基于空谱一体化的农田高光谱图像分类

为强化高光谱成像技术在近地农业方面的应用,以农田近红外高光谱图像为研究对象,利用高光谱成像技术,结合光谱分析方法和监督分类方法,对农田图像进行分类。针对高光谱图像数据量大、非线性等特点,采用主成分分析(PCA)和支持向量机(SVM)法建立农田图像分类器。在利用光谱信息分类的基础上,采用空谱一体化方法对光谱分类结果进行修正,去除孤立点和噪声的影响。基于支持向量机的总体分类精度为88.4%,采用空谱一体化方法的总体分类精度最高达89.7%,说明利用空间信息修正光谱信息可以提高近地农田对象的分类精度,为基于高光谱图像的近地农田识别提供理论依据。     

基于数据世系管理的精准农业不确定性复杂事件处理

伴随物联网采集数据流的增加和对复杂事件匹配的准确性、可靠性要求的提高,不确定性复杂事件处理的研究得到广泛的关注。精准农业中存在大量的RFID及传感器监测数据,但是监测硬件和无线通信技术不能保证100%的可信数据,因此需要一个能应用在精准农业中处理不确定事件的流处理引擎。本文在现有流处理引擎SASE基础上,加入概率流理论和数据世系管理理论,提出一种新型的复杂事件处理引擎PUCEP,可以计算输出复杂事件的概率,同时提高不确定性复杂事件的匹配效率,从而减少计算资源消耗和反应时间,提高整个系统的实时性。实验使用温室传感器采集数据,结果表明所提方法对处理概率事件流的复杂事件是有效的。     

千阳县三北防护林工程建设经验与思考

通过对千阳县30多年来三北防护林工程建设情况的回顾和总结,肯定了千阳县在项目建设中取得的成绩与经验,分析了存在问题,提出了新形势下三北防护林工程建设的思路与措施,为促进三北防护林体系建设提供了借鉴。     

论多媒体技术在教学中的应用

多媒体技术在教学中的应用与作用,为更好的促进教学的效果,多媒体发辉更多更好的作用.     

基于时间自动机的温室环境监控物联网系统建模

由于温室环境的复杂性,系统设计的不合理会直接导致数据的不确定和系统的不稳定。基于体系结构的物联网层次模型对物联网的实施具有指导意义,但是体系结构模型没有提供系统建模工具和模型验证的方法。基于时间自动机理论的建模与模型验证方法是一种对物联网系统建模的有效手段,能在系统设计时提高系统的稳定性,保证系统设计的正确性。通过对智能温室监控物联网系统的分析,从系统实施的角度重新对温室环境监控物联网系统进行了层次划分,利用时间自动机理论对系统中的相应组件进行建模,在对各个子系统分别建模的基础上形成了时间自动机网络模型。最后利用时间自动机建模工具UPPAAL,对已经建立的形式化模型进行了系统逻辑正确性验证与系统执行时序验证。结果表明,利用时间自动机理论及其建模工具UPPAAL可以对智能温室监控物联网系统进行建模及模型验证,可以在系统设计时对系统进行准确的模型分析,避免系统设计错误,降低系统设计缺陷,在系统投入运行中规避设计风险,从而提升系统的稳定性与可靠性,确保系统设计的正确性。     

精准农业信息物理融合系统的事件模型研究

信息物理融合系统(CPS)具有严格的实时性和空间约束,根据其事件驱动性,对CPS时空事件模型进行了描述,并依据精准农业的特点对CPS体系结构中的组成部件(物理世界、传感器、计算(控制)单元、执行器、计时器)建立了时空事件模型,并以精准农业大棚的洒水事件闭环过程为例对每一部件进行了分析,证明这些事件模型可以用于精准农业中的基本事件。     

基于光谱和Gabor纹理信息融合的油桃品种识别

为实现油桃品种的快速且无损鉴别,对油桃高光谱图像中的光谱和图像信息进行分析。在光谱信息提取中,采用偏最小二乘回归(partial least squares regression,简称PLSR)从全波段光谱数据提取9个特征波长。在图像信息获取中,采用主成分分析(principal component analysis,简称PCA)获得主成分图像,并提取主成分图像的Gabor纹理特征。分别建立基于特征波长光谱特征、主成分图像纹理特征和光谱纹理特征融合的最小二乘支持向量机(least squares support vector machine,简称LS-SVM)和极限学习机(extreme learning machine,简称ELM)油桃品种判别模型。结果表明,基于融合特征的LS-SVM和ELM模型识别率分别为94.7%、92.1%,较单独采用光谱信息和纹理信息的识别率都高,说明采用光谱信息和Gabor纹理信息融合的方法可以实现油桃品种判别,为农产品无损检测提供参考价值。     

基于机会网络的牧场物联网数据传输方法

智能化畜牧业管理需要对牧场中牲畜的行为进行检测以及对牲畜的运动路径、位置等信息进行采集,利用牧场物联网系统可以实现对上述信息的获取。基于无线传感器网络的系统架构能够满足各个采样节点间的通信需求,但是由于牧场所处的地理位置一般比较偏远,网络环境复杂,与互联网连接时经常出现连接中断、丢包等问题。采用传统的网络连接方式可能导致数据大量丢失,为了减少在与互联网连接中断时采样数据的丢失,提出了一种基于机会网络的牧场物联网数据传输方案,分析了在牧场环境中传感器之间的通信状态,总结出传感器之间通信的3种方式,分别予以建模分析。在传感器有限存储容量的前提下,利用机会网络的原理,提出接入点密度的计算方法,并总结了牲畜运动速度、传感器节点存储容量与数据传输丢包率之间的内在联系,从而保证了系统数据丢失在设计允许的范围内。通过评估和验证所提方法理论结果的实验,证明了方法的正确性。