排序方式： 共有5条查询结果，搜索用时 15 毫秒
1
1.
2.
农情信息智能感知及解析的研究进展 总被引：1，自引：1，他引：0
现代农业中，农业生产者需要实时、准确、全面地了解农田环境和农作物的生长状态，并对得到的农田信息数据做出相应分析、归纳和决策。农情信息智能感知和解析技术在现代农业生产中具有不可替代的地位。本文从农情智能感知和信息解析技术2个方面展开论述，重点分析了国内外农业物联网农情信息智能感知技术和基于大数据分析的农情解析方法研究进展，详细介绍了基于农情信息的智能决策技术在农机装备智能化应用的研究现状，总结了目前农用传感器应用存在的问题，并对今后在农情感知、信息解析技术、农业数据库技术以及智能决策技术方面的发展提出了建议，以期为智慧农业的深入发展提供参考。 相似文献
3.
内燃机作为农业机械的动力部分,技术含量高、结构相对复杂。一个良好的使用、维护习惯和认真细致的观察保养,是内燃机使用寿命延长和机械效率提高的基本保障,使用操作中只要用心钻研,就会延长内燃机的寿命,降低消耗成本,提高 相似文献
4.
基于深度卷积神经网络的水稻田杂草识别研究 总被引：2，自引：1，他引：1
目的 利用深度卷积神经网络对水稻田杂草进行准确、高效、无损识别，得出最优的网络模型，为水稻田种植管理以及无人机变量喷施提供理论依据。方法 以水稻田杂草为主要研究对象，利用CCD感光相机采集杂草图像样本，构建水稻田杂草数据集(PFMW)。利用多种结构的深度卷积神经网络对PFMW数据集进行特征的自动提取，并进行建模与试验。结果 在各深度模型对比试验中，VGG16模型取得了最高精度，其在鬼针草、鹅肠草、莲子草、千金子、鳢肠和澎蜞菊6种杂草中的F值分别为0.957、0.931、0.955、0.955、0.923和0.992，其平均F值为0.954。在所设置的深度模型优化器试验中，VGG16-SGD模型取得了最高精度，其在上述6种杂草中的F值分别为0.987、0.974、0.965、0.967、0.989和0.982，其平均F值为0.977。在PFMW数据集的样本类别数量均衡试验中，无失衡杂草数据集训练出来的VGG16深度模型的准确率为0.900，而16.7%、33.3%和66.6%类别失衡的数据集训练的模型准确率分别为0.888、0.866和0.845。结论 利用机器视觉能够准确识别水稻田杂草，这对于促进水稻田精细化耕作以及无人机变量喷施等方面具有重要意义，可以有效地协助农业种植过程中的杂草防治工作。 相似文献
5.
洪金宝 《新农村(黑龙江)》2012,(11)
在传统农业灌溉过程中,灌溉水的利用率仅仅在25~40%,在水资源紧缺日趋严重的今天,节水技术特别是喷灌技术在农业中的应用更为重要.本文主要介绍喷灌技术的效能和技术要求,喷灌设备使用中应注意事项. 相似文献
1