数据融合算法在畜禽舍环境监测系统中的应用

针对畜禽舍饲养环境多变量耦合的特点,提出了一种多测点传感器监测方案,以适应其复杂的饲养环境。该方案采用最优加权算法对同类传感器数据进行融合,并通过改进的 D-S （ Dempster-Shafer ）证据理论算法将不同传感器的多个参数整合,并根据整合结果对舍内环境状况做出准确判断。该方案克服了传统监测手段的单一性,避免了分别处理各环境因子信息数据的不确定性,增强了畜禽舍环境监控系统的鲁棒性。实验表明,将该算法应用于畜禽舍环境监测系统后,监测结果的可靠性与准确度均有明显提高。     

数据融合技术在温室环境监控系统中的应用

多传感器数据融合技术是一门新兴前沿技术。针对目前温室环境监控的需求,提出了一种基于D-S证据理论和农业专家系统相结合的数据融合方法。实验结果表明,这种方法提高了温室环境参数测控的决策准确性,可显著改善温室环境的控制效果。     

融合组态系统在农业生产环境监测中的应用

针对多变量耦合的农业生产环境,为准确获取农业生产环境信息提供一种有效方法。采用多传感器信息融合技术和组态技术相结合的方法,设计并开发出一种适用于农业环境监测的融合组态系统,融合组态系统对多传感器采集的温度、湿度和光照度等信息进行融合。该系统能克服单传感器带来的不确定性和不稳定性,增强了融合组态系统的鲁棒性。应用结果表明,这种方法提高了农业环境监测的准确度。     

数据融合在测控技术中的应用

数据融合是一种被提出已久的技术形式,但由于硬件设备无法契合,导致其长期未得到时间。随着信息技术的发展,数据融合的效率和程度有了显著的提升。数据融合技术由于较为良性的价值体现,得到了相对广泛的应用。文章主要研究内容为测控技术,以各类传感器的数据交换,获得数据参数从而进行调节,而采用数据融合技术,在于多层面数据的整合,并为测控中心系统提供准确的数据反馈。因此,将其有效结合到测控技术中,将合理提升测控领域的发展。     

数据融合技术在温室温度检测中的应用

根据温室环境中空间大,温度场分布受到各种参数影响大等特点,提出了采用数据融合方法来处理温室中采集到的传感器数据,采用分布图法剔除疏失误差,采用基于均值的分批估计的融合方法对采集的数据进行处理,提高了温度采集的精度,同时有效地消除了由于传感器失效引起的误差。     

数据融合技术在棒材缺陷超声识别中的应用

不同类型的缺陷对不同类型、位置和姿态的超声波换能器的敏感程度不同,数据融合技术可充分利用各种数据的有效特征,提高缺陷识别的可靠度。描述了局部决策和数据融合技术的基本理论,提出了基于后验概率的数据融合方法,以大型棒材锻件缺陷识别为例,通过感知器算法实现了典型缺陷的局部决策自动识别,并通过基于后验概率的数据融合技术提高整体决策的可靠度。     

基于D-S证据理论的智能温室环境控制决策融合方法

在无线传感器网络下的智能温室环境控制系统中,农作物的生长通常受多种环境因子共同作用。根据温室环境控制系统的实际需求建立基于Dempster-Shafer(D-S)证据理论的决策框架,并提出了一种数据预处理和决策融合方法。首先,使用箱线图检测量测数据中的异常值,考虑到现有直接剔除异常数据处理方法的弊端,提出了一种异常数据自适应修正方法;然后,利用加权平均距离聚类处理更新后的数据;最后,根据所提出的基于加权相似度的基本概率分配方法结合D-S证据理论进行融合,为温室环境控制做出正确决策。实验结果表明,箱线图检测异常数据更为准确,其检测率比狄克逊准则高近19.2%,对于不确定性融合结果,本文提出的基于加权相似度的基本概率分配方法相比现有方法降低了1~2个数量级,不仅可以提高温室环境参数融合精度,加快收敛速度,同时还能有效地降低决策风险。     

一种有效的基于矩阵分析的传感器证据融合算法

针对传感器网络信息融合问题,运用D-S证据理论建立了一种有效的基于矩阵分析的传感器信息融合算法,该方法正确性通过了严格的数学证明,可大大提高了运算速度.     

基于D—S证据理论的决策级多特征融合苹果分级方法

针对单特征苹果分级的不确定性和低正确率,通过图像处理提取大小、形状、颜色和缺陷4类能反映苹果外观品质的主要特征,引入信息融合的思想,以单特征初步分级的结果作为证据,用D-S证据理论的方法进行决策级融合处理,实现苹果的多特征综合分级,进一步提高可靠性和分级正确率.80个测试样本的分级试验表明,苹果分级正确率达92.5％,与单特征分级相比,此方法正确识别率高、稳定性好、效果显著.     

生物技术在环境监测中的应用

环境监测是通过对人类和环境有影响的各种物质的含量、排放量的检测,跟踪环境质量的变化,确定环境质量水平,为环境管理、污染治理等工作提供基础和保证。随着生物技术的迅速发展,以现代生物技术为代表的新高技术在环境科学中得到了越来越广泛的应用。因此,文章对生物技术在环境监测领域的应用进行了简要的分析。     

南疆地区智能温室控制系统研究—基于多传感器融合机理

针对南疆以塑料大棚为主的设施农业,智能温室的研究显得十分必要。为此,针对南疆设施农业的现状,基于多传感器数据融合技术,将模糊推理算法与专家系统结合起来,建立了适用于南疆自然气候条件下的智能温室自动化控制模型。通过采集和融合南疆地区实时温室控制参数,该系统可以取得精确的监控结果。结果表明:该方法提高了温室环境参数测控的决策准确性,有效解决了设施农业的控制精度,为增大农作物产能提供进一步解决措施,对缓解南疆蔬菜等农产品紧缺等实际问题具有十分重要的实际意义。     

基于时空数据融合理论的冷链温度监控系统

针对易腐农产品冷链物流过程中温度传感器所采集的大量数据,提出时间-空间数据融合理论,并将之应用于易腐农产品冷链物流温度监控系统中,使采集数据能准确地反映冷藏车厢运行状况。首先,对单传感器采用分批估计方法,按照时间先后对观测值进行数据融合,得到每个传感器的局部温度估计值;然后,对单个传感器局部估计值采用自适应调节各传感器权重的方法,对位于空间不同位置的传感器进行数据融合,从而得到冷链车厢监测温度的最终融合值,以期获得比有限个传感器的算术平均值更准确和更可靠的测量结果,以提高信息收集的效率,实现网络节能。数据分析表明,处理后的数据更接近测量真实值。     

关于水质监测信息融合系统的应用

与3S技术（RS、GPS、GIS）相结合的大范围水质自动监测系统是一个具有现代高性能、多层次、复杂的系统，这要求多个（种、异质）传感器在不同尺度上对水环境进行观测。探讨和分析了信息融合技术应用于水环境监测的特点，提出了一种运用黑板理论，专家系统的水质监测信息融合系统模型。并以太湖流域12个监测点的数据为研究资料，对该智能系统进行了仿真实验，结果表明该系统能够对太湖水质作出正确评价。     

基于分簇数据融合的农产品冷链温度监控方法

针对现有基于无线传感网络的农产品冷链物流监测系统,传感器节点数据传输量大,带宽利用率低、能耗高,网络生命周期短的问题,提出了一种基于算术平均值与分批估计的簇内数据融合及自适应加权的簇间数据融合冷链温度监测方法。首先利用疏失误差对采集数据进行预处理,然后利用平均值与分批估计方法对簇成员节点发送的数据进行融合处理,最后簇头节点利用自适应加权算法对接收到的成员节点数据进行进一步的融合处理。实验证明,基于该数据融合方法的冷链监测系统网络生存周期相比传统方法提高了34.2%,稳定周期相比于传统低功耗自适应集簇分层型协议提高了11.4%,数据融合精度高于传统算术平均值法7.6%,系统能耗每轮降低约32.5%。能够有效降低冗余和可信度较差的数据对测量结果带来的影响,减少不必要数据传输损耗,降低了冷链物流成本,提高了农产品冷链物流信息化程度。     

基于多源数据融合模型的水稻面积提取

中高空间分辨率影像数据缺失是高空间分辨率作物空间分布提取的主要限制因素,针对部分地区的中高空间分辨率遥感影像缺失使得作物提取的关键生育期无卫星覆盖的问题,提出了一种基于模糊C聚类算法的多源遥感植被指数数据融合方法,融合Landsat和MODIS数据生成高时空分辨率的植被指数数据,对融合生成的多时相植被指数数据进行聚类后获取各类的时序植被指数曲线。通过与水稻标准时序植被指数曲线进行光谱相似性分析来提取水稻的空间分布。经测试表明,该方法能够获得相对较高的精度,可应用于中高分辨率遥感数据缺失地区的高空间分辨率作物空间分布信息提取。     

数据融合在柴油机故障诊断中的应用

讨论了基于Bayes网络的数据融合技术应用于柴油机故障诊断的原理和方法.同时,介绍了数据融合的定义以及多传感器数据融合的过程,阐述了数据融合技术在故障诊断中的应用.在此基础上提出了Bayes网络,并将Bayes网络数据融合技术应用于柴油机的故障诊断.该方法能够及时准确地提取柴油机的故障特征,诊断出故障部位和找出故障原因.     

温室温度多传感器数据融合

针对目前温室面积不断增大、温室内传感器种类和数量不断增多等情况,以及为解决温室温度检测的测量误差大等问题,提出了温度检测疏失误差剔除方法和多传感器数据融合方法.实验结果表明,通过有限次温度测量和数据融合得到的测量结果比算术平均值结果更接近真实值,大大提高了测量的可靠性.     

基于GEE云平台和数据融合的地表覆盖产品制作方法

地表覆盖产品是地理国情监测、生态系统评估、国土空间规划等活动的重要基础数据。GEE、PIE、微软行星云等遥感计算云平台具备丰富的数据源和强大算力。利用GEE云平台融合多套公开产品制作训练样本,可以显著降低产品更新的成本和周期,具有重要研究价值。本文以淮河流域为例,将欧洲航天局(ESA)和美国环境系统研究所(ESRI)存储在GEE平台上的2020年分辨率10 m地表覆盖产品作为训练样本数据源,选用Sentinel-1雷达和Sentinel-2多光谱影像构建特征空间,利用随机森林分类方法制作分辨率10 m的地表覆盖产品。为验证方法效果,进行了2组对比实验。实验1随机抽取1 116个公开产品类别一致的样点作为训练样本,并通过目视解译方式验证本文产品与多套公开产品的精度。结果显示,本文产品总体精度为80.35%,相较于公开产品的总体精度提升2.89～8.94个百分点,局部刻画也更加精细;在Sentinel-2基础上加入雷达影像,总体精度提高3.52个百分点,雷达影像辅助效果明显。实验2设置8组不同数量的训练样本,并分别以人工判读、ESA、ESRI、DW、GlobeLand30为参考数据源,研究...