基于DBSCAN和BP_Adaboost的农机作业地块划分方法

农业机械(农机)在多个地块作业,费用和效率有时需按地块统计,现有的农机监控系统仅能记录农机定位信息和作业状态信息,难以实现地块的自动精准划分。本文通过研究轨迹点属性特征,分析作业地块数量不确定性和轨迹点分布规律,采用基于密度聚类方法(Density-based spatial clustering of applications with noise, DBSCAN)和分类器集成算法(BP＿Adaboost)结合的方法划分地块。根据DBSCAN算法对农机轨迹点多数有效、识别错误集中的特点,结合BP＿Adaboost算法挖掘多维度信息关联、容错能力强、分类效果好等优势,先利用DBSCAN得到初步的轨迹点状态类别,再利用BP＿Adaboost算法建立训练模型对农机轨迹点状态精准识别,根据时间序列和类别标记划分地块。本文方法既解决了只依靠阈值和经纬度信息聚类不准确的问题,也减少了大量样本标记工作。利用该方法轨迹点状态识别准确率达96.75%,地块划分准确率为97.74%。     

基于模型优化预测与温度场分析的温室传感器故障识别

在温室高温高湿的工作环境下,传感器易出现故障,会对温室的智能管理造成一定的资源浪费,为保证智能化温室管理系统的有效运行,需要及时准确地对温室内故障传感器做出识别.通过试验对云南地区温室在夏季不同通风状态下室内场域的变化情况进行分析,以云南地区大型玻璃连栋温室作为研究对象,建立夏季不同通风方式下温室的三维稳态CFD模型,...