VMware虚拟化技术在高校云机房中的使用

在机房管理过程中，使用实验VMware虚拟化技术，可以为机房管理带来极大的便利，快速发布学生机，甚至可以为每一名任课教师准备单独系统环境的教师机。实现一个机房多个教学环境，节约教育资源。     

基于云计算的数据库管理系统在高校中的应用与实现

云计算是在网格计算的基础上发展而来的计算模型,是分布式计算、并行计算和网格计算的发展。介绍了云计算运用于数据库管理系统在现代化高校中的实现,针对传统的数据库管理系统存在的一些盲点,提出了云数据库管理系统的解决方案,指出了云数据库管理系统的广阔发展前景。     

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。     

乡村振兴环境下饲料企业应用电子商务创新发展模式的研究

饲料业产值提升和总体规模的发展壮大,对我国乡村振兴和农民脱贫攻坚意义重大。当前我国饲料企业的电商模式主要包括B2B、B2C和O2O等。但大多数饲料企业本身规模较小,技术相对落后,对电商营销的投入也十分有限,严重制约了电商模式的创新发展。为此,本文在大数据和云计算框架下提出一种基于云服务的饲料产品电商模式,以网络层、传输层、服务层和应用层等为基础架构,将云端信息服务与饲料产业链深度融合,在为饲料企业提供海量客户信息的同时,也提升和改善了饲料企业原有的销售模式、售后服务水平和物流效率。 [关键词] 乡村振兴|电商|云服务|产业链     

基于正态云模型的区域水资源承载力评价

针对水资源承载力评价指标模糊性与随机性的问题,将正态云模型应用于其评价当中。基于正态云模型,以浙江省为例,对区域水资源承载力状况进行评价。结果表明:2006-2009年间,浙江省水资源承载力状态始终处于Ⅱ级(一般)状态,较为平稳,水资源承载力综合值从1.960 3上升为2.052 2,区域水资源承载力水平有增加趋势,但个别评价指标仍处于危险状态,其单因子指标值1.5,有待于进一步提高与改善;正态云模型使水资源承载力的定量评价兼顾随机性和模糊性,研究结果可为区域水资源可持续发展提供一定的参考借鉴。     

用ImageWare实现缺损点云的曲面重构

针对有缺损的点云数据,提出了在逆行工程软件ImageWare平台下进行曲面重构的途径;介绍了运用逆向工程技术进行CAD模型设计的操作流程;用平行面截取点云数据,拟合出曲线线条;通过对曲线条的桥接,利用完整的曲线条重构出曲面。     

缩放型喷嘴空化射流空泡云演化规律的试验研究

基于高速摄影技术对缩放型喷嘴进行空化射流试验,以揭示不同进口压力下空化射流流场特性,分析进口压力对空泡云演化规律的影响.结果表明:淹没式空化射流形成的泡云呈周期性变化,即在1个周期内包含空化初生、发展、脱落、溃灭4个不同阶段,并在空泡云脱落时达到最大的空泡面积、密度和宽度.由于随着射流入口压力的增大,喷嘴形成的射流速度加快,在射流边界层内速度梯度增大、射流核心区与伴随流的剪切作用增强,高速射流所产生的空泡云长度、面积和密度均呈增大趋势.同时,随着进口压力的增大,边界层内湍动能增大,加剧了部分流体的不规则运动,导致空泡云边界更加模糊且呈交错分布,空泡云的脱落频率不断增大.研究结果对提高空化射流在金属材料强化和石油钻井、破岩等领域的应用具有重要的理论意义和指导价值.     

离心泵整体叶轮流道数控加工误差的仿真

对数控加工所获得的叶轮流道的加工误差进行仿真。首先对刀位轨迹线进行归一化处理,以此计算出脊棱高度曲线,再采用线性插值的方法得到曲面上采样点的加工误差。由于自由曲面加工中的刀位点比较密集,本文利用彩色云图将加工误差可视化,完善了对数控加工结果的计算机几何仿真。该算法已在自行研制的叶轮CAM系统中得到验证,并且与实际加工结果一致。     

浅析气象夜间云的观测

随着气象现代化的飞速发展,很多项要素均已进入自动化观测或进入自动化与人工对比观测.云是重要的气象要素之一,且种类繁多,演变复杂,千变万化,云的变化又与天气紧密相连,对天气形势的变化有着极其奥妙的前瞻性和预见性,而夜间云的观测由于受多方面的条件限制,夜间云的准确观测就变成目测项目中最为困难的一个项目.     

基于三维点云的蔬菜大棚杂草识别方法

为实现蔬菜大棚内自动化除草的目的,针对其中的杂草识别环节,提出了一种基于三维点云的新型蔬菜大棚杂草识别方法。采用RGB-D相机获取青菜田、生菜田的三维点云图像,采用超绿色算法去除其中的土壤等背景,采用体素滤波法在保留点云图像形状特征的同时降低点云数量,然后采用欧式聚类法分割出单株青菜和单棵杂草的点云簇,分别计算得到每个点云簇的最高点的Z坐标值,最后结合深度信息Z坐标值实现蔬菜大棚杂草识别。结果表明:这种基于三维点云的杂草识别方法能够有效的识别出杂草,识别率为86.48%。该方法能够对蔬菜大棚中的杂草进行准确识别,为蔬菜大棚自动化除草提供有效的解决方案。