排序方式: 共有75条查询结果,搜索用时 31 毫秒
21.
针对由于穴盘孔数增大,蚁群算法收敛速度慢,且难于达到全局最优的问题,综合蚁群算法和贪心算法的优点,提出基于贪心—蚁群钵苗自动移栽路径分段寻优算法(GACS算法)。GACS算法首先将穴盘进行分段,然后利用蚁群算法进行段内最优路径,最后利用贪心算法确定段间最优连接路径,从而实现钵苗自动移栽路径达到全局最优。以运行时间和路径长度为评价指标,将GACS算法与蚁群算法进行对比。结果表明:分段数是算法重要参数,50、72和128规格穴盘,所对应的最佳分段数分别为2、4和6。由于采用分段策略,GACS算法较蚁群算法在性能上有了显著提高,算法时间缩短到蚁群算法的20%以下,最优路径长度比蚁群算法更短,算法收敛速度更快。GACS算法能够有效地解决钵苗自动移栽过程中的路径优化问题,提高移栽效率。 相似文献
22.
集成3S,ZigBee和射频识别的土壤采样远程智能管理系统 总被引:3,自引:3,他引:0
为实现农田土壤样本采样及管理智能化,设计了基于3S(GIS:geographic information system;GPS:global positioning system;RS:remote sensing)、ZigBee无线通信、射频识别(radio frequency identification,RFID)、4G等技术的土壤采样智能管理系统,该系统由采集节点、协调器网关、移动终端和远程管理软件组成,其中采集节点用来获取土壤样本的地理位置信息、RFID电子标签数据以及土壤环境的温湿度。协调器网关由ZigBee协调器连接4G模块组成,实现ZigBee无线网络转换为4G网络。4G模块经配置软件配置好服务器IP和端口号等信息后,将采集节点获取的数据传输到远程服务器的管理软件中。通过系统稳定性试验测试,丢包率为0.2%,该系统具有较高的可靠性。移动终端采用掌上电脑PDA(personal digital assistant),实现土样采集的现场监测管理。远程管理软件应用Web、SQL Server(structured query language server)、Socket等技术开发了数据接收显示、百度地图、数据自动成图(2D、3D)等功能模块。利用GPS信息在百度地图中可以实现采样点的实时跟踪,调用数据库数据或者本地试验数据可以自动生成有关土壤信息的空间分布图。该系统采集土壤样本信息的同时也可获取相应的土壤样本养分信息,将土壤养分信息数据按照RFID标签导入土壤管理软件中对应的土样信息栏,生成了土壤养分空间分布图,为后续变量施肥提供决策支持。 相似文献
23.
基于远程通讯的农田信息管理系统设计与实现 总被引:9,自引:5,他引:4
为实现农田信息远程智能化管理,该文按照软件工程思想设计并实现基于远程通讯的农田信息管理系统。远程农田信息管理系统是移动式农业智能服务系统的一个重要组成部分, 是实现农田信息管理的核心。远程农田信息管理系统通过GPRS实时接收来自移动终端(农田PDA)的农田信息数据,将其存放到农田信息数据库中;按照农田处理模型对其进行分析、处理,并进行可视化表达,为农田变量控制提供决策支持。根据系统的主要功能,将系统划分为地图管理、PDA管理、数据管理和系统管理等四大模块。远程农田信息管理系统实现了农田信息的实时采集、处理、可视化和传输,为用户提供全面的决策信息和技术支持。 相似文献
24.
谷物联合收割机远程测产系统开发及降噪试验 总被引:7,自引:7,他引:0
为降低田间振动干扰对谷物产量检测精度的影响,同时增加测产系统的实用性,设计了一种基于CAN总线技术、无线通信技术以及计算机网络技术的新型谷物智能测产系统。系统包括车载子系统和远程监测子系统2个部分,实现了谷物产量的现场监测、产量图绘制、远程监控与收获作业管理等功能。车载部分设计了弧形冲量传感器,提出了机械减振和双板差分方法来降低收割机振动对谷物流量测量的影响,采用数字阈值滤波的方法来提高谷物产量的测量精度,并建立了总产量和单位面积产量的数学模型。田间动态试验结果表明双板回归差分方式滤除干扰的效果优于直接差分,其最大测产误差为8.03%,测产平均误差为3.27%,最大测产误差比直接差分方式降低了7.12个百分点,最后绘制了试验地块的产量分布图。另外,系统的远程监控部分开发了界面友好的收获作业管理系统,实现了谷物产量的远程监测与管理。系统总体运行性能良好,满足了测产需要。 相似文献
25.
基于GPS和PDA的移动智能农田信息采集系统开发 总被引:4,自引:4,他引:0
根据精细农业发展的需要,开发了移动智能农田信息采集系统。系统以掌上电脑(PDA)为平台,集成了ZigBee协调器模块、GPS OEM模块和GPRS模块。ZigBee协调器模块用于管理农田无线传感器网络,通过农田无线传感器网络采集农田信息,应用无线节点进行数据的采集;GPS模块用于采集并管理各采样点的位置信息,并通过虚拟差分站VRS接收GPS位置的差分信息以提高定位精度;GPRS模块用于在申请差分信息和与上位机通讯时建立远程无限网络连接。使用VC语言开发了嵌入式应用模块,实现了无线传感器的农田信息、GPS的 相似文献
26.
为解决传统水稻质量分级依靠人工分拣,工作量大、错误率高、分级标准不严格等问题,本文提出一种基于ECA改进的双流卷积神经网络模型对水稻单粒质量分级进行研究。首先,获取每组水稻单籽粒(本文以7颗水稻单籽粒为1组)正视和俯视图像,对于5种简单的监督模型(朴素贝叶斯、决策树、随机森林、最邻近结点算法、支持向量机)、基于遗传算法和投票机制优化的模型(GA-SVM)、集成模型(RF+GA-SVM),通过图像预处理轮廓检测分离出单籽粒图像,利用颜色矩、LBP(Local binary pattern)和Canny算子提取籽粒颜色、纹理和边缘特征,并采用PCA(Principal component analysis)降维后进行训练;而对于单流卷积神经网络模型、双流卷积神经网络模型(FV-CNN)以及本文提出并构建的基于ECA改进的双流卷积神经网络模型(EA-FV-CNN),则使用预处理后的图像进行训练。将上述多种模型进行对比分析,发现基于ECA改进的双流卷积神经网络模型性能最好,其在单粒质量三分级、四分级和五分级准确率分别达94.0%、92.3%和71.0%。实验结果表明,使用基于ECA改进的双流卷... 相似文献
27.
针对谷物测产系统采样频率过高时数据冗余量大、软硬件成本高,而采样频率过低时测产精度和稳定性难以保证的问题,分析了谷物的冲击规律并根据采样定理确定了谷物流量信号的最高采样频率为50 Hz。数据预处理时,对于高频率采样信号,提出了双阈值滤波均值和算数均值2种方法,分析表明双阈值滤波均值法的处理效果优于后者。为考察采样频率对测产精度的影响,进行了不同采样频率的测产试验并提出了频率抽取法,尝试了1、10、25、50 Hz 4种采样频率下的总产量建模,并对比了其预测效果,试验结果表明,在最高采样频率范围内,采样频率越高,测产的精度也越高;采用50 Hz采样频率时,平均误差最低为3.04%;采用10 Hz以上采样频率时,可保证平均误差不高于5%。因此,采用10 Hz以上的测产系统采样频率是必要的。 相似文献
28.
为了解决目标检测区域中冗余信息过多导致无法准确检测大豆分枝的缺陷,同时快速获取大豆植株表型参数,该研究提出了一种基于Re-YOLOv5和检测区域搜索算法的大豆植株表型参数获取方法。Re-YOLOv5引入圆形平滑标签技术(Circular Smooth Label,CSL)实现旋转目标检测,解决了传统目标检测中检测区域冗余信息过多导致无法准确检测大豆分枝的缺陷,并加入协调注意力机制(Coordinate Attention,CA)获取目标位置信息以提升检测精度,此外,将原始骨干网络中的3×3卷积结构替换为RepVGG结构进一步增强模型的特征提取能力。基于Re-YOLOv5提出一种检测区域搜索算法(Detection Area Search,DAS),该算法将检测到的大豆分枝区域作为待搜索区域,通过该区域中的茎节点坐标信息判断各分枝的茎节点,然后将其进行顺序连接,重构大豆植株骨架,最终获取相关的表型参数。试验结果表明,Re-YOLOv5可以实现检测旋转目标的能力,而且在各项性能指标上都优于YOLOv5,其mAP提升了1.70个百分点,参数量下降0.17 M,针对茎节点的检测精确率提升了9.90个百分点,检测小目标的能力明显增强。检测区域搜索算法也能够准确地定位每个分枝上的茎节点从而重构大豆植株骨架,并得到比较准确的大豆植株表型参数,其中,株高、茎节点数、大豆分枝数的平均绝对误差分别为2.06 cm、1.37个和0.03个,在能够满足实际采集的精度要求的同时,也为获取大豆植株表型信息提供参考。 相似文献
29.
为了解决传统三维点云重建过程中人工调参费时、费力,且精度得不到保障等问题,提出了一种三维点云自动化配准算法,并应用于油麦菜三维重建。使用Kinect相机采集油麦菜不同视角下的点云数据,通过配准实验分析配准参数的变化规律,继而建立了配准评价体系,实现了两片点云的自动化配准,并通过最小化匹配误差积累将多幅点云变换到同一基准坐标系下,实现了油麦菜三维重建。对随机选取的12株油麦菜进行自动化三维重建,结果表明,在两片点云重叠率不低于30%的前提下,本文算法可获得最优参数组合,自动全局配准平均距离误差为0.65cm,平均耗时为44.05s,具有较高的配准精确度和稳定性。本文算法能有效减少配准误差积累、构建较高精度的完整结构,可为其他作物三维重建提供参考。 相似文献
30.
为满足精细农业系统集成实验室的信息化管理需求、最大限度地实现资源共享以及高效地利用学术资源优势进行学术交流,构建并开发了现代精细农业系统集成实验室网站平台。平台基于面向对象方法,采用B/S架构,应用Struts2框架以及JSP编程技术实现。系统由实验室概况、规章制度、开放式基金管理等13个模块构成,同时预留了农业生产模型云服务等接口。系统应用MySQL技术构建了现代精细农业系统集成数据库,并采用持久化框架Hibernate创建了对象与关系映射,实现了面向对象的数据存取管理。网站平台搭建了一个良好的学术交流平台,最大化地实现了管理信息化和资源共享。测试和试运行表明,网站运行稳定,具有良好的可扩展性、可维护性、可移植性以及鲁棒性。 相似文献