排序方式: 共有30条查询结果,搜索用时 437 毫秒
21.
以雨水积蓄过程技术的专家知识、经验为依据,以人工智能专家系统的设计思想为指导,针对我国干旱、半干旱地区农业所面临的严重缺水问题,设计开发出一套智能化的丘陵山区雨水积蓄工程技术的专家系统.同时,系统综合了分析、统计知识,以Visual Basic6.0语言为开发平台,形成包括集雨系统、输水系统、蓄水系统、施工系统、知识浏览系统、知识获取系统、管理系统、查询系统等8个子系统的设计环境.在设计过程中把系统程序设计为子程序的形式,系统界面采用可视化的设计,界面友好. 相似文献
22.
23.
依据国家精品资源共享课程——机械制图与计算机绘图的建设实践,针对该课程建设的几个方面,包括组织教学内容、改善实践教学环境、出版配套教材、开展教学研究、教学资源建设、课程教师团队建设等方面进行了阐述。明确提出:对于以培养图学应用型人才为主的高校,不仅要重视图学理论教学的系统性和完整性,更要注重学生的工程应用意识的培养,加强学生实践能力和创新能力的培养。实践表明:持续多年的教学研究、教学资源建设、师资队伍建设是国家精品资源共享课程建设的保证。 相似文献
24.
土壤中营养成分的变化关乎农业的生产质量,其中水分、有机质、氮、磷、钾等养分信息是土壤肥力的关键,因此获取农田土壤成分信息对农田管理有重要意义。传统土壤检测方法烦琐复杂、费时费力、效率低下,难以满足现代农业发展的需要。随着遥感技术的不断发展与成熟,基于低空尺度的农业无人机和基于高空尺度的卫星平台弥补了地面监测的空缺与不足,飞行器搭载的多光谱传感器在土壤信息的快速、无损、实时获取领域表现出巨大潜力。介绍了多光谱技术特点,概括了遥感多光谱成像技术检测土壤成分的一般步骤,重点阐述了多光谱技术在检测土壤有机质、水分、盐分等方面的研究进展,探讨了遥感多光谱技术在解析土壤成分中涉及的主要方法,最后对农业遥感多光谱成像解析土壤成分进行了思考与展望。 相似文献
25.
千页豆腐是以大豆蛋白粉为主要原料,水、淀粉、食用油、食盐、白砂糖、谷氨酰胺转氨酶(TG酶)等为辅料加工制成的一种素食新产品。采用单因素试验和正交试验的方法,对千页豆腐的加工工艺进行了研究。经过配方筛选得出千页豆腐最佳配方为冰水添加量60%,变性淀粉添加量4.0%,TG酶添加量0.3%。按上述工艺条件制作的产品组织状态良好,口感细腻脆嫩,富有弹性。 相似文献
26.
以猪4#肉、鸡肉、猪皮为主要原料,淀粉、食盐、白砂糖、鸡精、磷酸盐、卡拉胶、食用香精等为辅料。采用单因素试验、正交试验的方法,对五香卷肘的配方和工艺进行了研究。从原料肉比例、猪皮添加量和猪皮预处理时间这3个影响五香卷肘品质的主要因素进行研究、分析,经过配方筛选,得出五香卷肘最优生产工艺为猪肉和鸡肉比例3∶1,肉馅中猪皮添加量10%,猪皮预处理时间3 min。按上述工艺条件制作的产品组织状态良好,富有弹性,具有酱卤制品特有的风味。 相似文献
27.
28.
果园行间3D LiDAR导航方法 总被引:2,自引:2,他引:0
为克服二维激光扫描仪在果园导航中感知信息少、无法有效应对树冠茂密、树干被遮挡等复杂三维果园场景,该研究提出一种基于3D LiDAR的果园行间导航方法。以3D LiDAR为检测设备实时采集果园信息,使用挖空打断后的树墙体心等效树干位置,根据左右树行的最佳平行度对随机采样一致性算法与最小二乘法拟合的树行进行互补融合并求其中心线得到导航线;对纯跟踪算法进行改进,实现差速运动机器人对树行的跟踪。结果表明:系统在篱壁式仿真果园环境下以0.33 m/s的速度沿中心线行走时,绝对航向定位偏差在1.65°以内,绝对横向定位偏差在6.1 cm以内;以0.43 m/s的速度跟踪树行的绝对横向偏差在15 cm以内。在真实梨园下,系统分别以0.68与1.35 m/s的速度跟踪树行,绝对横向偏差分别不超过21.3与22.1 cm。本系统可广泛用于标准果园与复杂三维果园机械的自主导航,具有可靠的稳定性。 相似文献
30.
氮作为植物生长发育过程中的大量元素之一,其含量的快速准确性获取对大田农作物监测和管理有着重要意义,本研究采用无人机(UAV)搭载多光谱传感器对田间荞麦冠层叶片氮含量(Leaf Nitrogen Content,LNC)进行定量化估测,为荞麦叶片的信息化管理提供理论依据。试验选用“晋荞6号”、“晋荞9号”为研究对象,通过无人机于荞麦开花期和灌浆期获取多光谱影像并同步采集荞麦冠层叶片的氮含量,然后分别提取了五个波段下的反射率,选用与叶片LNC相关的12个植被指数进行皮尔逊(person)相关性分析,选取17个光谱变量中相关性较高的特征变量与实测LNC进行PLSR、SVM和BPNN回归建模,结果表明:适量施用叶面硒肥可促进叶片吸收氮素从而增加LNC,过量硒肥不能持续提高LNC。G、R、NIR、NDVI、RDVI、RVI、SAVI、NLI、OSAVI、GRVI与LNC相关性较高,最高为GRVI,达到了0.824。采用BP神经网络建立的回归模型表现最优,盛花-灌浆期预测集决定系数(R2)为0.828,均方根误差为(RMSE)为2.172,验证集R2为0.939,RMSE为1.100,RPD为4.587。因此,无人机多光谱遥感技术可实现大田尺度的荞麦冠层叶片LNC估测。 相似文献