发明内容

为了解决上述现有技术的不足之处，本发明的目的在于提供一种玉米种植成熟前茎尖修整装置，以克服现有技术中的缺陷。

为了实现上述目的，本发明提供了一种视频流星检测和航迹分析方法，该方法包括如下如下步骤：

(1)对流星进行识别；

(2)前沿位置的细化；

一旦检测到流星，就需要根据焦平面坐标中时间的函数对轨道的位置进行测量。这些行和列的测量将在以后转换为惯性坐标，用于轨迹估计。比较简单的测量方法是对帧内流星线段的质心估计，但由于帧采集期间流星强度的变化或流星身后明显的尾迹和长时间的彗尾会产生偏差，一种较好的方法是利用成像系统的点扩散函数来估计流星的前沿位置；

(3)流星检测；

使用恒定或指数动态速度模型，计算集合中剩余聚合轨迹的轨迹解，在给定单个轨迹解决方案的情况下，通过在所有投影轨道之间执行三维共对准和共线性测试，使分析人员复查步骤自动化，从而消除HIL；

(4)大气轨迹估计；

粒子群优化器试图将沿辐射方向与直线轨迹解的测量射线角度分离最小化，并最小化测量之间的失准沿着解开的3D轨迹从每个摄像机指向多个点，以优化解的速度部分。

所述的一种视频流星检测和航迹分析方法，所述的步骤(2)的具体过程为：以改进前缘拾取点的估计，在发现流星条纹后，使用粒子群优化器对初始位置和速度状态向量进行扰动，匹配滤波器的最大似然估计被用作公式所示：

MLE＝log₁₀{0.5∑[(s-<s>)R^-1T^t]²/∑TR^-1T^t} (1)

添加一个由投影速度矢量定标的简单加速度项，可以在选择前缘位置时将这两种影响都提高到人类准确性的水平，分别针对焦平面的X列和Y列的坐标，在等式(2)和(3)中给出了运动的数学表达式，其中x₀，y₀，V_x，V_y和A是五个MF拟合系数，时间t是相对于起始位置(X0，Y0)的时间，并是V1/4sqrt(Vx**Vy)。

X＝X₀+V_xt+(V_x/V)At²/2 (2)

Y＝Y₀+V_yt+(V_y/V)At²/2 (3)

生成利用二维高斯点扩展函数估计值，该估计值与整个焦平面上的MF线段运动假设进行卷积，并考虑了流星轨迹从一帧到下一帧的强度变化，假设一个固定的强度模型帧内，该帧以EMCCD系统使用的每秒17帧的视频速率捕获大多数流星的光曲线特征，并且仅与帧期间极端流星爆发的情况不匹配，在那些极少数情况下，帧期间的平均强度必须足够，否则将需要引入帧内扩口模型，从而增加匹配过滤器配件的尺寸。

所述的一种视频流星检测和航迹分析方法，所述的步骤(3)的具体过程为：使用恒定或指数动态速度模型，计算集合中剩余聚合轨迹的轨迹解，在给定单个轨迹解决方案的情况下，通过在所有投影轨道之间执行三维共对准和共线性测试，使分析人员复查步骤自动化，从而消除HIL；由用户指定约束，其典型值是轨道交叉角的最大值为3度，轨道之间的偏移量为0.5km，这类似于人工审阅者在视觉上筛选良好轨迹的方式，以寻找高度重叠的投影测量图，这些测量图在纬度/经度和高度/下限范围内进行编码，并为每个电台的轨道进行颜色编码，执行最终测试以确保开始高度低于结束高度，在非常罕见的掠食者流星的情况下可以放松。

所述的一种视频流星检测和航迹分析方法，所述的步骤(4)的具体过程为：采用动态自适应改变惯性权重的策略：

式(3)-式(5)中为第i个粒子在第k次迭代对应的目标函数值，为最优粒子在第k次迭代时对应的目标函数值，计算a^k指标是用来判断目标函数在第k次迭代的平整度，每次迭代时a^k指标都所得的目标函数值进行变化，使惯性权重w变成随搜索位置改变而动态改变的w^k。

所述的一种视频流星检测和航迹分析方法，所述的步骤(1)所采用的摄像机为以电子倍增电荷耦合装置作为摄像机，将经过训练的CNN在摄入的视频图像上作为上游的流星探测器，使用匹配滤波或模板匹配，EMCCD处理管道采用上游检测器。

本发明的有益效果：

1、本发明用了以流星轨迹为中心的小图像芯片在maxpixel上进行了训练和测试，因为上游检测器会在较大的视场中提示流星的位置，并且重要特征可以在空间上定位。CNN提取了20,000个流星和错误警报以进行后期训练独立测试，对使用上游群集/跟踪器探测器的事后CAMS时空图像，召回率达到了99.94％。

2、本发明采用循环和卷积深度神经网络的机器学习方法已经帮助消除了许多流星收集处理流中固有的“人在回路虚假警报缓解”步骤。匹配滤波算法的应用有助于改进传播流星轨道的测量位置精度，以进行后检测分析。改进的多站点轨道聚合的使用极大地减少了在组合成单个轨道的过程中不相关的不相关轨道的发生。当在轨迹估计的多参数拟合方法中结合改进的最小化度量时，这会产生更好的流星轨道解。最后，在使用卷积神经网络作为流星探测器并通过基于经验的传播模型执行轨迹拟合方面提出的概念表明，在不久的将来有望实现更强大的流星图像处理和分析。