农业院校电子信息工程专业创新创业教育改革模式

研究立足于沈阳农业大学电子信息工程专业教学改革实践需求,充分利用学校农学、园艺、植保等传统学科资源与优势,加强电子信息技术与传统农业学科需求相结合,提出“培养具有创新创业能力的农业信息技术人才”的本科教学理念与教育改革模式。     

多层次多元化电学科精品资源共享课教学模式的研究与实践

针对学时压缩和学习内容相对不变的矛盾,信电学院电学科专业通过加强省级精品资源共享课程的建设,提出了多层次多元化精品资源共享课教学新模式,即"理论教学多元立体化、实验教学多元立体化、实践教学多元立体化、创新大赛多元立体化"。教学实践证明,利用现代信息技术手段推动电学科优质课程教学资源共建共享,能够激发学生的学习兴趣,培育学生创新意识,有效提高高校创新人才培养质量,是当前推进教学方法改革的一种重要模式。     

基于三维点云的玉米果穗几何建模

果穗是玉米产量的构成器官,为构建高精度玉米果穗几何模型,提出了一种基于三维点云数据的玉米果穗几何建模方法。针对玉米果穗形态结构特征,选取Artec Spider三维扫描仪搭建玉米果穗点云数据快速获取系统并获取果穗点云,然后通过点云配准、重采样和孔洞修补操作得到高质量果穗三维点云,最后基于Voronoi图的网格重建方法重构果穗网格模型。结果表明,所重建的玉米果穗具有较高的真实感,且与基于计算机视觉算法相比精度大幅提高。基于三维点云的玉米果穗几何建模对于玉米果穗的种质资源保存、基于三维数据的果穗考种、玉米器官三维模板资源库构建等工作具有重要的推动作用。     

农业电力巡检系统中路径分析算法与实现

讨论了农业电力巡检系统的路径分析算法,并在eSupermap环境下,以某区级农电局电道网数据为例,利用eVC及eSupermap二次开发类库实现了其最短路径和最佳路径分析.     

GIS在农电企业配电网中的应用

针对目前我国农电企业配电网管理相对落后的现状,阐述了GIS系统应用于配电网管理系统的优势,详细探讨了配电网GIS系统的地图浏览控制、数据维护和查询统计、线路编辑、地图输出、联机帮助等功能,为农电企业进行配电网管理提供了较详细的参考方案。     

农村配电网理论线损计算分析系统的设计与应用

农村配电网的线损在整个电力系统线损中占有很大比例,进行配电网的理论线损计算及分析、采用合理方法降低损耗具有重要意义。针对农村配电网理论线损计算的现状,系统分析了理论线损的计算方法,设计了理论线损计算及分析系统,对实际线路进行计算,并分析了影响线损的各个因素。     

农村变电站选址规划方法

农村变电站选址是电网规划的重要组成部分,在农网规划是起承上启下的作用,文中介绍最优化选址问题,并将优化选址的数学模型进行分类,又全面地比较分析应用于变电站选址方法的诸多算法,提出5项有利于电力市场环境下的农网变电站选址的建议.     

农业电力巡检系统中路径分析的算法与实现

讨论农业电力巡检系统的路径分析算法,并在eSupermap环境下,利用eVC及eSupermap二次开发类库进行最短路径和最佳路径分析.结果表明:所采用的路径分析算法准确、可靠,eSuperMap类库方便、实用.用eVC对eSuperMap进行二次开发、实现其路径分析功能是切实可行的.     

配电GIS图形转换系统的研究

配电网地理图自动生成电气接线图是配电GIS图形转换的主要问题,要求生成的电气接线图与地理图信息完全一致,同时还要科学、美观.采用优化的节点提取拓扑分析方法分析配电地理图中网络拓扑结构.在常见处理方法的基础上提出一种快捷有效的算法,可根据配电网地理图中的地理信息自动生成电气接线图.     

基于CARS-RUN-ELM算法的水稻叶片氮磷含量协同反演方法

同时反演氮、磷元素含量相对于单一元素反演可以更加全面地表达水稻的营养状况,为快速、准确获取水稻叶片氮、磷含量和精准变量施肥提供依据。该研究基于不同氮肥处理的田间小区试验,获取水稻叶片氮、磷含量数据,采用竞争性自适应重加权采样法（Competitive Adapative Reweighted Sampling,CARS）筛选氮素与磷素共同特征波长,以特征波长反射率为输入,以化学方法测得叶片氮、磷元素含量为输出,分别使用反向传播神经网络、极限学习机（Extreme Learning Machine,ELM）、龙格-库塔算法优化极限学习机（RUNge Kutta optimizer-Extreme Learning Machine,RUN-ELM）构建水稻叶片氮、磷含量反演模型并分析。结果表明：采用CARS方法有效去除了高光谱中大量无用、冗余信息,得到5个氮、磷元素共同特征波长,去除具有共线性的特征波长,最后筛选出的特征波长分别是451、488、780、813 nm。使用筛选后的特征波长反射率构建RUN-ELM水稻叶片氮、磷含量反演模型效果最好,氮素训练集的决定系数R2为0.690,均方根误差为0.669 mg/g,磷素训练集的决定系数R2为0.620,均方根误差为0.027 mg/g。通过对比,RUN-ELM在预测能力、模型稳定性上优于反向传播神经网络以及ELM模型。综上研究,基于CARS-RUN-ELM的水稻叶片氮、磷含量反演模型可以快速、准确获取水稻叶片氮、磷含量,可为水稻精准施肥提供参考。