基于LightGBM和处方数据的番茄病害诊断方法

为高效地挖掘植物病害处方数据并辅助精准诊断,以番茄病毒病、番茄晚疫病、番茄灰霉病3种病害为研究对象,构建基于贝叶斯优化LightGBM的番茄病害智能诊断模型,探索作物病害处方数据挖掘及其精准诊断。重点对处方原数据（文本数据标签和One-hot编码等）进行预处理,以基于Wrapper的递归特征消除法进一步提取作物病害处方数据的特征;利用基于LightGBM算法构建番茄病害诊断模型,并与K近邻（KNN）、决策树（DT）、支持向量机（SVM）、随机森林（RF）、梯度提升决策树（GDBT）、AdaBoost和XGBoost常见机器学习模型运行结果进行比较分析并进行优化;设计基于LightGBM模型的Android手机端植物医生病害诊断APP。实验结果表明,基于贝叶斯优化的LightGBM模型综合诊断准确率可达到89.11%,比其他7种机器学习模型的诊断准确率平均高3.65个百分点;同时特征选择后的LightGBM模型在保证模型准确率的基础上降低了前期数据收集难度,模型综合准确率提高至89.34%,其中番茄病毒病的诊断精确度和F1值均达到96%以上,运行时间减少了47.73%;最后通过番茄叶霉病和番茄早疫病两种病害对本文模型进行了泛化能力测试,实验结果表明该模型具有较强的泛化能力和实用性。基于LightGBM模型设计的APP可以实现用户人群友好的交互式可视化且满足实际诊断需求。     

基于Android系统的植保无人机监控软件设计

以Android为系统开发平台,设计一种植保无人机监控系统,可实现植保无人机飞行过程的移动控制.通过对植保无人机监控系统功能模块进行设计,并从Android基础理论出发,进行植保无人机控制系统软件设计,完成无人机植保作业过程中的状态监控及飞行控制.测试结果表明:该植保无人机监控系统能够有效地对无人机飞行过程进行控制.     

福建星火科技12396手机应用系统的构建与应用

为给农业科技人员服务三农提供一个信息服务平台,以互联网为基础,整合福建省农村科技信息数据库、"12396"专家热线电话、专题网站和手机客户端软件,建立福建星火科技12396信息服务体系。重点介绍了基于android平台的手机客户端软件"福建星火科技12396手机应用系统"主要功能实现、安装方法与应用实例。系统的初步应用的效果显示,该系统实现科技信息的实时和交互传播,拓展了农业科技人员服务三农的手段,有助于提高农技推广效率。     

基于Android平台的江西省烟草气象服务系统的设计及实现

为了进一步促进江西烟草业的发展,结合现代气象综合业务和烟草气象服务的需求,建立了一套基于Android系统的烟草气象信息综合服务平台。运用该平台提供的手机客户端软件,能够获取与烟草种植、加工与管理相关的气象信息和烟草公司发布的技术与管理信息;同时,该系统还能向相关人员主动发送有关的气象预警或其他灾害信息等。基于Android系统的烟草气象服务系统的应用将大大加快现代烟草农业建设的发展步伐。     

基于ARM和Android的通用化农田信息检测终端研究

为了提高复杂、多样的农田信息检测效果,运用通用化设计概念和高性能硬、软件技术方案,设计了一种便携式、可配置的农田信息检测终端。采用主流的ARM Cortex-A8嵌入式处理器与Android操作系统相结合的一体化架构,集成AD、232、485、USB传感器接口,按键、触摸屏、液晶屏人机交互模块,SD卡、USB、3G、Wi Fi、Bluetooth数据交换模块,北斗/GPS双模定位模块以及电源/电量计模块,定制、移植核心驱动程序和HAL库层、JNI接口层。测试及应用试验表明,检测终端可选择配接或同时配接模拟/数字式、电流/电压型以及视频/图像摄像头等多种类型传感器,实现对土壤及大气参数、作物图像和地理信息的采集,并具有多种模式的数据展示和交换功能;模拟信号检测误差小于0.669 5%,3G无线通信下载速率达1 248 Kb/s,整机最大功耗小于3.6 W,检测终端外观尺寸152 mm×83 mm×34 mm,整机质量仅330 g。该检测终端易于配置或二次开发,使用方便,满足农田信息的全面、高效和精准检测需求。     

基于安卓的动物疫病远程诊断系统设计与开发

为了更好地助力于飞速发展的福建省养殖业,依托日益普及的移动3G通讯技术,设计开发了基于安卓的动物疫病远程诊断系统。从动物疫病远程诊断系统的总体设计思路、系统实现的方式方法及最终所实行的功能等几方面进行阐述,说明了该系统具有简单实用,方便易推广的特点,它终将成为全省广大养殖户和农业专家工作的好助手。     

基于Android手机平台的玉米叶片含氮量无损检测

为了提供一种玉米叶片含氮量无损快速检测方法,分析了玉米叶片的颜色特征参数与含氮量的关系,并基于Android手机平台开发了玉米叶片含氮量检测软件。首先获取包含被测玉米叶片与标定色块组的图像,利用标定色块对图像色彩进行校正,以减小外界光照等因素对图像色彩造成的失真。进而进行图像分割、图像平滑和颜色特征信息提取等处理,分析了各颜色特征参数与玉米叶片含氮量的关系,发现绿光标准化值与含氮量之间线性关系最好。应用Java语言和OpenCV计算机视觉库在Android手机平台上实现了玉米叶片的图像获取、图像处理和查看结果等功能。实验结果表明,该方法对玉米叶片含氮量的绝对测量误差为-0.40%~0.35%,均方根误差为0.20%,从采集图像到给出结果所用时间小于10 s。     

基于多光谱图像的土壤有机质含量检测系统与APP研究

受到土壤种类、水分等客观因素的干扰,基于图像预测土壤有机质(Soil organic matter, SOM)含量与传统方法在检测精度上仍存在差距,限制了相关技术的推广和普及。为提升基于图像预测SOM含量的精度,本研究提出N＿DenseNet网络模型,在DenseNet169基础上加入多尺度池化模块,通过获取更多的维度特征提升模型的性能,并结合Android端开发SOM实时检测应用程序(APP),通过内网透射实现PC端与手机端数据的及时传输。以黑龙江省友谊县、北京市昌平区、山东省泰安市3地的350份土样为基础,通过手机以及多光谱无人机获取原位土壤的高清图像,R波段、红边波段与近红外波段图像,以丰富数据信息,并通过室内胁迫的方式拍摄土壤样品在不同水分梯度下的图像缓解水分对图像造成的影响。对比不同深度学习模型,基于多光谱图像数据训练的N＿DenseNet表现最好,整体表现优于DenseNet169,测试集R²为0.833,RMSE为3.943 g/kg,R²相比于可见光数据提升0.016,证明了训练过程加入R波段与红边和近红外波段图像后有助于提升...     

免耕播种机漏播图像采集与传输系统设计——基于Android和4G通信

免耕播种机是现代化农业耕种常用的农机之一,其漏播率是制约播种机作业质量的关键。为了降低免耕播种机作业时漏播率,提高播种机作业时智能化和自动化漏播监测水平,提出了一种基于Android和4G通信图像采集与传输的漏播检测系统,并将其成功地应用到了气动式免耕播种机上,完成了装置的安装和调试。采用小波算法对采集图像和信息进行了滤波处理,通过图像的去噪,降低了设备和耕种作业环境对播种机的影响。开发了手持终端的Android系统界面,包括漏播率报告、漏播次数显示、播种时长、田间作业历史数据和漏播报警等功能。最后,通过对历史漏播数据的查询,调试了系统的漏播检测功能,由调试结果发现:一天的作业累计漏播率小于1%,满足播种作业的设计要求,也验证了基于Android和4G通信系统播种机漏播检测系统的可行性。     

基于Android平台的武夷山生态与生物多样性野外数据采集系统

为准确、快速地获取武夷山生态与生物多样性野外调查数据,通过分析武夷山生态与生物多样性野外调查数据采集工作流程,制定数据采集规范,研制基于Android平台的武夷山生态与生物多样性野外数据采集系统。调查人员手持移动智能终端进行野外实地信息采集,通过无线网络将外业系统采集的数据传给内业系统分析处理。外业系统负责调查点位置信息自动获取、生境信息记载、图像采集、声音采集等操作;内业系统负责实时接收调查结果,经分析处理后打印输出或导出 EXCEL存档。该系统将移动智能终端采集取代传统的纸笔记录,简化野外考察的流程,提高了生态与生物多样性调查的数据质量,为武夷山生物多样性野外考察提供便携的数据采集工具。