排序方式: 共有67条查询结果,搜索用时 31 毫秒
41.
42.
43.
试验在LabVIEW虚拟仪器软件开发环境下,完成了以NI公司M系列数据采集(DAQ)卡PCI-6221为核心的沼气发酵系统监控平台的设计。试验表明,设计满足沼气发酵过程中工艺参数智能化监测控制的要求,平台采用开放式结构,具有很好的可扩充性。 相似文献
44.
运用基于模式识别的计算机视觉及图像处理技术对大豆叶片氮元素缺失进行无损检测。当大豆植株的氮元素缺乏时,会在颜色和纹理上有一定的特征体现。通过样本培育和采集,利用图像处理技术对特征变化进行提取,分析确定了预处理的方法,并建立了预处理系统模型。研究可初步诊断出大豆氮元素缺乏情况,为进一步的模式识别奠定基础。 相似文献
45.
家禽孵化过程无精蛋、死胚自动剔除控制系统的设计 总被引:1,自引:1,他引:1
介绍了以 AT89C5 1单片机为核心的家禽孵化过程无精蛋、死胚自动剔除控制系统 ,通过光电检测电路、单片机系统、操作台水平垂直运行控制系统来实现无精蛋死胚自动剔除之功能 相似文献
46.
为了解决传统太阳能混合跟踪控制判据范围宽泛,不能准确识别天气情况的问题,该研究设计了一种复杂天气状况下的太阳能混合跟踪系统。通过分析非聚光与聚光条件下系统运行在不同跟踪策略下的跟踪特性,结合天气特征,提出以辐照度识别天气状况的多阈值控制判据。控制判据将天气划分为辐照度波动天气、高辐照度天气、低辐照度天气与辐照度极低天气,装置可根据外界气象变化自动调整光电跟踪、视日运动轨迹跟踪或固定倾角控制模式。该系统搭建Node-Red总控平台,采用并行控制,优化混合跟踪策略,控制信号稳定输出。试验结果表明:应用该判据的混合跟踪系统工作性能优良,非聚光条件下系统平均发电功率分别高出光电跟踪与视日运动轨迹跟踪0.03和0.16 W,聚光条件下系统平均发电功率达到0.81 W,高出光电跟踪0.03 W,高出视日运动轨迹跟踪0.55 W,由此可知,该系统能够提升光伏发电的输出电能,为太阳能混合跟踪系统的跟踪方式切换提供了理论依据。 相似文献
47.
基于机器视觉黄瓜果实自动分级方法 总被引:1,自引:0,他引:1
为实现黄瓜果实快速准确分级,以摄像头为视频采集模块、DSP核心处理器为主控制模块、机械手为执行模块,并借助质量控制、电机传送等辅助单元,构建了自动化分级平台。参照国家标准NY/T1587-2008,利用图像处理方法对黄瓜果实图像的瓜长、把长、横径差、弓形高度进行了提取和计算。选取长春密刺、龙杂黄七号、露秋一号3个品种240根黄瓜果实作为试验样本,抽取每个品种的20个样本作为图像提取数据分析,其余60个样本作为自动分级平台测试。测试结果显示:该平台的平均分级精度为96.7%,每分钟约检测35根果实,相较人工分级具有快速、无损、准确、客观的特点,为机器视觉技术应用于椭长形果实自动化分级提供了重要依据。 相似文献
48.
在农业网站日志挖掘知识的基础上,重点对运行8年的东北农业大学农业专家在线网站进行Web日志挖掘研究,对运行以来积累的海量Web日志数据进行有效的预处理,并采用SAS数据挖掘模块对日志数据进行关联规则挖掘、链接分析,利用挖掘的结果对网站信息构建合理性进行评估及改造,逐渐在个性化服务、改进系统性能、站点内容修改、商业智能等方面提供科学的理论基础,使之成为中国最大的农业免费咨询类网站,而且可以利用结论对其他农业信息系统的构建及运行等方面提供一定的借鉴作用,从而推动我国农业信息化进程。 相似文献
49.
营养元素是影响大豆品质和产量的重要因素,营养元素过量或缺乏均会对大豆产生严重影响。传统的营养元素诊断方法主要依靠人的主观经验,容易出现误诊、漏诊等情况,而传统的化学分析技术又会出现破坏植株、测试手段繁琐、周期长等缺点。文章通过分析大豆在营养元素过量或缺乏的不同情况下的植物特性,构建了基于模式识别的营养元素智能诊断系统,并提出了应用计算机视觉技术提取大豆形态特征,把拍摄的图像利用适当的方法进行图像分割、增强、平滑、滤波等处理,利用图像处理算法分割出叶脉、叶肉、叶缘,识别出颜色、纹理等形态特征,分析元素失衡时的颜色及纹理在叶片的不同部位表现,为今后进一步利用模式识别诊断大豆营养元素提供了发展方向。 相似文献
50.
应用计算机视觉对番茄损伤分类的研究 总被引:5,自引:1,他引:4
文章研究了图像处理的去除噪声、图像分割、图像增强等多种低层处理的方法,建立用区域增长法进行番茄表面缺陷区域检测,用BP算法训练的多层前馈神经网络对番茄的损伤进行分类。结果表明,番茄损伤检测和分类的准确率不低于90%。 相似文献