基于柔性应变传感器的数据手套手势识别研究

针对传统手势识别系统识别率不高、响应不稳定等问题,设计了一个包括柔性传感器、信号采集系统、手势识别算法的柔性应变传感器数据手套手势识别系统。该系统可准确捕捉每根手指关节运动信息,具有高自由度、低成本、高识别率等特点。在软硅胶材料中掺杂特定配比的碳黑(CB)和碳纳米管(CNTs),通过转印技术设计出线性度好、灵敏度高的电阻式传感器。实验结果表明,传感器具有较好的静态、动态响应特性,并完成传感器标定;利用多个柔性传感器制备数据手套并搭建信号采集系统,进一步提出融合BP神经网络和模板匹配技术的手势识别方法,以提升相近手势字母识别率,算法识别率为98.5%;针对不同人群开展手势识别实验,结果表明,该手势识别系统准确率达到92.8%,响应时间约40ms,该数据手套具有较好的应用潜力。     

WSN土壤湿度采集节点电压补偿方法研究

针对适用于WSN土壤湿度采集节点的EC-5传感器对电源电压敏感的问题,从传感器工作原理入手分析电源电压引起检测误差的来源,且发现当传感器各项参数确定后,这种误差随着被测土壤湿度增大而增大。采用CC2430芯片作为WSN信息传输节点,建立具有多节点的上下位机WSN土壤湿度采集系统,以节点电压u和被测土壤实际湿度θ为对象,运用神经网络对采集节点中非线性土壤湿度传感器系统进行逆向建模,在上位机上实现由电源电压引起EC-5传感器检测误差的补偿,实验结果表明,该方法能有效地减少节点电池电压变化对WSN土壤湿度采集精度的影响。     

基于图像处理新技术的甜菜氮营养无损检测系统的研究

当前农业甜菜生产中存在普遍的氮肥过量使用的问题,建立实时准确农田氮肥推荐体系至关重要。为此,通过利用BP神经网络算法利用图像数据对甜菜氮素含量进行预测,通过合理剔除原始数据中不符合拍摄条件的异常图像数据,选取147组数据作为训练集,90组数据组为预测集,将R、G、B作为输入量,通过BP神经网络算法训练得到预测值与实际值最优相关系数为r=0.70,均方根误差RMSE=4.60。将R/(R+G+B)、G/(R+G+B)、B/(R+G+B)作为输入量,利用BP神经网络算法训练后预测值与实际值最优相关系数r=0.6 4,均方根误差RMSE=3.66。由此可以看出:使用BP神经网络算法建立甜菜颜色特征信息氮素模型是可行的,可为农业甜菜生产中实时无损诊断植株氮素含量提供方法支持。     

RBF与GRNN神经网络模型在河流健康评价中的应用

利用层次分析法构建符合区域中小河流健康评价指标体系和分级标准,基于RBF与GRNN神经网络算法原理,分别构建RBF与GRNN神经网络算法的河流健康评价模型,采用内插法构造网络训练样本,将河流健康分级评价标准值作为“预测”样本进行“预测”,并将结果作为河流健康等级评价的划分依据,对文山州区域中小河流健康状况进行评价分析。结果表明：①RBF与GRNN神经网络模型对区域中小河流健康评价结果完全相同,与BP神经网络评价结果基本相同,表明研究建立的河流健康评价模型和评价方法均是合理可行的,同BP网络算法相比,RBF与GRNN神经网络模型有收敛速度快、预测精度高、不易陷入局部极小值等优点,且调整参数较少,只有一个SPREAD参数,可以更快地预测评价网络,具有较大的计算优势。②文山州区域主要河流健康评价等级为Ⅱ～Ⅲ级,即处于健康与亚健康之间,客观反映了区域中小河流健康状况,可为区域河流的可持续管理和生态环境建设提供参考依据。     

从农业生产发展预测农机动力需求

针对农村经济预测能力不足、预测方法不适用、预测准确度差等问题,提出使用神经网络中的GRNN方法,通过农业总产值及粮食等农作物产量.对农业机械动力及农村用电量需求进行预测.GRNN模型具有样本数据少、非线性映射能力强、易于进行多元、多目标预测的特点.同时.该模型人为调节的参数少,学习、训练时间短,使用方便,很适合农村管理人员的经济预测需求.论文的实证案例经建模、训练、仿真,选取了误差小、拟合度高的模型并应用于农村经济预测.研究结果表明,前向神经网络(包括GRNN)方法适合广大农村经济管理应用,较具推广价值.类似方法的推广应用必将使广大农村"只有统计,没有预测"的现实得以改观.     

基于介电特征的苹果霉心病检测方法

针对苹果霉心病无法有效根据外表进行识别,且传统检测方法具有设备复杂、成本高昂等问题,本研究通过采集苹果介电参数构建苹果霉心病检测模型,从而实现简单快速的苹果霉心病无损检测.基于LCR测量仪采集220个苹果的108项介电指标(9个频率下的12项介电指标)作为原始参数,使用数据标准化、主成分分析算法等对数据进行预处理,并利...     

基于PCA-GA-BP神经网络的水电机组状态异常辨别方法

为提高机组异常运行识别效率与精度,提出基于主成分分析法和遗传算法优化反向传播神经网络(BP neural network)的机组异常状态检测模型.以机组实时记录传感器数据为样本,利用主成分分析法对多维数据进行降维操作,处理后得到综合变量.随后在此基础上搭建BP神经网络并利用遗传算法优化神经网络随机初始权值与阈值,完成对机组不同运行状态检测模型仿真训练.最后以某电站连续时间段内机组正常与异常运行状态下各部件传感器实时监测数据为样本分析,并将所提PCA-GA-BP算法与其他优化算法、传统算法进行对比,通过不同样本比例下的仿真训练试验验证该方法可行性.仿真试验结果表明:模型相较于传统BP神经网络,平均状态检测时间相对缩短84%,平均检测正确率相对提高2.5%,能在均正确率接近99%的基础上实现0.7~1.0 s内对机组异常运行的有效辨别,做到机组异常运行的精确辨别与早期预警.     

基于神经网络的农业病虫害损失预测

鉴于农业病虫害经济损失的预测具有较强的复杂性和非线性特性,设计了一种新型的GRNN预测模型,对农业病虫害经济损失进行预测.该模型基于人工神经网络捕捉非线性变化独特的优越性,在神经网络技术和江苏省气象局提供的数据的基础上,利用MATLAB人工神经网络工具箱及GRNN广义回归神经网络建立预测模型,来提高农业病虫害经济损失预测的精度.预测结果表明,该方法建立的模型可以实现对病虫害经济损失的预测,且其预测精度较高.     

基于Arduino的智能农业远程监测与异常预警系统研究

为了解决农业生产中智能化、信息化程度低的问题,笔者基于Arduino平台,设计了一款智能农业远程检测与异常预警系统。该系统可以实时采集和分析光照、土壤湿度、温度、空气湿度等数据,并在远程控制终端(手机APP)上显示,根据作物生长所需的环境进行实时干扰。实验表明:利用远程传输技术突破地域限制,打破传统的农业监测模式,让农民足不出户就能对温室环境进行监测和调节;当农业大棚由于自然或其他原因出现异常情况时,遥控终端可以实时显示和报警。     

基于CNN的玉米种子内部裂纹图像检测系统

为了高效检测玉米种子内部裂纹,设计基于卷积神经网络(CNN)的检测系统及批量检测方法,采集有裂纹和无裂纹的玉米种子制作数据集,构建AlexNet、VGG11、InceptionV3和ResNet18共4种经典卷积神经网络,同时与传统算法模型SVM和BP神经网络进行对比实验。实验发现,卷积神经网络模型优于这两种传统算法模型,ResNet18模型的综合检测性能最佳,单粒有裂纹种子的识别准确率为95.04%,单粒无裂纹种子的识别准确率为98.06%,平均单粒种子识别时间为4.42 s。基于ResNet18,搭建种子内部裂纹自动识别装置,设计识别软件控制装置,得到玉米种子内部裂纹识别系统。系统实验进行10组批量识别,有裂纹种子的平均识别准确率为94.25%,无裂纹种子的平均识别准确率为97.25%,批量识别中光源的透射无法等效地显现所有种子的内部裂纹、多次加载模型权重导致泛化性不足等因素会影响准确率。     

基于ASSA-GRNN的施肥量预测与控制实现

提出一种改进的樽海鞘算法,对GRNN神经网络进行优化.首先,在樽海鞘算法中引入动态惯性权重,避免算法陷入局部最优值,并且提高算法的收敛速度;其次,在算法中引入柯西变异,增强种群多样性,提高其全局搜索能力.将改进的樽海鞘算法应用到GRNN神经网络平滑因子参数的优化,缩短了训练时间,提高了预测精度.利用ASSA-GRNN与...     

混凝土强度预测的智能算法模型研究

根据智能算法在混凝土强度预测上的应用,针对四种算法模型即RBF神经网络、GRNN神经网络、ELM极限学习机以及SVR回归支持向量机,对实验室采集到的同批101组混凝土强度测试数据进行回归预测研究。实验结果表明,SVR在混凝土强度回归预测方面具有明显的优势,相较与本文的其他三种智能算法,均方误差最小,决定系数最大,预测结果接近实际值。同时,本文还印证了SVR方法在小样本预测问题上的适应性,较好地实现历史数据少情形下的回归预测。总之,采用最优回归预测模型SVR能够很好的预测混凝土强度,对混凝土施工具有重要的参考意义。     

基于SPA-GA-SVR模型的土壤水分及温度预测

土壤湿度和温度是影响水文循环和气候变化的重要参数,在农业实践活动和生态平衡中起着重要作用。为及时、准确地监测土壤含水量(Soil Moisture Content,SMC)及温度,提出了一种基于高光谱数据的预测方法。实验数据集来自为期5天的实地测量,所获得的高光谱数据包含大量的噪声及冗余信息,因此首先用Savitzky-Golay卷积平滑对光谱数据进行降噪处理,利用连续投影算法(Successive Projection Algorithm,SPA)提取数据特征波长,然后通过遗传算法(Genetic Algorithm,GA)对支持向量机回归(Support Vector Regression,SVR)的超参数权值和偏置进行优化,构建SPA-GASVR混合算法模型对土壤水分和温度进行预测,并与BP神经网络(Back Propagation Neural Network,BPNN)、SPA-BP、SVR、SPA-SVR、GA-SVR这5种模型的预测性能进行比较。实验结果表明：各模型在土壤湿度低于30%的情况下,表现出的预测能力差异并不显著。但整体上,复合模型相比于单一的神经网络或机器学习...     

基于MARS模拟鄱阳湖地区参考作物蒸散量

为了寻找最适宜的鄱阳湖作物蒸散量替代计算方法,文中以FAO Penman-Monteith模型参考作物蒸散量计算结果(ET₀)为标准值,使用江西省南昌站1966—2015年逐日最高温度、最低温度、日照时数、风速和相对湿度数据(其中1966—1990年数据用于建立模型,1991—2015年数据用于验证模型),建立12种不同气象要素组合条件下的多元自适应回归样条(MARS)ET₀计算模型,并将计算结果与广义回归神经网络(GRNN)、支持向量机(SVM)和经验模型(Hargreaves法、Irmak-Allen法、Makkink 法、Pristley-Taylor法)的计算结果相比较.结果表明:3种人工智能算法的ET₀计算结果精度均优于相同输入数据下的经验模型.3种人工智能算法中MARS的精度最高,在全参数组合下RMSE为0.227 mm/d,R²为0.982,NRMSE为0.086,其次是支持向量机,其在全参数组合下RMSE为0.266 mm/d,R²为0.978,NRMSE为0.101,GRNN排第三,其在全参数组合下RMSE为0.323 mm/d,R²为0.962,NRMSE为0.123.缺少温度参数时,模型精度总体较差,3种人工智能算法下R²仅为0.8左右.MARS法不但精度更高,而且具有明确的数学表达式,是鄱阳湖地区适宜的ET₀计算方法.     

土壤湿度采集节点电压补偿方法——基于最小二乘支持向量机

针对适用于WSN土壤湿度采集节点的EC-5传感器对电源电压敏感的问题,从传感器工作原理入手,分析电源电压引起检测误差的来源,且发现当传感器各项参数确定后,这种误差是随被测土壤湿度增大而增大的。采用CC 2 4 3 0芯片作为WSN信息传输节点,建立具有多节点的上下位机WSN土壤湿度采集系统,以节点电压和被测土壤实际湿度为对象,运用最小二乘支持向量机对采集节点中非线性土壤湿度传感器系统进行逆向建模,在上位机上实现由电源电压引起EC-5传感器检测误差的补偿。实验和仿真结果表明,该方法能有效地减少节点电池电压变化对WSN土壤湿度采集精度的影响。     

LiDAR传感器及技术在农业场景的应用进展综述

农业传感器是实现农业现代化发展的关键支撑技术,先进成熟的工业传感器向农业领域拓展应用有效补充了农业传感器的体量。LiDAR传感器由于其较强的抗干扰能力,在复杂多变的农业场景中应用越来越广泛、深入。首先,介绍LiDAR传感器的性能特点,工作原理与分类,市场应用与新技术;然后,基于国内外大量相关研究,系统介绍LiDAR传感器及技术在森林参数测量、果树靶标几何特征探测、作物几何表型特征检测、农业车辆自主导航定位以及农药雾滴飘移检测这5个农业场景的应用进展;同时,针对农业场景中探测对象的特殊性,讨论分析LiDAR传感器及技术在上述5类农业场景应用中的发展趋势;最后,展望LiDAR新技术在农业场景应用中的发展方向,即通过集成自动化采集系统装备与数据智能分析方法进一步提升LiDAR数据精准性、全面性、丰富性和实时性。     

基于BP神经网络汽车传感器温度补偿技术的研究

由于受到温度、磁场等外界因素的干扰,汽车传感器的测量精度降低,致使汽车的整体性能下降。为此,以对温度干扰最敏感的CYJ-101型压力传感器为例,采用18组样本数据对建好的3层前馈BP神经网络进行温度补偿训练。仿真结果表明,温度对压力传感器的干扰波动由补偿前的22%减小到补偿后的2.2%。BP神经网络技术的应用极大地提高了压力传感器的测量精度,并最终改进了汽车的整体性能。作为一种分析、处理温度补偿问题的新技术,它与传统方法相比具有无可比拟的优势。     

基于CAN总线的农业车辆自动导航控制系统

以ISO 11783协议作为系统数据通信的标准,开发了基于CAN总线的农业车辆自动导航控制系统,该系统包括控制终端、GPS节点、电子罗盘节点、角度传感器节点及转向控制节点,其中控制节点采用比例参数可调节的自适应PID控制算法实现车辆的转向控制。通信测试结果表明,该系统能够实时可靠地采集多个传感器信息和传输控制指令。车辆导航实验结果表明,转向控制方法能够以较快的速度跟踪目标值,具有良好的控制效果。     

基于IWHO-EKF的高速免耕播种机播种深度监测系统研究

为解决免耕播种机高速(12～16 km/h)作业时因地势起伏造成机械振动与传感器测量误差导致的播种深度监测系统精度降低,以及单一传感器监测可靠性较差的问题,研究了一种基于改进野马算法(Improved wild horse optimizer, IWHO)优化扩展卡尔曼滤波器(Extended Kalman filter, EKF)中关键参数Q_sigma、R_sigma1、R_sigma2、R_sigma3的多传感器数据融合算法(IWHO-EKF)的高速免耕播种机播种深度监测系统。首先,建立以激光、超声波与角度传感器为多传感器监测单元的播种深度监测模型;其次,通过卡尔曼滤波算法对3个单一传感器分别滤波;最后,提出一种加入莱维飞行与高斯变异的IWHO-EKF算法,将滤波后的3个单一传感器进行数据融合,从而解决机械振动干扰与传感器测量误差降低的问题,同时充分发挥多传感器融合信息,确保免耕播种机高速作业时实现高精度、高可靠性播种深度实时监测。为验证其优越性,通过IWHO-EKF算法与单一传感器监测、单一传感器滤...     

基于呼伦贝尔大河湾地区的智能病虫害识别决策系统

在呼伦贝尔大河湾地区大面积规模化的农作物种植形势下,基于传统人工经验或单一传感器进行病虫害采集、识别的方法会导致采集效率低、识别范围局限等问题。针对上述问题,对总体系统提出了一系列的改进。首先,在数据采集阶段,提出了一套完整的“天-空-地-人”一体化病虫害数据采集体系。另外,在数据识别阶段,根据作物不同器官对应的病虫害类型不同,提出了一种智能作物病虫害精细化识别体系。最后,在数据决策、执行阶段,将大河湾地区的农机作业装备进行智能OODA(观察-判断-决策-执行)联动,及时针对异常地块做出响应。实验证明,提出的智能病虫害识别决策系统在实际应用中能够高效率作业,为智慧农业领域的发展奠定了优良的基础。