基于图像处理的植物图像数据库存取技术

以植物叶片为例,以Delphi7为前台开发工具,图像信息数据库采用SQL Server 2000作为服务器,实现了网像处理过程中BMP与JPEG格式的转换;同时,通过ADO流式存取技术,实现了数据库对JPEG图像数据操作的支持.     

北京市居住区植物造景初探

居住区是人居环境最直接的空间，其环境的建设应以改善和维护小区生态平衡为宗旨，以人与自然共存为目标。通过分析北京市回龙观风雅园小区、塞纳维拉小区、亚运新新家园等6个住宅区绿化现状、景观现状、功能要求、人文环境，提出了住宅区的植物配置模式。     

基于区块链技术的农产品质量溯源系统结构设计

农产品质量溯源平台对于农产品质量监管及食品质量保障具有重要作用。农产品质量监管涉及领域广、方面杂,且在质量监管过程中农户与企业参与力度不足,导致部分信息在收集过程中存在可靠性差、准确度低的问题。针对上述问题,从区块链核心技术出发,借鉴现有企业质量溯源经验,提出了一种使用联盟链的质量溯源系统。      

建三江农垦三网融合网络平台的构建

为了提高建三江农垦社会信息化水平,在建三江管理局满足三网融合的基本条件下,提出了电信网、广播电视网和互联网三网融合的网络平台构建方案,方案不仅满足了人民群众日益增长的生产生活需求,而且降低了社会管理成本,提升了资源利用水平。     

基于R统计分析方法研究水稻病虫害与气象条件的关系

根据黑龙江省农垦总局建三江分局胜利农场2007-2011年水稻病虫害发生情况及水稻生长环境地面气象数据资料,使用R统计分析方法对环境温度、环境湿度、风速、降雨量、土壤温度等数据进行相关分析。结果表明:气象条件(包括:环境温度、环境湿度、降雨量)对水稻病虫害的发生起着决定性作用,尤其是以降雨量为决定因素的环境湿度,直接影响水稻病虫害的形成、发病以及生长,连续降雨期一般为水稻病虫害的高发期。通过预测气象环境值,可以对水稻病虫害发病程度进行预测,从而实现对水稻病虫害发生的预警和防治。     

基于量子神经网络的马铃薯早疫病诊断模型

针对马铃薯早疫病智能诊断,将量子计算的态叠加方法和神经网络计算的自适应性结合,提出了将量子神经网络作为马铃薯早疫病诊断模型.该模型隐含层采用多个量子能级的激励函数叠加的量子神经元,有效地解决了病害诊断中模糊决策,在给出的学习算法的训练过程中自适应地确定样本特征数据中的不确定性.此算法能够较好地避免传统神经网络在训练过程中易出现局部极小值的弊端,提高了网络学习速度.仿真结果表明:量子神经网络在马铃薯早疫病诊断中,诊断正确率达到96.5％.     

水稻田间灌溉水泵远程监控系统研究

为解决农户在农田灌溉过程中人力物力的大量投入,节省灌溉时间,提高工作效率,实现自动灌溉及长时间无人条件下的灌溉问题,设计了可远程控制的自动灌溉监控系统.该系统可通过按键或短消息指令实现灌溉的开启与停止,也可于无需人为干预的全自动模式下工作.利用GSM网络,通过手机发送短消息指令实现灌溉的远程控制,当自动灌溉模式启动后,无有效停止指令时,系统通过液位继电器设置的水位上限来决定工作时长,达到水位设定值时会自动停止,也可利用短消息终止灌溉.同时,系统能自动发送应答短消息及长期无有效启动灌溉的提示短消息,能实现各种控制功能,且运行稳定可靠.     

在线式水田渗透量监测仪的研究

目前测量渗透量的方法主要是用改进的日式渗漏仪目测测管的刻度来计算渗透量。但不能实现实时监测的目的,为了实现对稻田渗透量的实时监测,设计了一种在线式水田渗透量监测仪。其硬件主要包括水箱、渗桶、液位仪、土壤水分传感器、泵、无线模块、主机。以MSP430单片机为核心,土壤水分传感器和液位传感器把水分和液位信息传到单片机,供水泵由液位或水分值来控制,实现饱和渗透量的测量及非饱和渗透量的测量,用无线模块把数据传输到监测室的上位机。通过试验,采集的数据满足精度要求,给灌区的规划管理、合理运行、水资源的合理调配与实施节水灌溉提供了可靠的渗透量数据。     

基于拉曼光谱的稻叶瘟病害程度划分研究

随着植保变量喷施作业机械的研究和应用,急需一种高效的病害程度识别技术。为此,针对水稻稻叶病运用拉曼光谱仪采集正常及受病害叶片的光谱特性,通过绘制折线图及受试者工作特征曲线进行水稻受病害程度分析,并运用动量因子BP神经网络优化算法,建立了寒地水稻稻叶瘟的病害程度检测模型。结果表明:优化的BP神经网络算法网络预测集的均方误差为0. 002 409 6、相关系数为0. 998 2。该方法可以较好地区分水稻正常叶片、稻叶瘟重度和轻度叶片,是一种高效的病害程度识别技术。     

基于神经网络的植物图像分割算法的研究

图像分割是计算机视觉领域的关键技术之一,BP神经元网络被认为是好的学习分类方法之一。文中以6种植物图像为例,结合数字图像处理技术,采用BP神经元网络方法在植物图像颜色较复杂,且受周边环境影响较大的情况下,实现了植物图像与背景图像的分割。实验证明,与传统的分割方法比较,该方法是高效准确的。