей сельскохозяйственной продукции, основанная на исследованиях критериев теории симбиоза по симбиозу и эволюционному направлению, в большей степени ориентирована на ряд симбиотических критериев выбора и обоснования, в которых преобладают качественные исследования, а критерии поддержки количественного метода отсутствуют. , а также отсутствие физических моделей и параметрического анализа задачи [2]; В этой статье основное внимание уделяется количественному критерию теории симбиоза и уделяется внимание систематическим рассуждениям, основанным на логике критериев, с упором на ключевые звенья и точки улучшения метода анализа устойчивости симбиотической системы и расширением следующего обзора исследований того же типа.

Исследование методической системы симбиотической системы цепочки поставок

(1) Эталонная модель SCOR

Нтабэ Э. Н и др. Отметили, что эталонная модель SCOR в основном сосредоточена на следующих двух частях: во-первых, путем создания модели представления процесса взаимодействия узлов цепочки поставок для анализа взаимодействия между предприятиями в системе; во-вторых, создается интерфейсное представление цепочки поставок, включая предприятия, клиентов и поставщиков, чтобы отразить взаимодействие между смежными узлами [3].

Недостатком эталонной модели SCOR является то, что это моделирование взаимодействия между некоторыми узловыми предприятиями в цепочке поставок, которое не интегрировано. С точки зрения содержания, это скорее описание всего рабочего процесса цепочки поставок без учета характеристик узловых предприятий.

(2) «X» модель

Maerhua et al. предложила «Х» модель расширения предприятия. Модель «X» описывает ряд связанных с логистикой операций, таких как контроль производства, учет затрат, планирование доставки, контроль сборки и планирование потребности в мощности для узловых предприятий в цепочке поставок.Модель «X» объединяет поставки, производство и продажи, чтобы отразить общие преимущества [4].

A. W. Scheer добавил элемент информатизации на основе модели «X» и новаторски предложил модель «X» с функцией интеграции информации [5]. Хотя практическая область применения модели «X» была расширена за счет функционального улучшения, модель «X» лишена количественных стандартов и механизмов в реальной эксплуатации. Компьютерное моделирование и симуляция по-прежнему затруднены.

(3) Теория игр

Используя теорию игр в качестве теоретической основы для анализа симбиотических отношений между предприятиями-узлами цепочки поставок, в существующей литературе в основном изучаются выгоды и издержки цепочки поставок, предположения о рациональных субъектах и ​​уровень целостности симбиотической системы.

Sun Ying et al. объяснил выгоды и издержки цепочки поставок дисбалансом между операциями и разделением труда [6]. В цепочке поставок все узловые компании стремятся максимизировать свои интересы.Исходя из того, что степень специализации не взвешивается, разумный механизм разделения труда не установлен. Чтобы увеличить количество транзакций и получить прибыль, выбирается иррациональный режим игры, при котором уровни прибыли всей цепочки поставок одновременно снижаются, увеличивая стоимость транзакции и снижая общую конкурентоспособность.

Сяодун Лю и Гуйсю Чжан указали, что обычно в игровых отношениях обе стороны игрового субъекта должны быть рациональными действующими лицами, то есть обе стороны игрового субъекта стремятся максимизировать свои собственные интересы [7].Однако в симбиозе цепочки поставок больше внимания уделяется максимизации общих выгод и наиболее стабильному состоянию сотрудничества. Поэтому при совмещении теории игр и теории симбиоза возникает определенное противоречие в определении главного агента.

Tongshan Li и др., Рассматривая отклонение вышеупомянутых полностью рациональных субъектов от цели симбиотической единицы, предложили задачу игрового равновесия, основанную на уровне целостности теории игр, для решения симбиотической системы.Среди них предпосылка игры субъекта предполагает, что обе стороны являются ограниченными рациональными субъектами, то есть цели и ожидаемые доходы обеих сторон определяются уровнем целостности предприятия [8]. Хотя эта гипотеза может решить комбинацию теории игр и системы симбиоза цепочки поставок, не существует научного стандарта количественной оценки в методе оценки уровня корпоративной целостности, что делает результаты субъективными.

Таким образом, теория симбиоза широко применялась в различных областях и способствовала установлению отношений сотрудничества и устойчивому развитию объектов исследования.При изучении существующих систем симбиоза цепочки поставок часто используются качественные методы, чтобы отразить силу взаимодействия, и отсутствует более научный количественный механизм. В диссертации делается попытка использовать свежие сельскохозяйственные продукты в качестве основного предмета исследования и симбиотические отношения между предприятиями и фермерами в качестве объекта исследования. Путем анализа сущности взаимодействия между ними строится симбиотическая система предприятий и фермеров по управлению свежей сельскохозяйственной продукцией, и интенсивность симбиотического взаимодействия оценивается количественно, более научно и интуитивно отражая сущность взаимодействия между двумя симбиотическими единицами. .

Модель симбиотической энергии, объединяющая экологическую несущую способность.

Odum определяет «обобщенную экологическую несущую способность» как максимальное количество видов деятельности человека, которые могут быть выполнены природной, экономической и социальной комплексной экосистемой при условии скоординированного и устойчивого развития природных ресурсов, экологической среды, а также экономической и социальной составляющей. -элементы в определенном регионе [9–11]. Яфэнь Хэ и Хуалинь Се используют метод экологического следа для оценки экологической несущей способности (ECC) города Наньчан в масштабе города, округа и сети соответственно [12].Цзян Пейвен и Рис В. и др. использовали метод экологического следа для расчета экологического следа и экологической емкости землепользования, связанного с сельским хозяйством, в провинции Шэньси в 2015 году [13,14]. Цао Чжи считал, что измерение экологического следа — это след потребления сельскохозяйственного производства, то есть материалов, необходимых для сельскохозяйственного производства [15]. В этой статье упоминается концепция обобщенной экологической несущей способности, экологический след определяется как след потребления сельскохозяйственных ресурсов и вводится модель измерения экологического следа в несимбиотическую энергетическую часть модели симбиотической энергии для улучшения модели симбиотической энергии.

Логистическая симбиотическая модель окружающей среды, учитывающая изменение экологической устойчивости.

Логистическая модель, также известная как модель замедленного роста, считается оптимальной математической моделью для описания правила роста популяции в условиях ограниченных ресурсов с богатым смыслом в экологии, антропологии, зоологии и экономике [16]; Иньин Тао и Лихонг Хан описали закон развития симбиотической системы производственной цепочки «зеленого» строительства при различных симбиозных отношениях с помощью логистической модели [17]; Ding Y, Zhou B и Ling D предложили механизм корпоративного симбиоза и модель мониторинга стабильности симбиоза для альянсов цепочки поставок, основанную на логистических уравнениях и уравнениях Лотки-Вольтерра [18].В популяционной экологии экологическая емкость также известна как максимальная экологическая емкость, что согласуется с концепцией логистической модели. По сути, это относится к ограниченному росту в ограниченной среде. С помощью переменной экологической способности этот документ не только отражает ограничения окружающей среды на виды, но также отражает динамические переменные собственных изменений. Основываясь на функции логистического роста, он устанавливает модель окружающей среды симбиоза, которая соответствует взаимосвязи между цепочкой поставок свежей сельскохозяйственной продукции и экологической способностью, в качестве критерия анализа стабильности на количественной основе.Таким образом, переменная экологическая толерантность характеризует неопределенное свежее качество или более высокую ценность сельскохозяйственных продуктов, которые беспокоят фермеров и предприятия.

Косвенный метод Ляпунова и его применение.

Косвенный метод устойчивости по Ляпунову определяет устойчивость нелинейных систем путем изучения распределения характеристических корней линеаризованных уравнений состояния [19]. Чунмэй Лю предложил использовать метод Ляпунова для анализа устойчивости систем без задержек [20].На примере нелинейных систем, не зависящих от времени, излагается метод линеаризации нелинейных систем. HAMZA, Alaa и ORABY, Karima получили новые достаточные условия множественной устойчивости нелинейных динамических уравнений с помощью косвенного метода Ляпунова [21]. В данной работе косвенный метод Ляпунова применяется к анализу устойчивости симбиотических систем. Посредством приблизительного преобразования модель окружающей среды трансформируется в систематическую эволюционную модель, а эволюционная сингулярность и граница фазового перехода симбиотических систем оцениваются по положительным и отрицательным характеристикам характерных корней.

В этой статье предлагается улучшенный метод анализа стабильности системы симбиоза для количественной оценки критериев. Этот метод берет систему симбиоза цепочки поставок свежих сельскохозяйственных продуктов в качестве объекта исследования и использует систематические рассуждения, основанные на логике критериев для характеристик свежих сельскохозяйственных продуктов, то есть неопределенного качества и ценности свежих сельскохозяйственных продуктов в обороте цепочки поставок.

Подводя итог, три точки улучшения, которые мы вносим в количественную оценку критериев, показаны следующим образом: Во-первых, на основе функции логистического роста модель симбиотической энергии, которая соответствует взаимосвязи взаимодействия цепочки поставок свежей сельскохозяйственной продукции и изменению экологической устойчивости. реконструирован.Во-вторых, метод измерения экологического следа обобщенной экологической несущей способности используется для количественной оценки несимбиотической модели энергии. Принимая во внимание усилия и распределение прибыли предприятий по производству свежей сельскохозяйственной продукции и фермеров, энергия нового симбиоза измеряется изменением ожидаемого дохода до и после формирования отношений симбиоза. Наконец, что немаловажно, согласно теории автомодельной аппроксимации, характеристическая экспоненциальная функция Ляпунова строится посредством приближенного преобразования для количественной оценки динамической системы симбиотической среды.

Восемь основных критериев задействованной теории симбиоза могут отражать взаимодействие соответствующих единиц симбиоза в определенном режиме симбиоза.

Критерий 1: Для критерия совместимости параметров качества должны быть некоторые факторы, которые могут выражать друг друга или влиять друг на друга между симбиотическими единицами, так что взаимодействия могут быть сформированы, чтобы повлиять на симбиотическую систему;

Критерий 2: Критерий модели симбиотической ткани в основном определяется частотой взаимодействия симбиотических единиц;

Критерий 3: Критерий симбиотической модели поведения в основном определяется режимом взаимодействия и интенсивностью симбиотической единицы.В разных симбиотических поведенческих режимах между двумя симбиотическими единицами будет генерироваться симбиотическая энергия разной интенсивности;

Критерий 4: Согласно критерию генерации энергии симбиоза, симбиотическая энергия формируется взаимодействием симбиотических единиц, которое является основным условием существования и развития симбиотических систем;

Критерий 5: Критерием избирательности симбиотического интерфейса является выбор среды, в которой происходит симбиотическое взаимодействие;

Критерий 6: Для критерия симбиотического фазового перехода фазовое изменение симбиотического взаимодействия определяет сингулярность и граничное значение эволюции системы;

Критерий 7: Для критерия симбиотической эволюции система меняет фазу в особой точке и эволюционирует до критического состояния на границе;

Критерий 8: По критерию устойчивости симбиоза, когда симбиотическая единица развивается с нулевой скоростью, система находится в стабильном состоянии.

Низкочастотная неустойчивость вихревых следов над тонкими телами под большим углом атаки Научно-исследовательская работа по «Химической инженерии»

ЖУРНАЛ ИЗ

АЭРОНАВТИКА

Китайский журнал аэронавтики, (2014), 27 (4): 772-780

Китайское общество аэронавтики и астронавтики и Бейханский университет

Китайский журнал по аэронавтике

cja @ buaa.edu.cn www.sciencedirect.com

Низкочастотная неустойчивость вихревых следов над тонкими телами при большом угле атаки

Ма Баофэн *, Хуанг Ю, Лю Тунсинь

Ключевая лаборатория механики жидкостей Министерства образования, Университет Бейхан, Пекин 100191, Китай

Поступило 5 августа 2013 г .; пересмотрена 18 марта 2014 г .; принята к печати 25 марта 2014 г. Доступна онлайн 4 июля 2014 г.

Abstract Тип нестационарного течения с низкими частотами и большой амплитудой экспериментально исследован на вихревых следах вокруг оживляюще-касательного цилиндра.Эксперименты проводились при углах атаки 60-80 ° и докритических числах Рейнольдса 0,6-1,8 x 105. Приведенные частоты нестационарности составляют от 0,038 до 0,072, что намного меньше, чем частота образования вихрей Кармана. Неустойчивый поток вызывает большие колебания боковых поперечных сил. Результаты измерений давления и велосиметрии по изображению частиц показывают, что нестационарность потока возникает из-за периодических колебаний вихревых следов над тонким телом. Усредненные по времени вихревые узоры над тонким телом асимметричны, ориентация которых зависит от азимутального положения возмущений наконечника.Следовательно, вихревые колебания представляют собой тип нестационарных колебаний вокруг усредненной по времени асимметричной вихревой структуры.

© 2014 Производство и размещение компанией Elsevier Ltd. от имени CSAA и BUAA.

Открытый доступ по лицензии CC BY-NC-ND.

КЛЮЧЕВЫЕ СЛОВА

Аэродинамика; Эксперименты; Динамика жидкостей; Неустойчивый поток; Вихревой поток

1. Введение

Давно известно, что осесимметричные тонкие тела могут создавать асимметричные вихревые следы при больших углах атаки (АОА) даже при нулевом боковом скольжении.1-9 Асимметричные вихри могут вызывать большие усредненные по времени боковые силы, которые иногда даже превышают нормальные силы. Предыдущие исследования показали, что асимметрия завихрений, возникающая в первую очередь из-за дефектов на кончике носа тела3-5, и даже естественные возмущения, связанные с допуском на обработку, могут спровоцировать разработку модели

* Автор, ответственный за переписку. Тел .: +86 10 82338344. Адрес электронной почты: [email protected] (Б. Ма). Рецензирование осуществляется Редакционным комитетом CJA.

асимметричный вихревой поток. Поскольку распределение допусков на обработку различно и случайно в разных моделях, экспериментальные результаты обычно показывают плохую воспроизводимость. Однако если искусственное возмущение добавляется к кончику носа, оно может подавить естественное возмущение и доминировать в развитии асимметричного вихревого потока. Таким образом можно получить воспроизводимые усредненные по времени результаты, поскольку искусственное возмущение, его размер и положение заранее определены.5 Чувствительность вихревых потоков над тонкими телами к несовершенствам наконечника использовалась для контроля вихрей 8-10

Предыдущие эксперименты1,6 показали, что асимметричные вихревые следы над тонким телом демонстрируют усредненную по времени многовихревую структуру с альтернативным расположением вдоль оси тела при высоких AOA. В системе асимметричных вихрей, когда более высокий вихрь отрывается от тела, под ним образуется новый вихрь. В результате образуется альтернативный многовихревой узор.Тем не менее, картина потока в кормовой части далеко от передней части тела будет переходить в вихрь Кармана

http://dx.doi.org/10.1016/j.cja.2014.06.011

1000-9361 © 2014 Производство и размещение компанией Elsevier Ltd. от имени CSAA и BUAA. Открытый доступ по лицензии CC BY-NC-ND.

в некоторых местах ниже по потоку, если часть цилиндра достаточно длинная 6’11-13

Помимо распространения вихрей на хвостовой части, для вихревой системы также существуют некоторые внутренние нестационарные особенности », как резюмируется в обзорной статье.14 Неустойчивые характеристики асимметричных вихрей были подробно исследованы Дегани и др. 15-17. Первоначально они обнаружили нестабильность полей течения над тонкими телами с помощью численного моделирования 15, проведя таким образом эксперименты по выявлению этих нестационарных течений.16 Их эксперименты выявили три типа нестационарных явлений, в том числе низкочастотного образования вихрей Кармана, высокочастотной нестационарности сдвигового слоя и взаимодействия вихрей на умеренных частотах. Среди этих нестационарных явлений низкочастотное вихревое образование имеет самую большую флуктуирующую амплитуду, но может быть подавлено разделительной пластиной на подветренной стороне тела.17 Однако в экспериментах Дегани и др. Датчики давления для мониторинга сигналов давления были распределены только на цилиндрической части тонкого тела, поэтому неустойчивость вихрей на передней части тела не могла быть обнаружена. Ожидается, что с увеличением AOA более высокий вихрь оторвется от поверхности тела раньше, и вся система вихрей переместится вперед на своем месте. Следовательно, при достаточно больших АОА усредненные по времени асимметричные вихри будут сохраняться только в передней части тела.Эксперименты Зиллиака и др. 18 с использованием визуализации дыма качественно показали, что при AOA более 65 ° поток можно разделить на три части: пара неподвижных вихрей над передней частью тела, косое перетекание над соседней цилиндрической частью. к передней части корпуса и параллельному проливу вокруг наклонной части цилиндра далеко вниз по потоку. Они считали, что вихри около передней части тела почти неподвижны без значительной неустойчивости. Хоанг и др. (19) измерили нестационарные поля потока вокруг тела в виде полусферы-цилиндра с помощью проводов и обнаружили тип нестационарного явления, при котором частоты колебаний ниже, чем частоты распространения вихрей Кармана, но источники колебаний не были ясны, и они предположили, что низкочастотные колебания могут быть вызваны вихревым пучением передней части тела.Ма и др. (20,21) также изучали разницу в неустойчивости передней и задней части тонкого тела при очень высоких АОА. Измеренные сигналы давления и связанные с ними спектры показали, что неустойчивость была в первую очередь распространением вихрей Кармана в задней части тела, но существуют колебания более низкой частоты в передней части тела. Они предположили, что низкочастотные колебания происходят из-за вихревых колебаний передней части тела.

Предыдущие исследования, упомянутые выше, предполагали, что тип низкочастотных нестационарных явлений, по-видимому, существует вокруг передней части тонкого тела при высоких АОА, частоты которых ниже, чем частоты вихря Кармана.Однако в предыдущих исследованиях были представлены только результаты, основанные на одноточечных измерениях, поэтому влияние нестационарных явлений на боковые силы тонких тел невозможно оценить. Что еще более важно, источники этих колебаний требуют дальнейшего подтверждения. Кроме того, изменение нестационарных колебаний с числами Рейнольдса также является интересным вопросом, заслуживающим исследования.

Настоящее исследование сосредоточится на неустойчивости вихря вокруг передней части тонкого тела при достаточно высоких AOA и попытается ответить на вышеперечисленные вопросы на основе измерений многоточечного давления и измерения скорости изображения частиц (PIV).

2. Экспериментальная установка

Все эксперименты проводились в аэродинамической трубе D4 Института механики жидкости Бейханского университета (BUAA). Аэродинамическая труба представляет собой низкоскоростной туннель с низким уровнем шума и закрытым возвратом, который может работать как с открытой, так и с закрытой испытательной секцией. Испытательные участки имеют ширину 1,5 м, высоту 1,5 м и длину 2,5 м с уровнем турбулентности менее 0,1%. В настоящих экспериментах использовалась открытая испытательная секция, а макет модели в аэродинамической трубе показан на рис.1 (а). Углы бокового скольжения модели изменяются для более удобного выполнения PIV. Лазерный лист для PIV освещает подветренную сторону передней части тела перпендикулярно оси тела с одной стороны. Снимки PIV были сделаны с вида спереди, но представлены в их зеркальных изображениях в следующем разделе «Результаты», что эквивалентно виду сзади.

Экспериментальная модель представляет собой цилиндр с острым концом и касательной с тонкостью 8D, включая трехмерную переднюю часть (D — диаметр цилиндра, D = 90 мм), как показано на рис.1 (б). В передней части передней части корпуса имеется небольшой вращающийся носик диаметром 27,5 мм, который используется для изменения ориентации возмущений наконечника. На носовой части было добавлено искусственное возмущение кончика, чтобы подавить естественные дефекты на кончике, обеспечивая повторяемость усредненных по времени полей потока, как показано на рис.1 (b) (d — диаметр возмущения кончика, d = 0,2. мм). В эксперименте возмущение размещается на двух азимутальных углах + 45 ° и -45 °.

(б) Модель и возмущение зонда Рис.1 Экспериментальный макет и модель.

Настоящее исследование в основном сосредоточено на потоке вокруг передней части тела, поэтому кольцо отводов давления было распределено равномерно в сечении x / D = 2,5 с всего двадцатью четырьмя точками измерения. Поперечные боковые силы рассчитывались путем интегрирования поверхностных давлений. Отводы давления были соединены с микрометрическими сканерами давления через мягкие трубки. Используемый сканер давления — это сканер ESP-64HD компании Pressure System Inc. с 64 каналами, а соответствующая система сбора данных — DTC Initium.Частота дискретизации системы составляет 330 Гц, а временной интервал между каналами — 50 мкс. Для измерения нестабильного давления трубка должна иметь надлежащую длину, чтобы удовлетворять требованиям к характеристикам сигнала давления. Поэтому, чтобы оценить влияние трубок на измерения нестационарного давления, была создана система измерения динамических характеристик напорных трубок, чтобы получить частотные характеристики трубок различной длины, как показано на рис. 2 (а). В этой системе громкоговоритель, управляемый генератором электрических сигналов, использовался для создания синусоидальных сигналов давления с различными частотами f в качестве измеренных входных сигналов.Входные сигналы делятся на два выхода, один из которых напрямую связан с одним каналом сканера давления, а другой — с одним из других каналов через измерительную трубку. Характеристики отклика могут быть получены путем сравнения разницы между сигналами давления, отобранными из двух каналов. Поскольку все напорные трубки, использованные в настоящих экспериментах, имеют длину 1 м, частотные характеристики напорной трубки длиной 1 м показаны на рис.2 (б). Видно, что

Рис. 2 Частотные характеристики напорной трубки длиной 1 м.

, амплитуды полученных сигналов давления будут на 2,8% выше реальных значений, когда входные сигналы давления составляют 20 Гц. В настоящих экспериментах частоты колебаний давления не превышают 16 Гц, поэтому используемая напорная трубка приведет к амплитудной ошибке менее 2,8%. Фазовая задержка показана на рис. 2 (c), она невелика и также не важна в контексте настоящего исследования.Таким образом, настоящая схема была способна удовлетворить потребность в измерениях динамического давления. Кроме того, частота дискретизации (330 Гц) измерений давления была достаточно высокой, чтобы избежать наложения сигналов, поскольку напорные трубки аналогичны фильтру нижних частот для характеристик давления и могут отфильтровывать возможные сигналы с более высокой частотой, чем те, которые могут быть необходимо измерить, исключив их влияние на требуемые сигналы более низких частот.

Пространственные вихревые структуры над тонким телом получены с помощью Dantec PIV.При измерении PIV воздушный поток был засеян микрочастицами масла, созданными распылителем и растительным маслом, и частицы масла освещались листом лазерного света. Изображения были получены цифровой камерой Hisense 4 M (2048 x 2048 пикселей). Пары изображений коррелировали с помощью двухэтапного оконного процесса, включающего сдвиг окна для определения смещения частиц. Типичные поля скорости составляли 85 x 85 векторов скорости с перекрытием окон 25%. Следует отметить, что для настоящих измерений система PIV не имеет временного разрешения.Максимальная частота дискретизации PIV составляет 3,15 Гц из-за ограничения производительности лазера и камеры, в то время как самая низкая частота нестационарных колебаний, которые должны быть измерены в экспериментах, составляет 6,6 Гц при скорости ветра 10 м / с, поэтому PIV измерение не может удовлетворить теорему выборки Найквиста. Таким образом, измерения PIV использовались только для качественной демонстрации нестационарного поведения асимметричных вихрей, неспособных зафиксировать полную эволюцию структуры потока. Несмотря на это ограничение, считается, что адекватная информация о мгновенных структурах потока может быть получена, если количество снимков PIV достаточно велико.

Скорость набегающего потока в экспериментах находится в диапазоне 10-40 м / с, а соответствующие числа Рейнольдса, основанные на диаметре цилиндра D, составляют от 0,6 x 105 до 2,5 x 105. AOA составляет от 0 ° до 90 °, но упор выставлен в диапазоне 60-80 °. Повторяемость измерений давления и PIV была проверена, и конкретная точность измерений будет указана вместе с результатами в следующем тексте.

3. Результаты

В этом разделе мгновенные поперечные боковые силы от интегрирования давления представлены во временной и частотной областях.Распределение давления в зависимости от времени и моментальные снимки PIV также даются для исследования нестационарных режимов потока, вызывающих колебания.

3.1. Боковые усилия в разрезе

На рис. 3 показано усредненное по времени значение Cym (Cym — это усредненный по времени коэффициент поперечной боковой силы) и среднеквадратичное значение (RMS) поперечных боковых сил от 0 ° до 90 ° AOA, которые были получены путем усреднения 2000 точек выборки. , а искусственное возмущение наконечника расположено в двух азимутальных точках

S »Устойчивый режим

‘Q ™, y — 45 ° \

-o- RMS, y = 45 ° H

— — * — Cym, y —- 45 ° V f

-O- RMS, y = -45 ° \ J

20 40 60

АОА (°)

Рис.3

Cym и RMS против AOA.

+ 45 ° и -45 °. На рисунке скорость ветра U = 10 м / с, число Рейнольдса Re = 0,6 x 105, x / D = 2,5, а y — азимутальный угол возмущения наконечника вокруг оси тела. Видно, что усредненные по времени боковые силы начинают расти при 30 ° AOA из-за нарушения симметрии передних вихрей и достигают максимума при 55 ° AOA, а затем уменьшаются. Боковые силы изменяют направление при АОА 65-80 °, что вызвано поступательным движением асимметричной вихревой системы с увеличением АОА.В этом диапазоне AOA сечение x / D = 2,5 было расположено в трехвихревом режиме из двухвихревого режима из-за многовихревой структуры вихревых следов1, 6. За пределами 80 ° AOA концентрированная Вихревая система не может образоваться над передней частью тела, поэтому усредненные по времени боковые силы становятся равными нулю. Для двух азимутальных местоположений возмущения искусственного наконечника связанные боковые силы почти зеркальны, что связано с бистабильным переключением асимметричных вихрей. Настоящие результаты усредненных по времени боковых сил сопоставимы с предыдущими исследованиями.5,6,22

Помимо усредненных по времени результатов, на рис. 3 также представлены среднеквадратичные значения мгновенных боковых сил для двух мест возмущения наконечника, а значения флуктуаций для этих двух случаев аналогичны. Среднеквадратичное значение боковых сил между углами атаки 65 ° и 80 ° явно выше, чем у других AOA, что является неустойчивым режимом, на котором следует сосредоточить внимание при исследовании. В соответствии с нестационарным режимом на рис.4. На рисунке a — угол атаки, y = 45 °, U = 20 м / с, Re = 1,2 x 105 и x / D = 2,5. Поскольку усредненные по времени боковые силы различны для различных AOA, верхний предел и нижний предел для каждого графика на фиг. 4 устанавливаются разными, чтобы отображать каждый временной график в центральной части графика. Однако различия между верхним и нижним пределами одинаковы, поэтому амплитуды флуктуаций между временными историями можно интуитивно сравнивать без какой-либо деформации.При АОА 55 ° и 60 ° усредненные по времени боковые силы выше, но нестационарные колебания не так заметны, а амплитуды ниже. Флуктуации большей амплитуды начинаются с AOA 65 ° и заканчиваются AOA 80 °, и также качественно видно, что частоты будут расти с увеличением AOA. При AOA 85 ° как усредненное по времени значение, так и мгновенные значения боковых сил почти сводятся к нулю.

Влияние чисел Рейнольдса на нестационарные флуктуации при фиксированной АОА показано на рис.5. На рисунке y = 45 °, a = 70 ° и x / D = 2,5. При числах Рейнольдса

Рис. 4 Временные характеристики коэффициентов поперечной боковой силы при различных AOA.

0,6 x 105–1,8 x 105, временные характеристики боковых сил демонстрируют большие колебания амплитуды, а абсолютные частоты увеличиваются с увеличением числа Рейнольдса. При числе Рейнольдса, превышающем 2,1 x 105, амплитуды флуктуаций резко уменьшаются. Анализируя распределения давления в нижеследующем тексте, можно обнаружить, что граница

Рис.5 Временные характеристики поперечных боковых сил при различных числах Рейнольдса.

слоев претерпевают переход от ламинарного разделения к турбулентному разделению при числе Рейнольдса 2,1 x 105, и это изменение типов разделения потока может изменять асимметричные вихревые структуры.

На рис. 6 представлены частотные спектры для временных историй боковых сил на рис. 5, которые могут количественно выявить изменение частоты с числами Рейнольдса. Спектры были получены с использованием быстрого преобразования Фурье (БПФ) на временных диаграммах побочных сил.Средние значения боковых сил были вычтены из соответствующих временных диаграмм перед БПФ, чтобы более четко отображать пики частот, а также добавлено окно Хэмминга для уменьшения «утечки частоты». Частотные спектры показывают, что безразмерные уменьшенные частоты флуктуации находятся в диапазоне 0,038-0,072 для текущих чисел Рейнольдса и АОА, а уменьшенные частоты также намного меньше, чем частота выделения вихрей Кармана, равная 0,21. Следует отметить, что напорная трубка для измерения давления аналогична фильтру нижних частот

и может отфильтровывать высокочастотные колебательные компоненты.Однако для нынешней компоновки трубопровода сигналы давления с частотой менее 60 Гц не ослабляются, как показано на рис. 2. Следовательно, если в полях потока присутствует вихрь Кармана, его можно будет обнаружить с помощью измерений давления. . Пониженные частоты примерно уменьшаются с увеличением числа Рейнольдса, как показано на рис. 6 (a) — (e). Также можно обнаружить, что частоты выше при более высоких AOA, как показано на рис. 6 (a) и (f). Кроме того, изолированные частотные пики очень четкие и чистые при меньших числах Рейнольдса на рис.6 (a) и (f), а при более высоких числах Рейнольдса частотные спектры включают дополнительные частотные компоненты. Однако в настоящем анализе рассматриваются только доминирующие частоты.

Точность измерения усредненных по времени значений Cym, RMS и приведенных частот f * мгновенных боковых сил показана в таблице 1 при Re = 0,6 x 105 и 1,2 x 105 с a = 70 ° и 75 °. Стандартные отклонения r вышеуказанного

Рис. 6 Частотный спектр поперечных боковых сил при различных числах Рейнольдса (a = 70 ° и f = fD / U).ym RMS f

а = 70 °, Re = 0,6 х 105 0,012 0,012 0,0022

а = 70 °, Re = 1,2 х 105 0,013 0,011 0,0033

а = 75 °, Re = 0,6 х 105 0,010 0,016 0,0024

а = 75 °, Re = 1,2 х 105 0,011 0,006 0,0047

Рис. 7 Мгновенное давление (U = 10 м / с, Re = 0,6 x 105, a = 70 °).

величины было рассчитано на основе семи измерений повторяемости, и можно видеть, что точность измерений хорошая.

3.2. Распределение давления и результаты PIV

Чтобы выявить механизм потока, приводящий к колебаниям боковой силы, в этом подразделе приведены мгновенные распределения давления и снимки PIV при x / D = 2,5 по тонкому телу. Одним из преимуществ настоящей измерительной системы, основанной на трубопроводах и сканерах давления, является то, что на модели может быть распределено больше точек измерения давления, что позволяет измерять эволюцию нестационарных распределений давления.В отличие от преобразователей динамического давления, монтируемых заподлицо или монтируемых заподлицо, можно получить лишь очень небольшое количество дискретных точек измерения. Распределение давления в разрезе очень полезно для изучения характеристик асимметричного вихревого потока. На рис. 7 (а) показана нестационарная эволюция распределений давления в разрезе почти за один период колебаний. На рисунке h — азимутальный угол отводов давления вокруг тела, Cp — коэффициент давления. Реальный интервал дискретизации составляет 3,03 мс, но данные повторно дискретизируются с интервалом 6.06 мс для более четкого отображения профилей. Асимметричные распределения давления на рис. 7 (а) демонстрируют типичное ламинарное разделение с обеих сторон корпуса, а углы разделения составляют примерно ± 90 °. Метод определения типов разделения по распределению давления основан на предыдущих исследованиях22,23. Пики давления всасывания вызываются нижним вихрем в асимметричной паре вихрей, примыкающей к поверхности тела. При a = 70 ° третий вихрь в многовихревой структуре тонкого тела переместился вперед за x / D = 2.5, поэтому в распределении давления преобладает нижний вихрь пары носовых вихрей и третий вихрь под исходным более высоким вихрем. Следующие результаты PIV более четко покажут эту вихревую картину. На рис. 7 (а) изменение пиков всасывания вихрей четко указывает на то, что асимметричные вихри над передней частью тела меняются со временем. Однако, поскольку пики всасывания всегда располагаются с правой стороны в периоде, движения вихрей на передней части тела с большей вероятностью будут колебаться вокруг усредненной по времени асимметричной структуры, а не поочередно выпадать.

Кроме того, колебания давления в основном происходят с подветренной стороны, особенно под вихрями, тогда как с подветренной стороны они намного слабее, как показано на рис. 7 (а). Временные характеристики сигналов давления по обе стороны от подветренной стороны показаны на рис. 7 (b) и (c). Колебания относительно слабые на левой стороне (Рис. 7 (b)), тогда как амплитуды очень высоки на правой стороне из-за расположения вблизи пика всасывания (Рис. 7 (c)). Хотя уровни колебаний для двух сигналов давления различны, они сильно коррелированы друг с другом.

Корреляционная взаимосвязь количественно проиллюстрирована на рис. 8, где рассчитываются индивидуальный частотный спектр и спектр корреляции для двух сигналов давления. Два давления

имеют одинаковую частоту (рис. 8 (a) и (b)), а их разность фаз составляет примерно 180 ° (175,6 °). Разность фаз также может быть качественно обнаружена на кривых временной истории (рис. 7 (b) и (c)), если графики усилены, где гребень волны в одной временной истории соответствует впадине волны в другой.Обратное колебание фазы по обе стороны от подветренной стороны означает, что движение вихря представляет собой попеременное колебание двух вихрей, а не синфазное колебание двух вихрей или колебание одного вихря.

При увеличении числа Рейнольдса пограничные слои на тонком теле могут привести к турбулентному разделению. В результате колебания вихря будут значительно ослаблены, как указано выше на фиг. 5, а на фиг. 9 (а) дополнительно показаны усредненные по времени распределения давления от более низких к более высоким числам Рейнольдса.На рисунке SP обозначает точку разделения. Когда Re <1,8 x 105, все пограничные слои представляют собой ламинарное разделение с обеих сторон тела, а точки разделения составляют примерно ± 90 °. При Re = 1,8 x 105 это ламинарное разделение слева с точкой разделения 90 °, но турбулентное разделение справа с точкой разделения -150 °. Когда Re> 1,8 x 105, все они переходят в турбулентное разделение с обеих сторон с точками разделения ± 120 °. На рис. 9 (b) показаны мгновенные распределения давления, в которых все пограничные слои, по-видимому, демонстрируют типичное турбулентное разделение с обеих сторон тела в любой момент времени.Вихревое всасывание, изначально существовавшее при более низких числах Рейнольдса, исчезает, а уровни колебаний давления также значительно снижаются.

Рис. 8 Частотный спектр сигналов давления (U = 10 м / с, Re = 0,6 x 105, a = 70 °).

В соответствии с таблицами 1 и 2 показаны усредненные по времени значения Cpm, RMS и приведенные частоты f мгновенных давлений на рис. 8 (b) и (c), а стандартные отклонения также рассчитываются на основе семи измерений повторяемости.Давления и боковые силы имеют почти одинаковую величину точности, потому что боковые силы возникают в результате интеграции давления.

Рис. 10 и 11 представляют собой асимметричные вихревые картины при x / D = 2,5 над тонким телом, основанные на измерениях PIV. На рисунке r — среднеквадратичное значение полей абсолютной скорости (Vu2 + v2). Усредненные по времени структуры потока с y = ± 45 ° показаны на рис. 11 (a) и (b), а две асимметричные вихревые картины отражены в зеркальном отображении. В колебаниях давления и боковых сил в основном доминируют два вихря, расположенных ближе к поверхности тела.При a = 70 ° картина течения представляет собой структуру с тремя вихрями при x / D = 2,5, поэтому должен существовать один более высокий вихрь над нижним вихрем, который также является самым высоким вихрем в трехвихре

Рис. 9 Распределение давления (a = 70 °, U = 35 м / с).

Таблица 2 a = 70 ° Точность измерения и Re = 0,6 x 105 об / мин, среднеквадратичное значение и f * при

6 (°) C pm RMS f

165 195 0,017 0,017 0,006 0,011 0,0028 0,0023

строение.Однако, поскольку самый высокий вихрь неустойчив и движется вверх и вниз с большими амплитудами в нормальном направлении, его можно найти только в мгновенном результате (см. Рис.11), тогда как он сглаживается в усредненных по времени результатах PIV на рис. 10 (а) и (б). Помимо усредненных по времени результатов, точность измерения PIV показана на рис. 10 (c) с абсолютными значениями необработанных полей скорости (Vu2 + v2) и рассчитывается по 50 снимкам PIV. Можно видеть, что максимальное среднеквадратичное значение на рис. 10 (c) составляет менее 1 м / с (набегающий поток в экспериментах PIV составляет 10 м / с).Настоящие мгновенные снимки PIV используются только для качественной визуализации вихревых структур, а не количественно, поэтому точность достаточна.

Мгновенные снимки PIV на рис. 10 показывают изменение положения асимметричных вихрей. Вихревой рисунок представляет собой типичную трехвихревую структуру, в которой два вихря у стены очень заметны, а самый высокий вихрь, отмеченный белым пунктирным кругом, может быть вне поля зрения в любой момент из-за неустойчивого вздутия, как показано на рис.11 (c) — (e). Хотя самый высокий вихрь имеет большую величину вертикальной волны, он находится далеко от стенки тела, что в меньшей степени способствует колебаниям давления и боковых сил. Колебания стенок в основном связаны с двумя нижними вихрями, которые меняют свое положение со временем, но

j (дюйм) ji (mni) y (miii)

(а)) »= 45 ° (б) / = — 45 ° (в) СКО полей абсолютной скорости

Рис. 10 Усредненные результаты с 50 снимками PIV при a = 70 ° и x / D = 2.5.

Рис. 11 Мгновенные результаты PIV с y = 45 ° при AOA = 70 °, x / D = 2,5, вид сзади (снимки PIV с частотой дискретизации 3,15 Гц).

не линяет. В усредненной по времени вихревой структуре все еще преобладают возмущения наконечника, как показано на рис. 10 (a) и (b), и эту роль возмущения наконечника также можно определить из мгновенных структур потока на рис. 11. Самый высокий вихрь. всегда располагается с правой стороны при y = 45 °.

4.Обсуждения

Приведенные выше результаты показывают, что существуют низкочастотные колебания для асимметричных вихревых течений над передней частью тонкого тела с AOA 65-80 °. Вихревые колебания вызывают колебания большой амплитуды давления и боковых сил, которые достаточно сильны, чтобы влиять на устойчивость самолета к рысканью. Частоты флуктуаций намного ниже, чем частота образования вихрей Кармана. Распределение давления и характер вихрей указывают на то, что вихри колеблются вокруг усредненных по времени асимметричных вихрей.

Приведенные выше результаты также показывают, что типы разделения пограничных слоев имеют важное влияние на низкочастотные колебания, и колебания могут быть значительно уменьшены при критических числах Рейнольдса, как показано на рис. 5 и 9. Числа Рейнольдса в наших экспериментах охватывают только докритический режим и более раннюю фазу критического режима, полностью не достигая посткритического режима. С точки зрения предыдущих исследований, 22,23 уровень асимметрии вихрей над тонким телом является самым высоким в докритическом и посткритическом режимах, вызывая очень большие боковые силы, но в критическом режиме асимметричная вихревая система теряет регулярные структуры из-за При переходе пограничного слоя генерируемые боковые силы постепенно приближаются к нулю с увеличением числа Рейнольдса.Следовательно, хотя низкочастотные флуктуации ослабевают при увеличении числа Рейнольдса до критического режима, весьма вероятно, что они восстановятся в посткритическом режиме. Однако гипотеза требует дальнейшей проверки.

экспериментально в аэродинамических трубах, способных обеспечить более высокие числа Рейнольдса.

Кроме того, следует отметить, что механизм течения, вызывающий асимметричные вихревые колебания, не ясен. Можно предложить несколько возможных механизмов, но они нуждаются в дальнейшем подтверждении.Одной из возможностей, ответственных за колебания вихря, является абсолютная неустойчивость потока, другими словами, колебания являются внутренней природой потока. Эту гипотезу можно проверить или исключить с помощью анализа устойчивости. Другая возможность состоит в том, что разрушение вихря вызывает колебания вихря. Поскольку АОА достаточно велики, асимметричные вихри должны иметь пробой, по крайней мере, ниже по потоку. Предыдущие исследования показали, что разрушение вихрей очень неустойчиво, а точки разрушения могут перемещаться вперед и назад.Следовательно, нестационарность разрушения вихря также может вызывать вихревые колебания. Однако настоящее исследование не может изучить явление пробоя асимметричных вихрей из-за ограниченности экспериментальных методов. Вероятно, снимок PIV вдоль оси ядра вихря может быть использован для идентификации разрушения вихря, но поскольку асимметричное ядро ​​вихря не является прямой линией, этот тип измерения PIV очень сложно выполнить.

5. Выводы

Экспериментально исследованы нестационарные характеристики асимметричных вихревых течений над телом оживляющего цилиндра в диапазоне чисел Рейнольдса 0.6 х 105-2,5 х 105, и некоторые выводы можно сделать следующим образом.

Новый тип неустойчивости с низкими частотами и большими амплитудами обнаружен для асимметричного вихревого обтекания передней части тонкого тела под углами атаки 60-80 °. Неустойчивость вихря вызывает большие колебания боковых сил, и размах амплитуды коэффициентов поперечной боковой силы может достигать 2,0. Флуктуация большой амплитуды существует в диапазоне докритических чисел Рейнольдса, равных 0.6 x 105-1,8 x 105, а когда числа Рейнольдса поднимаются до критического режима, амплитуды флуктуаций сильно уменьшаются. При нынешних числах Рейнольдса и углах атаки уменьшенные частоты составляют от 0,038 до 0,072, что намного меньше, чем частота выпадения вихрей Кармана, равная 0,21. Пониженные частоты уменьшаются с увеличением числа Рейнольдса, но повышаются с увеличением углов атаки.

Колебание боковых сил происходит из-за периодических колебаний асимметричных вихревых следов.Поскольку усредненные по времени вихревые структуры являются асимметричными, ориентация которых зависит от азимутальных положений возмущения наконечника, вихревые колебания представляют собой тип нестационарных колебаний вокруг усредненной по времени асимметричной вихревой структуры. Периодическое вихревое движение приводит к колебаниям давления на подветренной стороне носовой части, а сигналы давления слева и справа от подветренной стороны имеют одинаковую частоту, но разность фаз 180 °.

Благодарность

Проект поддержан Национальным фондом естественных наук Китая (No.11272033).

Список литературы

1. Томсон К.Д., Моррисон Д.Ф. Расстояние, положение и сила вихрей в следе за тонкими цилиндрическими телами при большом падении. J Fluid Mech 1971; 50 (4): 751-83.

2. Ламонт П.Дж., Хант Б.Л. Распределение давления и силы на остроконечном круглом цилиндре при больших углах наклона к однородному дозвуковому потоку. J. Fluid Mech 1976; 76 (3): 519-59.

3. Bridges DH, Hornung HG.Эффект эллиптического острия на вихревом следе за осесимметричным телом при падении. AIAA J 1994; 32 (7): 1437-45.

4. Леви Ю., Хесселинк Л., Дегани Д. Систематическое изучение возмущений и асимметрий потока. AIAA J 1996; 34 (4): 772-7.

5. Чен XR, Дэн XY, Ван Ю.К., Лю П.К., Гу Цзыфин. Влияние возмущений носа на поведение асимметричных вихрей над стройным телом. Acta Mech Sin 2002; 18 (6): 581-93.

6. Дэн XY, Ван Г, Чен XR, Ван YK, Лю П.К., Си ZX.Физическая модель структуры асимметричных вихрей в регулярном состоянии над тонким телом под большим углом атаки. Sci China Ser E 2003; 46 (6): 561-73.

7. Ян Й.Дж., Цуй Э.Дж., Чжоу В.Дж. Численное исследование асимметричного вихревого обтекания тонкого тела с большой вероятностью. Acta Mech Sin 2004; 36 (1): 1-8 китайский.

8. Мин X, Гу YS. Контроль асимметричных полей течения тонких тел под большим углом атаки. Чин Дж. Аэронавт 2006; 19 (2): 168-74.

9.Тиан Б., Ли Х. Х., Мэн Х. С., Ло С. Дж., Лю Ф. Управление потоком конической передней части тела с помощью плазмы одноимпульсного разряда. Acta Aerodyn Sin 2012; 30 (5): 680-4 Китайский.

10. Уильямс Д. Обзор сценариев управления вихрями на передней части тела. 1997. Отчет №: AIAA-1997-1967.

11. Снарски SR. Обтекание круговых цилиндров с отклонением от вертикали: спектры давления на стенки и режимы течения. Физические жидкости 2003; 16 (2): 344-59.

12. Лам К., Линь Ю.Ф., Цзоу Л., Лю Ю. Исследование турбулентного обтекания вращающегося волнистого цилиндра.J Fluids Struct 2010; 26 (7): 1078-97.

13. Йео Д.Х., Джонс Н.П. Определение характеристик потока под углом к ​​круглому цилиндру с низким соотношением сторон с использованием трехмерного моделирования отдельных вихрей. J Wind Eng Ind Aerodyn 2011; 99 (11): 1117-25.

14. Zeiger MD, Telionis DP, Vlachos PP. Нестационарные отрывные потоки над трехмерными тонкими телами. Prog Aerosp Sci 2004; 40 (4): 291-320.

15. Дегани Д., Шифф Л.Б. Численное моделирование влияния пространственных возмущений на асимметрию вихрей.1989, январь. Отчет №: AIAA-1989-0340.

16. Дегани Д., Зиллиак Г.Г. Экспериментальное исследование нестационарного асимметричного обтекания оживляющего цилиндра при падении. AIAA J 1990; 28 (4): 642-9.

17. Дегани Д. Влияние разделительной пластины на нестационарные обтекания тела вращения при падении. Phys Fluids A Fluid Dyn 1991; 3 (9): 2122-31.

18. Зиллиак Г.Г., Дегани Д., Тобак М. Асимметричные вихри на тонком теле вращения. AIAA J 1991; 29 (5): 667-75.

19. Хоанг Н.Т., Рединиотис О.К., Телионис Д.П. Динамический характер следа полусферы-цилиндра. Exp Fluids 1999; 26 (5): 415-22.

20. Ма И, Лю П.К., Дэн Кси, Шао Ю.Ф. Характеристики носовых вихрей и вихрей Кармана при обтекании тонкого тела при больших углах атаки. Exp Meas Fluid Mech 2004; 18 (2): 65-70 китайский.

21. Ма И, Лю П.К., Дэн Сюй, Ши Дж.Л. Исследование неустойчивости носовых вихрей при обтекании стройного тела при больших углах атаки.Exp Meas Fluid Mech 2004; 18 (4): 72-7 китайский.

22. Ма Б.Ф., Дэн XY, Чен Й. Влияние принудительного асимметричного перехода на асимметрию вихрей вокруг тонких тел. AIAA J 2007; 45 (11): 2671-6.

23. Lamont PJ. Давления вокруг наклонного оживляющего цилиндра с ламинарным, переходным или турбулентным разделением. AIAA J 1982; 20 (11): 1492-9.

Ма Баофэн — доцент Института жидкостей

Механика в Бейханском университете.В основном он занимается исследованием нестационарных течений и отрывных вихревых течений с использованием экспериментальных

и вычислительные методы.

Сортировка полосовой ржавчины пшеницы с помощью глубокого обучения с использованием механизма внимания и изображений с мобильных устройств

Front Plant Sci. 2020; 11: 558126.

³ Шэньси Ключевая лаборатория восприятия сельскохозяйственной информации и интеллектуальных услуг, Янлинг, Китай

Сюйдун Чжан

¹ Колледж машиностроения и электронной инженерии Северо-Западного университета A&F, Янлинг, Китай

² Ключевая лаборатория сельскохозяйственного Интернета of Things, Министерство сельского хозяйства и сельских дел, Янлин, Китай

³ Шэньси Ключевая лаборатория восприятия сельскохозяйственной информации и Intelligent Services, Yangling, Китай

Jinya Su

⁴ Школа компьютерных наук и электронной инженерии, Университет Эссекса, Колчестер, Великобритания

Dejun Han

⁵ Государственная ключевая лаборатория биологии стресса сельскохозяйственных культур в засушливых районах и колледж защиты растений Северо-Западного университета A&F, Янлин, Китай

Баофенг Су

¹ Колледж машиностроения и электронной инженерии Северо-Западного университета A&F, Янлинг, Китай

² Ключевая лаборатория сельскохозяйственного Интернета вещей, Министерство Департамента сельского хозяйства и сельских районов, Янлин, Китай

³ Шэньси Ключевая лаборатория восприятия сельскохозяйственной информации и интеллектуальных услуг, Янлинг, Китай

¹ Колледж механической и электронной инженерии, Северо-Западный университет A&F, Янлинг, Китай

² Ключевая лаборатория сельскохозяйственного Интернета вещей, Министерство о f Сельское хозяйство и сельские дела, Янлинг, Китай

³ Шэньси Ключевая лаборатория восприятия сельскохозяйственной информации и интеллектуальных услуг, Янлинг, Китай

⁴ Школа компьютерных наук и электронной инженерии, Эссекский университет, Колчестер, Соединенное Королевство

⁵ Государственная ключевая лаборатория биологии стресса сельскохозяйственных культур в засушливых районах и Колледж защиты растений Северо-Западного университета A&F, Янлинг, Китай

Отредактировал: Алессандро Матезе, Итальянский национальный исследовательский совет, Италия

Рецензент: Wei-Hua Tang , Шанхайский институт биологических наук (CAS), Китай; Клара Косова, Институт исследований сельскохозяйственных культур (CRI), Чехия

Эта статья была отправлена ​​в раздел журнала «Frontiers in Plant Science»

2020 г. 5 мая; Принята в печать 21 августа 2020 г.

Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License (CC BY). Использование, распространение или воспроизведение на других форумах разрешено при условии указания автора (авторов) и правообладателя (ов) и ссылки на оригинальную публикацию в этом журнале в соответствии с принятой академической практикой. Запрещается использование, распространение или воспроизведение без соблюдения этих условий.

Реферат

Полосовая ржавчина пшеницы — одна из основных болезней пшеницы во всем мире, которая оказывает значительное отрицательное влияние на урожайность и качество пшеницы, создавая серьезную угрозу для продовольственной безопасности.Сортировка по степени тяжести заболевания играет первостепенную роль в борьбе с заболеванием полосатой ржавчиной, включая селекцию устойчивых к болезням сортов пшеницы. Ручной осмотр требует времени, трудозатрат и подвержен человеческим ошибкам, поэтому существует очевидная острая необходимость в разработке более эффективной и действенной стратегии классификации болезней с использованием автоматизированных подходов. Однако различия между листьями пшеницы с разным уровнем заражения полосовой ржавчиной обычно крошечные и незаметные, и в результате обычные сети глубокого обучения не могут обеспечить удовлетворительную производительность.Формулируя эту задачу как задачу детальной классификации изображений, в этом исследовании предлагается новая сеть глубокого обучения C-DenseNet, которая включает модуль сверточного блочного внимания (CBAM) в плотносвязную сверточную сеть (DenseNet). Производительность C-DenseNet и его вариантов демонстрируется через недавно собранный набор данных по оценке ржавчины полос пшеницы (набор данных WSRgrading) в Северо-Западном университете A&F, провинция Шэньси, Китай, который содержит в общей сложности 5242 изображения листьев пшеницы с 6 уровнями полос. заражение ржавчиной.Набор данных был собран с использованием различных мобильных устройств в естественных полевых условиях. Сравнительные эксперименты показывают, что C-DenseNet с точностью тестирования 97,99% превосходит классические DenseNet (92,53%) и ResNet (73,43%). Визуализация сети GradCAM ++ также показывает, что C-DenseNet может уделять больше внимания ключевым областям при принятии решения. Сделан вывод, что C-DenseNet с механизмом внимания подходит для классификации болезней полосатой ржавчины пшеницы в полевых условиях.

Ключевые слова: полосовая ржавчина пшеницы, классификация болезней, модуль CBAM, C-DenseNet, механизм внимания

Введение

Полосовая ржавчина является основным заболеванием сельскохозяйственных культур пшеницы, существенно влияющим на урожайность и качество пшеницы во всем мире.В связи с непрерывной эволюцией и эпидемией новых физиологических рас и новых патогенных типов полосовой ржавчины пшеницы в последнее время масштабы ущерба, причиняемого полосовой ржавчиной пшеницы, еще больше расширились, а степень повреждения также стала тяжелее. Все эти ограничения затрудняют борьбу с заболеванием полосовой ржавчиной. Обычно существует два способа борьбы с полосовой ржавчиной зерновых культур, включая химический контроль и генетическую устойчивость (Ellis et al., 2014). Подход к химическому контролю основан на динамическом мониторинге популяций патогенов, прогнозировании вспышек заболеваний и соответствующем химическом вмешательстве.В то время как подход, основанный на генетической устойчивости, в основном сосредоточен на выращивании и распространении устойчивых к болезням сортов, что более рентабельно и устойчиво в долгосрочной перспективе (Li and Zeng, 2002).

При селекции устойчивых к болезням сортов пшеницы необходимо контролировать состояние пшеницы, чтобы сделать предварительную оценку ее устойчивости к болезням. Устойчивость к болезням можно рассматривать как экспрессию генов устойчивости к болезням и генов патогенных бактерий (т.е. взаимные игры) в растениях под влиянием определенных условий окружающей среды.Долгосрочный процесс эволюции заключается в том, что растения в разных условиях окружающей среды формируют разные типы устойчивости к болезням. Критерии разделения на типы болезней обычно разные. Основными показателями устойчивости зрелых растений пшеницы к болезням являются тип и тяжесть заражения. В общем, если время идентификации является подходящим, тип инфекции рассматривается как характеристика устойчивости самого материала к заболеванию, а степень тяжести отражает, способствует ли эта среда достаточной заболеваемости.Таким образом, инфекционный тип является основным показателем оценки устойчивости пшеницы. В литературе доступны различные стандарты классификации инфекции полосовой ржавчины, такие как стандарт идентификации 0–9 (Peterson et al., 1948; McNeal et al., 1971) и стандарт идентификации 0–5 (Li and Zeng, 2002). Последний принят в данном исследовании, поскольку он широко используется в Китае, где проводилось это исследование. Примеры изображений используемого стандарта показаны в, а конкретные правила деления приведены в.

Примеры изображений для стандарта идентификации в этой работе.

Таблица 1

Стандарт классификации по типу заражения полосовой ржавчиной в данной работе.

В последние годы были достигнуты большие успехи в идентификации болезней растений с использованием глубоких нейронных сетей (DNN). Инициатива PlantVillage (Hughes and Salathé, 2015) направлена ​​на создание наборов данных о болезнях листьев растений, в которых собрано 50 000 изображений здоровых и инфицированных листьев 14 различных культур с 26 различными заболеваниями.Mohanty et al. (2016) разработали классификатор распознавания заболеваний, используя приведенный выше общедоступный набор данных, но только с ограниченной точностью. Сеть классификации болезней растений, обусловленных растениями, предложенная Picon et al. (2019a) получает сбалансированную точность 98%, которая включает контекстную информацию путем конкатенации на уровне вектора встраивания. Рамчаран и др. (2019) обучили модель обнаружения объектов сверточной нейронной сети (CNN) распознавать симптомы заболеваний на листьях маниоки и развернули эту модель в мобильных приложениях, чтобы проверить ее производительность на мобильных изображениях и видео.Было обнаружено, что производительность на изображении и видео в поле снижается по шкале F-1. В частности, на характеристики модели влияют освещение, угол съемки и другие факторы, что также доказывает, что классификация полевых изображений является очень сложной задачей. Пикон и др. (2019b) и Лу и др. (2017) добились больших успехов в классификации различных болезней пшеницы. Хотя сеть в вышеупомянутом исследовании достигла более высокой точности классификации болезней растений, большинство объектов классификации болезней представляют собой изображения с легко различимыми характеристиками цвета и формы.Однако классификация заражения полосовой ржавчиной является более сложной задачей, поскольку различия в характеристиках изображения (например, цвет, форма) при разных уровнях заражения полосовой ржавчиной обычно незначительны и незначительны. Таким образом, в данном исследовании эта задача сформулирована как проблема детальной классификации изображений.

Детальная классификация изображений — горячая тема в области классификации изображений. Обычно эффективен метод позиционирования-классификации. Ранние методы позиционирования и классификации основывались на обучении под строгим контролем и требовали большого количества ручной работы, чтобы пометить ключевые области изображения.Например, SP⁃DA-CNN, предложенный Zhang et al. (2016) использует аннотацию Part в наборе данных CUB о птицах для обучения сети обнаружения и привлечения внимания к 7 различным частям птицы в наборе данных. После того, как элементы вырезаны в соответствующих положениях, они используются для классификации изображений с более высокой производительностью. Механизм внимания (Borji et al., 2013) не полагается на ручное аннотирование и является эффективным методом обучения со слабым учителем. В частности, механизм внимания оптимизирует модель и делает более точные суждения, присваивая разные веса различным интересующим частям модели и извлекая из них более важную и критическую информацию.Например, Ядерберг и др. (2015) предложили сеть пространственного преобразования, которая использует мягкое внимание к выборке на картах признаков для получения морфологически преобразованных признаков. По сравнению с классическими сверточными сетями, он может более эффективно извлекать информацию о пространственных объектах. Двухуровневая модель внимания, предложенная Xiao et al. (2015) применяет внимание как на уровне объекта, так и на частичном уровне, где сверточные сети используются для получения информации на уровне объектов, а метод кластеризации применяется для получения ключевой локальной области для более точного использования многоуровневой информации.Fu et al. (2017) объединили визуальное внимание с рекурсивной структурой, а также объединили функции и веса внимания на каждом уровне рекурсивной сети, тем самым объединив ключевые особенности региона в нескольких масштабах модели.

Вдохновленный механизмом внимания, эта работа предлагает новую сеть глубокого обучения C-DenseNet для оценки заражения полосатой ржавчиной пшеницы, в которой разработанный C-DenseNet встраивает модуль сверточного блочного внимания (CBAM) в плотно подключенную сверточную сеть (DenseNet).Ниже приводится краткое изложение основных вкладов:

1. Формулируя классификацию болезней полосовой ржавчины как задачу классификации мелкозернистых изображений, в этом документе предлагается C-DenseNet для достижения адаптивной калибровки каналов и пространства признаков.

2. Собирается открытый набор данных по классификации полосовой ржавчины пшеницы (набор данных WSRgrading), который содержит в общей сложности 5 242 листа пшеницы с 6 уровнями заражения полосовой ржавчиной пшеницы. Набор данных собирается в полевых условиях с помощью различных мобильных устройств, а затем вручную калибруется в соответствии со стандартом классификации инфекций.

3. На основе вышеупомянутого набора данных проводятся обширные сравнительные эксперименты (например, производительность, визуализация внимания) на C-DenseNet (и ее вариантах) с классическими DenseNet и ResNet. Показано, что предлагаемый C-DenseNet превосходит классические DenseNet и ResNet, показывая эффективность механизма встраивания внимания.

Материалы и методы

В этом разделе подробно описаны материалы и методы, принятые в этом исследовании, которые включают собранный набор данных изображений, предлагаемую C-DenseNet и ее варианты, а также визуализацию внимания.

WSRgrading Image Dataset

Представлен набор данных изображения, используемый в этом исследовании, включая получение изображений и предварительную обработку изображений.

Получение изображений

В первоначальном дизайне эксперимента (Wu et al., 2020) для оценки реакции полосовой ржавчины использовалась общая панель из более чем 1500 образцов пшеницы, а в качестве линий использовались линии пшеницы Avocet S, Mingxian 169 и Xiaoyan 22. чувствительные элементы управления. В этом субисследовании часть делянок пшеницы (с числом около 200) использовалась для сбора изображений, где оценка устойчивости взрослых растений проводилась в Янлинге (34 ° 17 ‘северной широты, 108 ° 04’ восточной долготы, высота 519 м над уровнем моря). ) в провинции Шэньси в период посева озимой пшеницы (2018–2019 гг.).Более подробная информация о росте растений, управлении и времени оценки доступна в предыдущей публикации (Wu et al., 2020).

В этом поле в общей сложности 5242 изображения листьев озимой пшеницы (взрослые растения пшеницы после колошения пшеницы) были собраны различными мобильными устройствами (например, Huawei Honor 9, Huawei Honor V9, Huawei Honor 10, vivo X20A, vivo X9Plus, Oppo R15x, Oppo A83T, Xiaomi Redmi 2 Pro, iPhone 6) с разными расстояниями и углами визуализации, которые были дополнительно разделены на 6 уровней заражения посредством визуального осмотра экспертами-патологами.Примеры изображений показаны на. Набор данных был собран с 8:00 до 17:00, охватывающий различные полевые условия (например, освещение).

Пример листьев пшеницы с заражением полосовой ржавчиной в наборе данных.

Изображения были получены с верхней поверхности листа и без прямого отражения солнечного света. Никаких других ограничений для максимального моделирования реальных условий сбора данных в реальных приложениях не накладывалось. Также избегали использования дополнительных цветовых элементов нормализации, поскольку они непрактичны для получения полевых изображений, как показано в Johannes et al.(2017).

Количество случайно выбранных выборок показано в. Можно видеть, что различия между листьями пшеницы с разным уровнем заражения полосовой ржавчиной обычно незначительны и незначительны, что создает серьезные проблемы для классификации изображений. В данном исследовании эта задача сформулирована как задача классификации изображений с мелкими деталями. Количество и пропорции изображений на каждом уровне показаны в. Из этого видно, что номера изображений для разных уровней тяжести заболевания в целом сбалансированы, и, следовательно, проблем с дисбалансом данных не существует.

Таблица 2

Количество и доля каждой категории в наборе данных.

Предварительная обработка и увеличение изображения

В сети, предложенной в этой статье, входное изображение должно быть субдискретизировано до изображения размером 640 * 640. Если в изображении все еще остается сложный фон, это отрицательно повлияет на классификационные характеристики разработанной модели. С другой стороны, когда поражение небольшое, этот метод прямого понижения выборки может сделать поражение очень маленьким или даже исчезнуть. В ответ на вышеупомянутые проблемы мы приняли метод маски лезвия, аналогичный предложенному Picon et al.(2019a).

В этом методе изображение обрезается поворотной прямоугольной рамкой в ​​прямоугольное изображение, содержащее интересующие элементы листа. Диапазон конечных элементов предоставляется в заметках экспертов на этапе обучения и конечным пользователем во время тестирования (или в реальных приложениях). Затем используется белая маска для расширения изображения в квадрат, чтобы избежать искажения при нормализации изображения. Интуитивно понятно, что кадрирование изображения в прямоугольник с границей листа снижает потерю деталей за счет удаления нерелевантных областей в исходном изображении перед понижающей дискретизацией, особенно для раннего обнаружения и классификации заболеваний.Подробности этого процесса проиллюстрированы в.

Примеры изображений из набора данных после кадрирования на основе маски листьев.

Обогащение набора данных за счет увеличения данных может увеличить разнообразие данных и избежать проблем с переобучением при обучении модели. Чтобы увеличить количество и разнообразие исходного набора данных изображения и сделать извлеченные особенности более устойчивыми к изменениям положения и освещения, был создан расширенный набор данных изображения с помощью различных методов увеличения данных, включая горизонтальный поворот, случайный угол поворота и изменения освещения ( Деллана и Рой, 2016).На этапе обучения алгоритма каждое изображение будет случайным образом преобразовано для геометрической модификации, чтобы обеспечить лучшую изменчивость обучающего изображения. Чтобы избежать проблемы несбалансированности классов во время обучения (Japkowicz and Stephen, 2002), каждый класс также равномерно выбирается из набора данных, в результате чего получается равный процент от каждого класса агрессивного уровня.

C-DenseNet Network

DenseNet (Huang et al., 2017) — это сеть с плотным подключением, в которой хорошо реализовано мультиплексирование функций.В сети DenseNet каждый слой получает дополнительные входные данные от всех предыдущих слоев и каскадно передает свою карту характеристик всем последующим слоям. Поскольку каждый уровень принимает сопоставления функций со всех предыдущих уровней, сеть может быть тоньше, более компактной и с меньшим количеством каналов, что является хорошим отходом от единственного метода увеличения количества сетевых уровней и расширения сетевой структуры для повышения производительности сети. . Оказывается, DenseNet работает лучше, чем Resnet (Chang et al., 2018) на практических занятиях по классификации инфекций полосовой ржавчины.

Хотя каждый уровень заражения имеет разные характеристики цвета и формы заболевания, различия между некоторыми уровнями очень незначительны и незначительны. Например, разница между первым и вторым уровнями заключается только в наличии или отсутствии мелких спор. Кроме того, между вторым и четвертым уровнями, третьим и пятым уровнями единственная разница заключается в наличии или отсутствии белых пятен. Чтобы точно идентифицировать эти тонкие различия, мы разработали сеть C-DenseNet для реализации задачи детальной классификации изображений, как показано на.Сеть в основном состоит из четырех плотных блоков, трех переходных слоев и трех модулей CBAM (Woo et al., 2018).

Структура предлагаемой C-DenseNet для классификации болезней полосовой ржавчины.

В частности, Denseblock состоит из 12 плотных слоев, где функция плотного слоя показана на. Слой пакетной нормализации решает проблемы исчезновения градиента и взрыва градиента посредством нормализации данных. Слой ReLU используется для добавления нелинейных факторов для лучшего выражения, которое легче обучить и часто обеспечивает лучшую производительность по сравнению с альтернативами (например,г., сигмовидная, гиперболический тангенс). Слой исключения, типичный метод регуляризации для моделей нейронных сетей, может эффективно уменьшить количество ветвей и избежать переобучения.

Подробная структура модуля Convolutional Block Attention Module (CBAM).

Слой перехода размещается между плотным блоком и модулем CBAM. Он состоит из BN, ReLU, слоя Conv 1 * 1 * 1 и среднего уровня объединения 2 * 2 * 2. Его роль — уменьшить размер каждого выходного канала Dense Block. На переходном слое есть уменьшение параметра, которое сокращает вывод до исходного времени уменьшения, где параметр по умолчанию равен 0.5 принят в данной статье. Модуль CBAM — это один из типов модулей механизма внимания, который объединяет пространство и каналы. По сравнению с SE-Net, он может увеличить механизм внимания пространства внимания, а также достичь лучших результатов.

Механизм внимания канала действительно похож на SE-Net, за исключением того, что в дополнение к использованию пула Avg при сжатии пространственных измерений карты функций также добавляется пул Max. Когда выполняется обратное распространение градиента, обратная связь по градиенту обеспечивается там, где карта характеристик реагирует больше всего, чтобы сделать информацию более полной.MLP — это двухуровневый полностью связанный слой. Размер канала сначала уменьшается до 1/16 от исходного, а затем возвращается к исходному размеру. Это добавляет нелинейности и лучше соответствует сложной корреляции между каналами. Промежуточная функция требует для обработки функции ReLU Activate. Математическое выражение этого процесса дано в уравнении (1):

MC (F) = σ (MLP (AvgPool (F)) + MLP (MaxPool (F)))

(1)

Механизм пространственного внимания заставляет сеть больше реагировать на важные части карты функций на пространственном уровне.В этом подходе сначала выполняется глобальный максимальный пул и глобальный средний пул на основе канала функции, а затем выполняется операция конкатенации. Затем после операции свертки размер уменьшается до 1 канала, за которым следует сигмоидальная операция для создания функции пространственного внимания. Математическое выражение для этого процесса приведено в уравнении (2):

MS (F) = σ (f7 × 7 ([AvgPool (F); MaxPool (F)]))

(2)

C-DenseNet Варианты

Помимо C-DenseNet, также предлагаются и тестируются его варианты.Сначала рассматривается так называемый C-DenseNet-IN, где модуль CBAM добавляется в плотный блок. Кроме того, также проверяется влияние количества каналов каждого плотного блока, где рассматриваются C-DenseNet-121 (эквивалентно C-DenseNet), C-DenseNet-169 и C-DenseNet-201. Общий дизайн структуры показан на, где k представляет скорость роста. Модули, наконец, соединяются методом Concatenate, поэтому каждый раз, когда модуль проходит, размерность следующего слоя увеличивается на k.Чем больше k, тем более гладкая информация в сети и, следовательно, более надежная сеть. Однако это происходит за счет увеличения размера сети и увеличения количества вычислений. k = 32 выбрано в этой статье.

Таблица 3

Подробная структура вариантов C-DenseNet.

Внимание Различные модели

Для визуального анализа изменений, вызванных добавлением модуля внимания, в этой статье используется Grad-CAM ++ (Chattopadhyay et al., 2017), чтобы визуализировать особенности набора для тестирования листьев пшеничной полосовой ржавчины. Grad-CAM — эффективный метод визуализации функций. Этот подход в основном использует градиент целевого класса для получения веса карты признаков, а затем выполняет взвешенное суммирование для получения тепловой карты внимания. Для полноты картины кратко представлен алгоритм Grad-CAM ++. Сначала веса вычисляются по глобальному среднему градиенту. По сравнению с Grad-CAM, Grad-CAM ++ добавляет ReLU и градиенты веса αijkc.Мы определяем вес категории c, соответствующей k-му отображению признаков в Grad-CAM, как wkc, который задается уравнением (3):

wkc = ∑i∑jαijkc.relu∂yc∂ Aijk

(3)

где y ^c — градиент оценки для класса c, Aijk — значение пикселя в позиции (i, j) в k-й карте характеристик. Затем получаются веса всех категорий, соответствующих картам характеристик, и выполняется взвешенное суммирование, чтобы можно было получить окончательную тепловую карту.Формула суммирования показана в уравнении (4):

YC = ∑kwkc.∑i∑jAijk

(4)

Результаты

Обучение модели

Для проверки производительности различных моделей 80% изображений в каждая категория выбирается случайным образом в качестве обучающей выборки, а оставшиеся 20% используются в качестве проверочной выборки. Все сети глубокого обучения в этом исследовании были реализованы с помощью инструмента Python в среде Pytorch. Расчеты проводились на Intel Xeon E5-2618L 2.ПК с тактовой частотой 3 ГГц и графическим процессором NVIDIA GeForce GTX 2080 Ti.

Основные параметры C-DenseNet показаны в. Кроме того, стандартная кросс-энтропия используется в качестве функции потерь при обучении модели. Чтобы лучше решить проблему чрезмерной подгонки и исчезновения градиента, используется регуляризация L2, а начальная скорость обучения установлена ​​на 0,01. В погоне за более высокой скоростью обучения в качестве алгоритма оптимизации используется стратегия «SGD + импульс». Спад веса и импульс установлены равными 1e-4 и 0.9 соответственно.

Таблица 4

Основные параметры C-DenseNet.

Производительность C-DenseNet

После обучения моделей оставшиеся 20% набора данных изображений используются для оценки предлагаемой сети C-DenseNet по сравнению с классической DenseNet (Хуанг и другие., 2017) и ResNet (Chang et al., 2018). В этой работе принят ряд показателей оценки, включая точность, точность, отзывчивость и F1-балл. Кроме того, матрица неточностей также используется для предлагаемой C-DenseNet, которая показана в. Из матрицы неточностей видно, что ошибочная классификация в основном происходит между уровнями 1 и 2, а также между уровнями 3 и 5. Это происходит главным образом потому, что различия между ними очень малы и малозаметны, и, следовательно, некоторые неверные суждения находятся в пределах допустимые диапазоны.Образцы изображений, которые были неправильно и точно спрогнозированы моделью, перечислены в таблице для визуальной проверки производительности модели, как показано на.

Матрица путаницы предлагаемой C-DenseNet.

Таблица 5

Некоторые примеры листьев пшеницы, которые предсказываются этим методом правильно и неправильно. (a), (b), (c) и (d) для метки 1, 2, 3, 5 соответственно.

Показатели точности, точности, отзывчивости и оценки F-1 для предлагаемых C-DenseNet, DenseNet и ResNet представлены в.Показано, что и C-DenseNet, и DenseNet значительно превосходят ResNet по всем оценочным показателям. Кроме того, предлагаемая C-DenseNet также превосходит DenseNet по всем параметрам оценки, в частности, с улучшением точности на 6%. Этот результат доказывает эффективность механизма внимания при классификации болезней полосатой ржавчины пшеницы.

Таблица 6

Сравнение производительности предлагаемой C-DenseNet с классической DenseNet и ResNet.

Производительность вариантов C-DenseNet

В этом разделе производительность вариантов C-DenseNet оценивается по сравнению с C-DenseNet с помощью перекрестной проверки.Аналогичным образом используются показатели оценки, включая точность, точность, отзывчивость и F1-балл, а результаты показаны в и. Из этого видно, что эффект от размещения модуля CBAM внутри или вне плотного блока пренебрежимо мал, что указывает на то, что механизм внимания был эффективно применен во многих местах в DenseNet. Из этого следует, что увеличение количества каналов не улучшает точность распознавания, а увеличивает стоимость обучения.

Таблица 7

Сравнение производительности C-DenseNet и C-DenseNet-IN.

Таблица 8

Сравнение производительности с C-DenseNet-169 и C-DenseNet-169 и C-DenseNet-169 и C-DenseNet-169 и C-DenseNet-169 и C.

Визуализация сетевого внимания

Чтобы выяснить, почему предлагаемый C-DenseNet превосходит другие подходы, GradCAM ++ используется для визуализации результатов классификации. В частности, тестируются случайно выбранные примеры во 2, 3 и 5 классах, где тепловая карта внимания отображается в. Можно видеть, что C-DenseNet и C-DenseNet -IN, встраивая механизм внимания CBAM, могут уделять больше внимания ключевым областям при определении степени заражения стрип-ржавчиной, в то время как ResNet и DenseNet работают немного хуже.

Таблица 9

Внимание тепловые карты сетей C-DenseNet, DenseNet, ResNet и C-DenseNet для листьев пшеницы, инфицированных полосовой ржавчиной 2, 3 и 5 степени.

Обсуждение

Полосовая ржавчина пшеницы — одна из самых серьезных болезней пшеницы во всем мире (88% мирового производства пшеницы), которая чрезвычайно разрушительна для основных районов производства пшеницы в Китае (Wan et al., 2004; Wellings, 2011 ; Ma et al., 2013). Выращивание устойчивых к болезням сортов является наиболее эффективным, экономичным и экологически безопасным подходом к борьбе с полосовой ржавчиной пшеницы (Chen, 2005; Dodds and Rathjen, 2010).При селекции устойчивых к болезням сортов очень важно оценить серьезность болезни в их жизненном цикле выращивания. Традиционные методы классификации болезней основаны на ручном осмотре, который трудоемок, неэффективен и субъективен. Следовательно, существует очевидная острая необходимость в разработке более эффективных и действенных алгоритмов классификации болезней полосатой ржавчины пшеницы, которые могут автоматически классифицировать листья пшеницы по различным интересующим категориям.

За последние несколько лет эффективность CNN в распознавании целей и классификации изображений значительно улучшилась (Schmidhuber, 2015; He et al., 2016). Хотя распознавание болезней растений с помощью изображений может быть достигнуто (Mohanty et al., 2016; Ramcharan et al., 2017), все еще остаются некоторые проблемы, требующие решения. С одной стороны, большинство изображений, используемых в исследовании, были сделаны в контролируемой среде. В результате обученная модель приводит к снижению производительности в сложных полевых условиях. С другой стороны, исследований по классификации болезней полосатой ржавчины пшеницы мало. Различия между разными сортами листьев пшеницы обычно крошечные и незаметные, что создает серьезные проблемы для классификации изображений.Таким образом, в данном исследовании разрабатываются алгоритмы классификации болезней полосатой ржавчины пшеницы на основе глубокого обучения с использованием цветных изображений, сделанных с помощью мобильных устройств.

В этом исследовании мы предложили архитектуру C-DenseNet для задач сортировки полосовой ржавчины пшеницы. В C-DenseNet модуль CBAM устанавливается между плотными блоками DenseNet. В плотных блоках каждый слой напрямую связан со всеми другими слоями, что позволяет извлекать новые функции на основе характеристик предыдущего слоя. Однако избыточность функций при слиянии функций является серьезной проблемой.Благодаря преимуществам полезного автоматического изучения функций в модуле CBAM, C-DenseNet может подавлять избыточные функции, тем самым в определенной степени смягчая неблагоприятное влияние избыточности функций и повышая производительность задач оценивания вредоносного уровня.

Согласно экспериментальным результатам в Разделе 3.2, производительность C-DenseNet лучше (то есть улучшение точности на 6%), чем DenseNet в оценке болезней полосовой ржавчины пшеницы, что подтверждает преимущества модуля CBAM в DenseNet.Кроме того, как показано в, предлагаемая C-DenseNet значительно превосходит ResNet (0,7343). Кроме того, из этого следует, что преимущества размещения модуля CBAM в плотных блоках (0,9702) не так значительны, как размещение модуля CBAM между плотными блоками. В процессе изучения новых функций модуль CBAM в плотном блоке также изучает веса функций, которые могут вызвать переоснащение, а модуль CBAM между плотными блоками может улучшать полезные функции и подавлять функции, которые не способствуют классификации.Это может привести к большему повышению производительности C-DenseNet. С другой стороны, увеличение канала плотного блока не приводит к эффективному улучшению иерархической производительности сети, но вместо этого увеличивает сложность сети и может также привести к переобучению.

Заключение и дальнейшая работа

Это исследование направлено на разработку алгоритмов классификации болезней полосатой ржавчины пшеницы в поддержку эффективного селекции устойчивых к болезням сортов пшеницы для устойчивого управления. С этой целью задача сначала формулируется как проблема детальной классификации изображений, затем предлагается C-DenseNet путем встраивания модуля сверточного блочного внимания (CBAM) в классическую плотносвязную сверточную сеть (DenseNet) для достижения адаптивной калибровки каналов функций. и космос.Набор данных для классификации полосовой ржавчины пшеницы (набор данных WSRgrading) собирается в полевых условиях с помощью различных мобильных устройств, которые содержат в общей сложности 5 242 листа пшеницы с 6 уровнями заражения полосовой ржавчиной. Проводятся обширные сравнительные эксперименты, включая визуализацию модели, для оценки производительности предлагаемой C-DenseNet и ее вариантов по сравнению с классическими DenseNet и ResNet. Показано, что предлагаемая C-DenseNet превосходит классические DenseNet и ResNet и, следовательно, подходит для оценки болезни полосовой ржавчины пшеницы в полевых условиях.

Однако есть еще много возможностей для дальнейшего улучшения. (i) Было бы очень важно автоматически изолировать интересующие листья на сложном фоне в полевых условиях, исключая необходимость ручной экстракции. Кроме того, данные были получены на испытательном поле по селекции полосовой ржавчины пшеницы, поэтому на одном листе мало изображений других болезней или множественных болезней. (ii) Таким образом, задача выявления множественных болезней пшеницы не была принята во внимание в этом исследовании, и предлагаемая сеть применима только для классификации типов заражения полосовой ржавчиной пшеницы.

Вклад авторов

ZM разработал и провел эксперимент, выбрал алгоритм, проанализировал данные и написал рукопись. Обученные алгоритмы XZ и проанализированные данные. JS проанализировал данные и написал рукопись. DH собирал данные и контролировал анализ данных. BS задумал исследование и участвовал в его разработке. Все авторы внесли свой вклад в статью и одобрили представленную версию.

Финансирование

Работа финансировалась фондами фундаментальных исследований центральных университетов (No.2452019028).

Конфликт интересов

Авторы заявляют, что исследование проводилось в отсутствие каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Благодарности

Мы также хотели бы поблагодарить следующих студентов бакалавриата за помощь в сборе изображений: Цзяо Баопэн, Лю Дичжу, Ван Имин.

Список литературы

• Borji A., Itti L. J., II, o. П. А., & Интеллект, М. (2013).Современное моделирование визуального внимания. IEEE Trans. Шаблон. Анальный. Мах. Intell. 35, 1, 185–207. 10.1109 / TPAMI.2012.89 [PubMed] [CrossRef] [Google Scholar]
• Чанг К., Бай Х., Чжоу Х., Су К., Би В. Л., Агбодза Э. и др. (2018). Остаточная сверточная нейронная сеть для определения статуса ИДГ в глиомах низкой и высокой степени злокачественности по МРТ. Clin. Cancer Res. 24, 5, 1073–1081. 10.1158 / 1078-0432.CCR-17-2236 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
• Чаттопадхьяй А., Саркар А., Ховладер П., Баласубраманян В. Н. (2017). Grad-CAM ++: улучшенные визуальные объяснения для глубоких сверточных сетей. arXiv: 1710.11063. [Google Scholar]
• Чен Х. Дж. С. (2005). Эпидемиология и борьба с полосатой ржавчиной [Puccinia striiformis f. sp. tritici] на пшенице. Жестяная банка. J. Plant Pathol. 27, 314–337. 10.1080 / 07060660509507230 [CrossRef] [Google Scholar]
• Деллана Р., Рой К. (2016). Увеличение данных в периокулярной аутентификации на основе CNN. Документ, представленный на 6-й Международной конференции по информационным коммуникациям и управлению (ICICM) в 2016 году.[Google Scholar]
• Доддс П. Н., Ратиен Дж. П. Дж. Н. Р. Г. (2010). Иммунитет растений: к комплексному взгляду на взаимодействия растений с патогенами. Nat. Преподобный Жене. 11, 8, 539–548. 10.1038 / nrg2812 [PubMed] [CrossRef] [Google Scholar]
• Эллис Дж. Г., Лагуда Э. С., Шпилмейер В., Доддс П. Н. (2014). Прошлое, настоящее и будущее селекции устойчивой к ржавчине пшеницы. Передний. Plant Sci. 5, 641. 10.3389 / fpls.2014.00641 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
• Фу Дж., Чжэн Х., Тао М. (2017). Смотрите ближе, чтобы увидеть лучше: сверточная нейронная сеть с повторяющимся вниманием для детального распознавания изображений. Документ, представленный на конференции IEEE 2017 года по компьютерному зрению и распознаванию образов (CVPR). [Google Scholar]
• Хэ К., Чжан Х., Рен С., Сунь Дж. (2016). Глубокое остаточное обучение для распознавания изображений. Документ, представленный на конференции IEEE по компьютерному зрению и распознаванию образов. [Google Scholar]
• Хуан Г., Лю З., Ван дер Маатен Л., Вайнбергер К. К. (2017). Плотно связанные сверточные сети. Документ, представленный на 30-й конференции IEEE по компьютерному зрению и распознаванию образов, CVPR 2017, 21 июля 2017 г. — 26 июля 2017 г. (Гонолулу, Гавайи, США:). [Google Scholar]
• Хьюз Д., Салате М.Дж.а. п. а. (2015). Репозиторий с открытым доступом к изображениям, посвященным здоровью растений, для разработки мобильной диагностики заболеваний. Препринт arXiv arXiv: 1511.08060.
• Ядерберг М., Симонян К., Зиссерман А., Кавукчуоглу К. (2015). Пространственные трансформаторные сети. В кн .: Достижения в области нейронных систем обработки информации. С. 2017-2025. [Google Scholar]
• Япкович Н., Стивен С. Дж., II (2002). Проблема классового дисбаланса: систематическое исследование. Intell. Data Anal. 6 429–449. [Google Scholar]
• Йоханнес, Зейтц, Берихт М. Дж. В. (2017). Автоматическая диагностика болезней растений с помощью мобильных устройств захвата. Comput. Электрон. Agric. 138, 200–209. [Google Scholar]
• Ли З.К., Цзэн С. М. (2002). Пшеничная ржавчина в Китае (Пекин: China Agriculture Press;), 370–373. (на китайском языке). [Google Scholar]
• Лу Дж., Ху Дж., Чжао Г., Мэй Ф., Чжан К. Дж. С., сельское хозяйство, e. я (2017). Полевая автоматическая система диагностики болезней пшеницы. Comput. Электрон. Agric. 142, 369–379. 10.1016 / j.compag.2017.09.012 [CrossRef] [Google Scholar]
• Ма Д. Ф., Цзин Дж. Х., Хоу Д. Й., Ли К., Чжоу Х. Л., Ду Дж. Й. и др. (2013). Генетика и молекулярное картирование гена высокотемпературной устойчивости к полосатой ржавчине на стадии посева у сорта озимой пшеницы Lantian 1.J. Integr. Agric. 12 (6), 1018–1025. 10.1016 / с 2095-3119 (13) 60479-7 [CrossRef] [Google Scholar]
• МакНил Ф., Конзак К., Смит Э., Тейт В., Рассел Т. (1971). Единая система регистрации и обработки данных исследований зерновых. № REP-10904. СИММИТ. [Google Scholar]
• Моханти С. П., Хьюз Д. П., Салате М.Дж.Ф.и. (2016). Использование глубокого обучения для обнаружения болезней растений на основе изображений. Передний. Plant Sci. 7, 1419. 10.3389 / fpls.2016.01419 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
• Петерсон Р.Ф., Кэмпбелл А., Ханна A.J.C.j. (1948). Диаграммная шкала для оценки интенсивности ржавчины на листьях и стеблях злаков. Жестяная банка. J. Res. 26, 5, 496–500. 10.1139 / cjr48c-033 [CrossRef] [Google Scholar]
• Пикон А., Зейтц М., Альварес-Хила А., Монке П., Ортис-Барредо А., Эхазарра Дж. (2019. a). Условные сверточные нейронные сети для сельскохозяйственных культур для массовой классификации болезней нескольких культур по мобильному телефону, полученные изображения, сделанные в реальных полевых условиях. Comput. Электрон. Agric. 167. 10.1016 / j.compag.2019.105093 [CrossRef] [Google Scholar]
• Пикон А., Альварес-Хила А., Зейтц М., Ортис-Барредо А., Эхазарра Дж., Йоханнес А. Дж. С. и др. (2019. б). Глубокие сверточные нейронные сети для классификации болезней сельскохозяйственных культур на основе мобильных устройств. Comput. Электрон. Agric. 161, 280–290. 10.1016 / j.compag.2018.04.002 [CrossRef] [Google Scholar]
• Рамчаран А., Барановски К., Макклоски П., Ахмед Б., Легг Дж., Хьюз Д.П.Дж.Ф. (2017). Глубокое обучение для обнаружения болезней маниоки на основе изображений.Передний. Plant Sci. 8, 1852. 10.3389 / fpls.2017.01852 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
• Рамчаран А., Макклоски П., Барановски К., Мбилиний Н., Мришо Л., Ндалахва М. и др. (2019). Мобильная модель глубокого обучения для диагностики болезни маниока. Передний. Plant Sci. 10, 272. 10.3389 / fpls.2019.00272 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
• Schmidhuber J.J.N.n. (2015). Глубокое обучение в нейронных сетях: обзор 61 Нейронные сети 85–117.10.1016 / j.neunet.2014.09.003 [PubMed] [CrossRef] [Google Scholar]
• Ван А., Чжао З., Чен Х., Хэ З., Цзинь С., Цзя К. и др. (2004). Эпидемия полосатой ржавчины пшеницы и вирулентность Puccinia striiformis f. sp. tritici в Китае в 2002 г. Дис. растений. 88, 8, 896–904. [PubMed] [Google Scholar]
• Веллингс К. Р. Дж. Э. (2011). Глобальное состояние полосовой ржавчины: обзор исторических и текущих угроз. Euphytica 179, 1, 129–141. 10.1007 / s10681-011-0360-у [CrossRef] [Google Scholar]
• Ву С., Пак Дж., Ли Дж.-Й., Со Квеон И. (2018). Cbam: модуль сверточного блока внимания. Документ, представленный в Трудах Европейской конференции по компьютерному зрению (ECCV). [Google Scholar]
• Wu J., Yu R., Wang H., Zhou C. e., Huang S., Jiao H., et al. (2020). Масштабный анализ геномной ассоциации позволяет определить возможные причинные гены, обеспечивающие устойчивость к полосатой ржавчине в различных полевых условиях. Plant Biotechnol. J. 10.1111 / pbi.13452 [Бесплатная статья PMC] [PubMed] [CrossRef]
• Сяо Т., Сюй Ю., Ян К., Чжан Дж., Пэн Ю., Чжан З. (2015). Применение двухуровневых моделей внимания в глубокой сверточной нейронной сети для детальной классификации изображений. Документ, представленный на конференции IEEE по компьютерному зрению и распознаванию образов. [Google Scholar]
• Zhang H., Xu T., Elhoseiny M., Huang X., Zhang S., Elgammal A., et al. (2016). Spda-cnn: объединение обнаружения и абстракции семантической части для детального распознавания. Документ, представленный на конференции IEEE по компьютерному зрению и распознаванию образов.[Google Scholar]

достойная замена народному Baofeng UV-5R — Новости и обзоры мобильных телефонов, Советы по играм, Гаджеты!

Здравствуйте, друзья.
Сегодня хочу поговорить о магнитоле Baofeng BF-F8 +.
Эта рация является практически полной копией популярного Baofeng UV-5R, но есть и отличия.

Но, как всегда, нужно начинать с Характеристики:
Стандарт: VHF / UHF
Диапазон частот: 136–174 МГц, 400–480 МГц
Мощность передачи: 5 Вт
Количество каналов: 128
Поддержка кодирования : CTCSS, DCS, DTMF
Количество кодов: 154
Активация голосом через гарнитуру (VOX): да
Функция «нажать и говорить» (PTT): есть
Сканирование каналов: да
Контроль каналов: да
Сканирование двух каналов ( Dual Watch): да
Блокировка клавиатуры: да
Звук при нажатии кнопки —
Антенна: съемная
Информационный дисплей: дисплей с подсветкой
Количество батарей: 1
Формат: собственный
Тип батареи: Li-Ion
Зарядное устройство подключение: да
Характеристики: индикатор заряда, режим энергосбережения
Подавление шума: да
Регулятор громкости: да
Подключение гарнитуры: да
Количество включенных радиомодулей: 1
Зарядное устройство: да
Батареи: да
Зажим: да
Переключение питания передатчика : да
Быстрая настройка аварийного канала: да
Емкость аккумулятора: 1800 мАч
Подставка для зарядки: есть
Размеры (ШxВxТ): 58x110x32 мм
Вес: 200 г
Программирование с компьютера: есть
Таймер разговора: да
Встроенный фонарик: да
Гарнитура: есть
Тип модуляции: FM
Чувствительность: 0.2 мкВ (12 дБ SINAD)
Мощность динамика: 1000 мВт
Рабочая температура: -20 — 60 ° C
Время работы: 12 часов

Радиостанция поставляется покупателю в стандартной серой коробке:

В комплект входит рация- рация с аккумулятором, антенна, зажим, шнурок, инструкция, зарядная чашка с блоком питания и проводная гарнитура:

Порадовал, что блок питания идет с европейской вилкой, атом в R5 обычно с требуется китайская вилка и переходник:

Зарядная чашка стандартная, такая же, как и у популярной пятерки.Сделано качественно, и как показывает практика, если в футбол не играют, то почти вечно:

Еще один, на мой взгляд, действительно необходимый аксессуар — шнурок:

Мне эти ремни очень нравятся. У меня они есть на каждой рации. Честно жалею, что производители перестали делать ушко для ремешка на смартфонах, я бы такой шнурок повесил на смартфон.

Проводная гарнитура:

Иногда гарнитура может пригодиться, но у меня их около 4 штук.Ниразу не использовал.

Ну и сама рация:

В сборе:

Вся лицевая сторона отдана под кнопочный блок небольшой реверсивный ЖК-экран, и динамик с микрофоном:

Справа под заглушкой порт для подключения касательной или гарнитуры:

Слева основная кнопка РТТ, а также кнопки вызова и монитора

Внизу есть специальные ножки. Магнитола уверенно стоит на любой ровной поверхности:

На верхней части магнитолы находится поворотный энкодер, светодиод фонарика и съемная антенна:

Сзади находится зажим, который при необходимости можно снять, и контакты аккумулятора:

Те, кто имел опыт использования рации Baofeng UV-5R, не увидят для себя ничего нового.Внешне радиостанции идентичны, вот фото сравнения Baofeng UV-5R и Baofeng BF-F8 +:

Видите разницу? Нет? Но она есть. Обратите внимание на экраны:

Baofeng BF-F8 + имеет двусторонний экран. То есть здесь светится не экран, а только буквы. Лично мне это решение очень нравится. Но насколько так будет удобнее, покажет только опыт.

Что касается внешнего вида меню и пунктов, то они также идентичны таковым в Baofeng UV-5R.Но для тех, кто не знает, перечислю пункты меню и возможности магнитолы:

0 SQL (уровень шумоподавления) 0-9 уровень срабатывания шумоподавителя. Оптимально 3-5.

1 STEP (шаг частоты) 2,5 / 5 / 6,25 / 10 / 12,5 / 25 кГц Шаг настройки синтезатора (стандарт 25 кГц)

2 TXP (мощность передачи) HIGH / LOW мощность передатчика высокая / низкая

3 SAVE (экономия заряда батареи, l: l / l: 2 / l: 3 / l: 4) ВЫКЛ. / 1/2/3/4 режим энергосбережения в приемнике (экономайзере) чем больше число, тем экономичнее

4 VOX (передача с голосовым управлением ) OFF / O-1O Уровень отклика PTT для голосового управления

5 W / N (широкополосный / узкополосный) WIDE / NARR изменяет полосу частот приемника и девиацию передатчика 5 кГц / 2.5 кГц Используется узкий диапазон, чтобы радиостанции могли работать каждые 12,5 кГц. и не мешают друг другу. Если значение параметра WIDE, то отклонение передатчика составляет ± 5 кГц, а диапазон приемника шире. Без взаимных помех станции могут располагаться на расстоянии 25 кГц друг от друга. Радиолюбители обычно используют WIDE

6 ABR (Подсветка дисплея) OFF / l / 2/3/4 / 5s Время, по истечении которого подсветка выключается

7 TDR (двойное наблюдение / двойной прием) OFF / ON функция двойного приема.позволяет контролировать две частоты, установленные в диапазоне UHF и VHF. Принцип основан на попеременном переходе с одной частоты на другую. При появлении сигнала прыжки прекращаются. Режим DW возможен только так, как описано выше, работа с частотами из памяти или с частотами в том же диапазоне невозможна.

8 BEEP (звуковой сигнал клавиатуры) OFF / ON Звук при нажатии на клавиатуру

9 TOT (таймер передачи) 15/30/45/60… / 585/600 секунд автоматическое отключение передатчика через 15-600 секунд.Помогает избежать перегрева передатчика. Фактически, максимальное время передачи за один раз.

10 R-DCS (шумоподавитель с цифровым кодированием приема) ВЫКЛ / D023N… D754I Шумоподавитель открывается только тогда, когда он соответствует установленному тону

11 R-CTS (Шумоподавитель с непрерывным тональным кодированием приема) 67,0 Гц… 254,1 Гц Шумоподавитель открывается только если он совпадает с установленным тональным сигналом

12 T-DCS (цифровой кодированный шумоподавитель передачи) OFF / D023N… D754I Передатчик передает установленный подтон

13 T-CTS (двухпозиционный непрерывный тональный кодированный шумоподавитель) 67.Передатчик 0 Гц… 254,1 Гц передает установленный подтон

14 VOICE (Голосовая подсказка) ENG / CHI / OFF Голосовое подтверждение нажатия клавиш ENG-английский, CHI-китайский, ВЫКЛ.

15 ANI (Автоматическая идентификация номера радиостанции, может быть установлена ​​только с помощью программного обеспечения ПК. В самом начале код передается для передачи. Его можно изменить только со шнура. Нам не нужно.

16 DTMf ST (DTMF-тон передаваемого кода.) OFF / DT-ST / ANI-ST / DT + ANI

17 S-CODE (Код сигнала, может быть установлен только с помощью программного обеспечения ПК.) 1,…, 15 групп

18 SC-REV (метод возобновления сканирования) TO / CO / SE Метод сканирования. Сканировать все каналы в памяти / Полный диапазон / Часть диапазона. Когда в канале есть сигнал, сканирование остановится.

19 PTT-ID (нажмите или отпустите кнопку PTT для передачи сигнального кода) OFF / BOT / EOT / BOTH Передача идентификатора при нажатии кнопки передачи. Не передано / передано при нажатии кнопки PTT / Передано при отпускании кнопки PTT / Передано при нажатии и отпускании кнопки PTT

20 PTT-LT (задержка отправки сигнального кода) 0,…, 30 мс Задержка в канале после отпускания кнопки PTT

21 MDF-A (в режиме канала отображается канал A.Примечание: отображение имени может быть установлено только с помощью программного обеспечения ПК. FREQ / CH / NAME Отображение в режиме канала Частота / номер канала / имя канала (программируется с помощью кабеля)

22 MDF-B (в режиме канала отображается канал B. Примечание: отображение имени может быть установлено только с помощью программного обеспечения ПК FREQ / CH / NAME Отображение в режиме канала Частота / номер канала / имя канала (программируется с помощью кабеля)

23 BCL (блокировка занятого канала) ВЫКЛ / ВКЛ Лучше всегда держать ВЫКЛ • Блокирует передачу по каналу с использованием CTCSS или DCS.

24 AUTOLK (клавиатура блокируется автоматически) ВЫКЛ / ВКЛ

25 SFT-D (направление сдвига частоты) ВЫКЛ / ± сдвиг частоты передатчика с заданным интервалом. Для работы с репитерами.

26 OFFSET (сдвиг частоты) 00,000… 69,990 разнос частот при включенном SFT-D. Стандартная частота репитеров — 0,600. Например, если SFT-D установлен на (-) и в этом пункте меню установите 0,600. Так, если, например, частота приема составляет 145,600 МГц, то при нажатии кнопки PTT частота становится 145000 МГц

27 MEMCH (сохраняется в каналах памяти) 000,… 127 Сохранение канала в памяти

28 DELCH (удаление каналов памяти) 000,… 127 Удаление канала из памяти

29 WT-LED (i) цвет подсветки дисплея в режиме ожидания) ВЫКЛ. / СИНИЙ / ОРАНЖЕВЫЙ / ПУРПУРНЫЙ Цвет дисплея в режиме ожидания

30 RX-LED (i) цвет подсветки дисплея приема) ВЫКЛ / СИНИЙ / ОРАНЖЕВЫЙ / ПУРПУРНЫЙ Цвет дисплея в режиме приема

31 TX-LED (цвет подсветки отображения передачи) ВЫКЛ / СИНИЙ / ОРАНЖЕВЫЙ / ПУРПУРНЫЙ Цвет дисплея в режиме передачи

32 AL-MOD (режим тревоги) SITE / TONE / CODE Режим паники — опции

33 BAND (выбор диапазона) VHF / UHF выбор диапазона

34 TX-AB (выбор передачи в режиме двойного просмотра / приема) OFF / A / B Вы можете выбрать передачу только в частота A (высокая частота) или частота B (низкая частота), или yo Вы можете отключить эту функцию.

35 STE (Устранение хвостового сигнала) ВЫКЛ / ВКЛ Эта функция используется для активации или деактивации окончания передачи трансивера, этот тон используется только при обмене данными между трансиверами, а не при обмене данными через ретранслятор. Если через репитер — выключите.

36 RP_STE (Устранение хвостового тона при связи через ретранслятор) OFF / 1,2,3… 10

37 RPT_RL (Задержка хвостового тона ретранслятора) OFF / 1,2,3… 10

38 PONMGS (загрузочный дисплей ) FULL / MGS При включении экрана или всех сегментов или приветствий

39 ROGER (конец сигнала передачи) ВКЛ / ВЫКЛ Звуковой сигнал в конце передачи (завершение передачи звука)

40 RESET (восстановление настроек по умолчанию ) Сбросить к заводским настройкам

Показывать их все на фото нет смысла.Они там, и они там работают. Я думаю, что каждый пользователь во всех этих настройках оставляет что-то неизменным, а что-то меняется в соответствии с его потребностями.
А на рации есть возможность слушать ФМ радио и есть фонарик. Эти две части иногда очень полезны.

По аккумулятору у BF-F8 + такой же, как у R5. То есть при интенсивном общении на целый день хватит. Если вы общаетесь менее интенсивно, некоторые держатся по 2-3 дня.
Что касается дальности сигнала, то тут все очень индивидуально. Пытался проверить радио в городе. оставил один КПК дома, на высоте 4 этажа в густонаселенном районе, и пошел в магазин. Потом померил по карте, оказалось, что в городе в пределах километра связь есть и это нормально. Правда местами сигнал не совсем уверен.

Если с двумя рациями выехать на трассу, то 3-4 км между машинами держит связь.Правда тоже кое-где из-за внешнего вмешательства происходит потеря связи. И, кстати, то, что я заметил во время поездки и общения между двумя машинами. На BF-F8 + как-то иначе фильтр работает, магнитола меньше помех ловит. Пятеро случайно едут, и она внезапно начинает шипеть и ловить, непонятно, что, хотя я наколдовал с шумоподавлением.
В общем, если вам нужна связь в пределах 1км по городу и 3-5км по трассе, то эта рация вам подойдет (как и старшая 5R)
Ну вот фото моей неполной рации парк:

Кому интересно, слева направо: Baofeng BF-F8 +,
Baofeng UV-5R,
WOUXUN KG-UV8D (Plus),
2 шт BAOFENG T1 Mini,
WLN KD-C1,
Xiaomi Walkie Talkie 1С.

Это весь обзор. А теперь эту рацию можно купить с хорошей скидкой:

Гудков и мелодий в рации

В последнее время я сосредоточился на двустороннем FM-радио. Меня интересует автоматический мониторинг и визуализация нескольких каналов одновременно, а также классификация передатчиков. Есть много внутриполосных сигналов, которые нужно декодировать! Этот пост продемонстрирует это разнообразие, а также объяснит, как работает моя подслушивающая станция.

Предыстория: рации — это развлечение

Полоса частот, которую я в последнее время больше всего слушаю, называется PMR446.Это европейский диапазон радиочастот для коротких радиостанций УВЧ. В отличие от любительского радио, для этого не требуются лицензии или технические знания — любой, у кого есть лишние 50 евро, может получить пару раций в универмаге. Это очень похоже на ФРС США. Там, где я живу, это довольно популярно.

Характер PMR446 на малых расстояниях — это то, что я нахожу, пожалуй, наиболее увлекательным: в нормальных условиях все, что вы слышите, передается с двухкилометрового (1,3 мили) радиуса. Мощность передатчика ограничена до 500 мВт, и направленные антенны на стороне передатчика не допускаются.Но у меня есть система только для приема, и моя единственная направленная антенна рассчитана на 450 МГц, именно так я изначально нашел эти каналы.

Roger beep

Сигнал roger beep — это короткая мелодия, которую многие портативные радиостанции отправляют для обозначения окончания передачи.

Должен быть указан конец передачи, потому что двусторонняя радиосвязь является «полудуплексной», что означает, что только один человек может передавать одновременно. Некоторые голосовые протоколы решают ту же проблему, требуя использовать определенное слово, например «сверх»; другие полагаются на короткие всплески статического электричества (шум шумоподавления), которые можно услышать сразу после потери несущей.Звуковые сигналы Roger особенно распространены в потребительских радиостанциях, но я слышал их и в любительских QSO, особенно если задействованы ретрансляторы.

Другая сигнализация на PMR

PMR также отличается от любительского радио тем, что многие его пользователи не хотят слышать, как случайные люди говорят на той же частоте; действительно, многие устройства используют тональные сигналы или цифровые коды, предназначенные для заглушки нежелательных разговоров, называемые CTCSS, DCS или кодированный шумоподавитель . Это очень низкочастотные тона, которые обычно вообще не слышны из-за фильтрации.Однако это не помешает другим слушать вас; любой может просто отключить кодированный шумоподавитель на своем устройстве и слышать всех остальных на канале.

Многие устройства также используют тональную систему для предотвращения появления коротких статических помех, того классического звука рации, когда передача заканчивается. Баофэн называет эти звуковыми сигналами подавления хвоста , или сокращенно STE. Эта практика не стандартизирована, и я видел несколько различных суб-слышимых частот, используемых в дикой природе, а именно 55, 62 и 260 Гц.(Правка: как правильно указали несколько человек, другой способ сделать это — в конце перевернуть фазу тона CTCSS, что называется «обратная вспышка». Однако не все радиостанции используют его; многие предпочитают отправлять сигнал с частотой 55 Гц. тональный сигнал, даже если они используют CTCSS.)

В некоторых радиостанциях есть кнопка «будильник», которая отправляет длинную повторяющуюся мелодию, напоминающую мелодию звонка мобильного телефона 90-х годов. Эти мелодии также меняются от одного радио к другому.

Мой ресивер

У меня есть система, которая предупреждает меня, когда есть достаточно сильный сигнал, соответствующий интересному набору параметров на любом из восьми каналов PMR.Он основан на Raspberry Pi 3B + и приемнике Airspy R2 SDR. Программа может воспроизводить живое аудио по всем каналам одновременно, или один из них может быть выбран для прослушивания. Он также имеет аннотированный водопад, который показывает трафик на полосе за последние пару часов:

Компьютер представляет собой безголовый Raspberry Pi с подключением только по SSH; поэтому он в текстовом режиме. Кроме того, сюжеты водопада в текстовом режиме — это круто!

Цветные полосы указывают мощность сигнала (цвет) и коэффициент заполнения (образец).Цифры вокруг полосок — это декодированные коды шумоподавления, STE и звуковые сигналы Роджера. Неопределенные обнаружения выделены серым цветом. В этом представлении мы обнаружили звуковые сигналы роджера типа «a1» и «a2»; несколько редкий тон STE 62 Гц; и мелодию звонка или будильник (ГСЧ).

Поскольку коды шумоподавителя предназначены для считывания электронными схемами, а их частоты и кодовые слова указаны точно, написать для них цифровой декодер было довольно просто. С другой стороны, звуковые сигналы и мелодии звонка Roger предназначены только для слушателя-человека, и для их обнаружения среди шума потребовалось немного больше проб и ошибок.

Алгоритм обнаружения мелодии

Алгоритм обнаружения мелодии в моем приемнике основан на быстром преобразовании Фурье (БПФ). При обнаружении потери несущей производится поиск тонов в последние моменты звука следующим образом:

1. Аудиобуфер делится на перекрывающиеся 60-миллисекундные срезы с окнами Ханна.
2. Каждый срез подвергается преобразованию Фурье и обнаруживаются все пиковые частоты (локальные максимумы). Их центральные частоты уточняются с использованием интерполяции пиков Гаусса (Gasior & Gonzalez 2004).Нам это нужно, потому что мы собираемся допускать погрешность частоты только ± 15 Гц.
3. Временной ряд, образованный наиболее сильными максимумами, сравнивается со списком заранее определенных «тональных сигнатур». Каждая тональная сигнатура кандидата получает оценку, основанную на том, сколько срезов БПФ совпадают (+) с соответствующими срезами тональной сигнатуры. Срезы со слишком большой ошибкой частоты вычитаются из оценки (-).
4. Большинство звуковых сигнатур имеют одну или несколько «тихих зон», бесшумность которых вносит дополнительный вклад в оценку.Обычно он ставится после тона, но у некоторых тонов также может быть пауза посередине.
5. Алгоритм допускает вторую и третью гармоники (с половиной балла), потому что некоторые передатчики могут настолько искажать тона, что они на мгновение перекрывают основную частоту.
6. Ищется каждый возможный временной сдвиг (начальная позиция) в 1,5-секундном буфере звука.
7. Тональная подпись с наилучшей оценкой возвращается, если эта оценка превышает установленный порог.

Этот алгоритм работает достаточно хорошо. Он не всегда может обнаружить тона, особенно если часть мелодии полностью потеряна в шуме, но этого достаточно, чтобы использовать его для аннотации водопада. Ложные срабатывания случаются редко; большинство из них — это обнаружение очень коротких тональных сигнатур, состоящих только из одного или двух гудков. Мой набор тестовых данных из 92 записанных передач дает только 5 ложноотрицательных результатов и ни одного ложного срабатывания.

Например, эта шумная запись:

был успешно распознан как имеющий мелодию звонка (ГСЧ), звуковой сигнал Роджера типа a1 и код CTCSS XA:

Наименование и классификация

Поскольку я люблю классифицировать вещи, мне пришлось придумать систему именования этих тонов Роджера.Моя текущая система использует строчную букву для классификации тона по категории, за которой следует число, которое различает похожие, но немного разные тона. Работа над этим продолжается, потому что то и дело появляется новый тон.

Моей целью было бы сопоставить мелодии с конкретными производителями. Мне удалось нанести на карту только несколько. Можете ли вы распознать какое-либо из этих устройств?

Я не перечислял их все здесь, но есть еще образцы.Я также добавил туда несколько сигналов будильника и список всех сигнатур тонов, о которых я сейчас знаю. (Почему нет полного исходного кода? FAQ)

В моем журнале приема у меня также есть система классификации эмодзи для кодов CTCSS. Так я быстрее узнаю знакомую передачу. Несколько примеров ниже (всего 38 различных кодов CTCSS):

Направления будущего

На данный момент в моем проекте trello есть в основном мелкие ошибки, такие как добавление вышеупомянутых смайлов.Но поскольку RasPi не очень мощный, цепочку DSP можно было бы сделать более эффективной. Иногда падает блок сэмплов. В настоящее время он использует набор фильтров с полосовой дискретизацией для разделения каналов, используя псевдонимы, чтобы полностью избежать интенсивного смещения частоты процессора:

Это довольно быстро. Но прореживание 1:20 из данных Airspy IQ выполняется с помощью 1024-точечного FIR-фильтра SoX и, возможно, может быть выполнено с меньшим количеством коэффициентов. Кроме того, RasPi имеет четыре ядра, поэтому половина каналов может быть демодулирована во втором потоке.В настоящее время параллелизм достигается благодаря тому, что SoX и pmrsquash являются разными процессами.

Похожие сообщения

Ссылки