基于改进入侵杂草算法优化的PID生物质废弃物发酵热能控制模式

生物质废弃物发酵系统是一个大时滞系统，针对生物质发酵系统中的热能控制存在波动大、振荡多和超调大的问题，提出基于改进入侵杂草算法优化的PID生物质废弃物发酵热能控制方法，运用改进入侵杂草算法对PID控制器的参数进行在线调整。算例仿真表明，所提方法能够快速、稳定且高精度地实现对生物质废弃物发酵系统的热能控制，为沼气制取提供了稳定的热能环境，实现了沼气的稳定供应。      

基于Web的大麦病害网络数据库系统的研究与设计

大麦是主要的小禾谷类作物之一,是我国第四大粮食作物,主要用作饲料、粮食、啤酒工业原料,以及近年来引起关注的医药工业原料和保健食品。然而我国大麦病害种类多、危害大、并时常爆发成灾,严重影响大麦的高产稳产和品质。本研究介绍了一个基于.NET的网络数据库系统,该系统用于管理大麦病害信息,能对大麦病害监测和防治提供信息支持。     

光谱判断田间鲜烟叶成熟度的影响因子研究

利用便携式地物波谱仪Field Spec 3测量烤烟成熟期烟叶的反射光谱,针对采收成熟度M2、M3,分析比较同一时间不同测量位点、及同一位点不同测量时间的反射光谱差异。结果表明:反射光谱的差异在不同测量位点主要体现在350~780 nm可见光波段和780~1300 nm近红外波段,在不同测量时间主要体现在780~1300 nm近红外波段。因此,利用光谱仪判断鲜烟叶成熟度,受测量位点的影响较大,而受测量时间的影响较小,但若测量烟叶生理生化组分、厚度和水分等内在指标,时间及天气状况是必须考虑的重要因素。     

面向优质优价的新型蔬菜电子商务流通模式

为解决蔬菜流通和产销对接中蔬菜质量安全与优质优价的问题,从"互联网+蔬菜流通"的角度,探讨蔬菜流通渠道优化路径及其技术解决方案;基于全产业链的角度研究蔬菜生产者和消费者之间产供销桥梁的搭建,提出面向优质优价、基于全产业链"两阶段+双向"流通的蔬菜电子商务流通模式,为蔬菜产业链的研究提供新思路。基于该模式设计的聚农宝电子商务平台,有效实现了蔬菜生产者与消费者的需求对接以及蔬菜产品的优质优价,并已推广至多省市,取得了良好的效益。     

基于机载LiDAR数据的玉米叶面积指数反演

以机载LiDAR离散点云数据为数据源,基于植被冠层孔隙率与叶面积指数的关系,提出一种反演大田玉米叶面积指数的方法。对反演LAI和实测LAI进行对比分析,结果表明:基于Axelsson改进的不规则三角格网加密方法可以将地面点和非地面点分开,结合高分辨率影像能够提取出玉米冠层点云;基于孔隙率反演LAI,尼尔逊参数的选择对结果影响很大,利用扫描天顶角模拟尼尔逊参数,LAI反演结果接近于真实情况。利用机载LiDAR点云数据能精确地反演大田玉米LAI,该研究方法适用于中等高度的农作物,可以扩展到甜菜、甘蔗等其他中等高度农作物。     

对教师个人多媒体教学平台的研究

多媒体教学技术被广泛地应用于教学,有效提高了课堂教学效率和教学质量。但过分或不当使用多媒体技术也会影响和制约着教学效果,限制教师主动性和禁锢教师临场发挥。有必要对这项技术在形式、手段和方法上进行一些反思,重新探讨教学中所需要的多媒体软硬件环境以及平台,研究适合高校教师使用的多媒体辅助教学平台及工具。     

TMS320DM642汇编优化方法在棉种在线筛选系统应用

为了提高基于机器视觉的棉种在线筛选系统的筛选效率,介绍了使用汇编语言优化TMS320DM642程序的几种方法。优化过程中利用了软件流水并实现了"扩展指令的使用""延时间隙的利用""循环展开""并行指令使用"等多种方法。其中"扩展指令的使用"优化了原有的处理算法;"延时间隙的利用"和"循环展开"消除了循环内多余的NOP语句;"并行指令的使用"和软件流水技术提高了DSP8个功能单元的利用率。实验使用图像尺寸为215*640像素的YUV格式图像数据,优化前处理一帧图像用时16.76ms,优化后为1.03ms,优化部分代码执行时间缩短为原来的1/16,充分证明了使用优化方法大大缩短了代码的执行时间,提高了整体系统的实时性,并为后续的复杂算法提供时间保障。     

基于SOFM神经网络的核心种质取样算法

介绍了核心种质和自组织特征映射网络的基本概念，使用自组织特征映射网络的自组织特性对种质性状数据进行了聚类，利用聚类的分组结果，提取核心种质，通过对核心种质的各种参数的检验并与完全随机取样和一般的系统聚类的对比。结果表明，SOFM的取样算法，是一种比较有效快捷的算法，可以在实际中加以应用。     

基于纹理和位置特征的麦田杂草识别方法

以化学防除适期麦田杂草为研究对象，对利用条播作物的位置和纹理特征识别田间杂草的方法进行了研究。根据条播作物小麦作物行的间距相对固定等位置特征，利用植物像素直方图法确定作物行的中心线和行宽，并识别行间杂草。然后，以作物行中心为基准来选取纹理块，计算量化级数为8级的H颜色空间的共生矩阵，提取5个纹理特征参数，利用K均值聚类法判别分析各块的类别来识别行内杂草。研究结果表明，杂草的正确识别率约为93％，作物的错误识别率约为7％。     

农作物无损检测的机器视觉系统标定方法研究

基于机器视觉的无损检测是植物生长建模的关键技术之一,对图像采集系统进行标定是实现无损检测的基本步骤.目前,摄像机标定的方法有传统标定方法、主动视觉标定法、自标定方法等.为此,对现有标定方法分别进行了讨论与比较,结果表明,传统线性标定法可以满足农作物无损检测的要求.