排序方式： 共有6条查询结果，搜索用时 203 毫秒
1
1.
2.
针对目前黑龙江垦区的水位监测现状,以及测点分散、距离远等特点,采用集散结构,以计算机为主控机,单片机为下位机采集水位数据,采用GPRS无线通信模块完成数据远程传输。利用C#语言编程将下位机获取的数据通过串口进行读取、转换、读取并实时显示。通过VS2008.NET编程环境中的Serial Port类和Thread类,大大提高了程序的运行效率。通过实际应用表明,基于GPRS模块进行远程地下水水位监测是一种经济、可靠、便捷的监测系统。 相似文献
3.
玉米种子活力近红外光谱智能检测方法研究 总被引：3，自引：0，他引：3
为了实现玉米种子活力的快速无损检测,提出利用近红外光谱和BP神经网络来建立玉米种子活力智能检测模型。首先通过人工老化将样本按老化程度分为3种级别,采集样本的近红外光谱。分别通过卷积平滑(S-G)和多元散射校正(MSC)及二者组合的方法消除光谱噪声和去除奇异光谱。然后分别用主成分分析(PCA)和离散多带小波变换(DWT)提取光谱特征,作为BP神经网络的输入。依据预处理及特征提取的不同构建出6种BP神经网络种子活力检测模型。试验结果表明,组合预处理方法与主成分分析特征提取结合构建的模型最优,其识别的准确率为95.0%,平均识别时间为26.25ms。研究结果为玉米种子活力的快速无损检测提供了理论依据和实用方法。 相似文献
4.
近红外光谱技术在玉米种子活力检测中的应用研究 总被引：1，自引：0，他引：1
利用近红外光谱和BP神经网络建立玉米种子活力的快速无损检测模型。首先通过人工老化将样本按老化程度分为3种级别,分别采集样本的近红外光谱。对原始光谱进行矢量归一化预处理以消除光谱噪声。然后利用主成分分析(PCA)方法提取光谱特征,作为BP神经网络的输入,依据预处理及特征提取构建出BP神经网络种子活力检测模型。试验结果表明,该识别方法的准确率为90.3%,平均识别时间为27.36 ms。研究结果为玉米种子活力的快速无损检测提供了理论依据和实用方法。 相似文献
5.
为了快速测定马铃薯干物质含量,利用可见-短波近红外光谱无损检测马铃薯的干物质含量,以207个具有代表性的马铃薯样本作为研究对象,其中115个作为马铃薯切片样本的研究,92个作为完整马铃薯的研究,通过对比两种样本的模型预测效果,探讨可见-短波近红外光谱用于马铃薯干物质含量的完全无损检测的可行性。切片样本光谱数据用Savitzky-Golay(S-G)一阶卷积求导方法预处理,根据局部最大值最小值原则和含氢基团(C-H、O-H)伸缩振动的敏感波段选定了5段特征波长参与建模,模型外部检验决定系数R~2=0.941 6,标准误差RMSE=3.91。完整马铃薯样本光谱数据在Multiplicative Scatter Correction(MSC)基础上使用S-G一阶卷积求导方法预处理,通过选取了线性关系较好的5段波长参与建模。模型外部检验决定系数R2=0.847 5,标准误差RMSE=4.07。结果表明,完整马铃薯样本模型的检测效果虽然没有切片样本效果理想,但仍可以作为实际生产中进行马铃薯干物质含量检验的有效手段。 相似文献
6.
玉米是世界上最重要的粮食作物之一,其品质鉴别对农业生产和食品加工具有重要意义。传统的玉米籽粒品质鉴别方法往往需要大量人力和时间成本,并且易受主观因素影响。基于AlexNet模型,提出了一种改进的并且适配于玉米籽粒品质鉴别的AlexNet算法,并针对玉米籽粒数据集进行微调。在微调过程中,采用数据增强、批量归一化、随机失活等技术,以提高模型的性能。经试验,该模型在测试集上的准确率为96.6%,优于原本的AlexNet模型对玉米籽粒品质鉴别性能。该模型的应用有望提供更快速、准确的玉米籽粒品质鉴别方法,有利于玉米籽粒品质把控。 相似文献
1