排序方式: 共有91条查询结果,搜索用时 15 毫秒
81.
基于PX4构建高可靠农用微小型无人机数据链的实现方法 总被引:1,自引:0,他引:1
农用微小型无人机在精准农业中的作用日益重要,正在成为农机行业新的亮点和热点。农用微小型无人机数据链的可靠性是影响其稳定运行的关键因素,本文针对农用微小型无人机数据链,选用PX4开源飞控,以3 DR电台和QGround Control地面站搭建的数据链设备为平台,设计了数传电台冗余切换系统及相应的电台联机质量测试系统,分别来提高和检测数据链的可靠性。同时,主要介绍了冗余切换系统的结构和原理及电台联机质量测试系统的结构和原理,并进行了相应的测试。测试结果表明:该方法能有效地提高农用微小型无人机数据链的可靠性。 相似文献
82.
83.
84.
85.
北京典型耕作土壤养分的近红外光谱分析研究 总被引:1,自引:0,他引:1
以北京郊区试验田采集的72个土壤样品为实验材料,应用傅里叶变换近红外光谱技术,分析了土样的全氮、全钾、有机质和pH值养分含量。采用偏最小二乘法(PLS)对光谱数据与土壤养分实测值进行回归分析,建立预测模型,以模型决定系数(R2)、校正标准差(RMSECV)、预测标准差(RMSEP)和相对分析误差(RPD)作为模型精度的评价指标。分析结果:土壤的全氮模型R2为95.44%,RMSECV为0.014 1,RMSEP为0.016 8,RPD为4.68;有机质模型R2为89.63%,RMSECV为0.37,RMSEP为0.47,RPD为3.11;全钾模型R2为85.62%,RM-SECV为0.173,RMSEP为0.204,RPD为2.64;pH值模型R2为87.33%,RMSECV为0.031,RMSEP为0.053,RPD为2.81。 相似文献
86.
小波消噪及其在小麦蛋白质含量近红外光谱分析中的应用 总被引:3,自引:0,他引:3
利用在小波变换下奇异信号和噪声在多尺度空间中的模极大值传递特性的不同,对33个小麦样品的近红外光谱信号进行了消噪处理,并利用小波消噪后重构光谱信号对小麦蛋白质含量进行偏最小二乘法交叉验证(PLS-CV)。计算实例表明,在最大分解层数不同时,PLS-CV效果各不相同,但大多数的小波消噪重构光谱进行PLS-CV,相关系数R及测定系数帮都有提高,交叉校验预测均方差RMSPCV都有减小,特别在最大分解层数为6时,PLS-CV效果最好,较使用原始光谱进行PLS-CV,相关系数R从0.9222提高到0.9698。交叉校验预测均方差RMSPCV从0.8014减小到0.4983。因此,使用小波消噪方法有消除原始光谱的噪声的作用,从而使最终的PLS模型更有代表性、稳定、稳健,也提高了品质检测时模型预测精度。 相似文献
87.
88.
基于激光诱导击穿光谱的土壤钾素检测 总被引:2,自引:0,他引:2
为满足大田土壤钾素养分在线检测的迫切需要,设计了一种基于激光诱导击穿光谱原理的土壤养分在线检测的系统平台装置,并开展了土壤养分快速测定的实验研究,对采用激光诱导击穿光谱定量分析土壤钾素养分含量的可行性与准确度进行了探索。实验表明,土壤钾元素的特征谱线在波长766.49 nm和769.90 nm处,钾素养分含量与特征谱线强度呈正相关,但当钾素质量分数大于0.3%时,存在明显自吸收现象,谱线强度与样本质量分数呈非线性关系。为了消除土壤光谱检测的基体效应,选定土壤样本锂元素为内标元素,对土壤钾元素等离子光谱特征谱线进行内标校正处理。利用土壤样本钾元素的敏感特征波长766.49 nm和769.90 nm处的光谱强度对土壤钾元素含量进行二元线性建模分析,建模曲线拟合效果良好,模型决定系数达到0.933 7,相对均方根误差仅为0.276 1。利用该实验系统,土壤钾素养分最低检测限为212μg/g,初步具备土壤钾素养分在线检测的要求。 相似文献
89.
基于电容信号的玉米播种机排种性能监测系统 总被引:18,自引:17,他引:1
为了改善玉米播种机排种性能监测的可靠性,利用种子介电性质,研究一种基于电容信号获取与分析的播种性能监测方法。通过对玉米播种机排种过程的运动学分析,获得电容传感器极板长度的约束条件,为传感器设计提供理论性参考。设计了以单片机PIC18F2580、电容转换芯片MS3110及AD7685为核心的快速高精度电容检测电路。通过获取相邻种子的电容脉冲峰值间隔并计算脉冲积分面积,可以得到播种工况下的排种量、漏播量及重播量等参数。试验结果表明:系统对单粒玉米种子的监测精度为97.3%,在模拟播种机前进速度4.0km/h的条件下,系统的播种量监测精度为94.6%,漏播量监测精度为93.5%,重播量监测精度为88.1%。该系统能够有效地监测机具排种性能,有助于提高播种作业质量。 相似文献
90.
利用在小波变换下奇异信号和噪声在多尺度空间中的模极大值传递特性的不同,对33个小麦样品的近红外光谱信号进行了消噪处理,并利用小波消噪后重构光谱信号对小麦蛋白质含量进行偏最小二乘法交叉验证(PLS-CV).计算实例表明,在最大分解层数不同时,PLS-CV效果各不相同,但大多数的小波消噪重构光谱进行PLS-CV,相关系数R及测定系数R2都有提高,交叉校验预测均方差RMSPCV都有减小,特别在最大分解层数为6时,PLS-CV效果最好,较使用原始光谱进行PLS-CV,相关系数R从0.9222提高到0.9698,交叉校验预测均方差RMSPCV从0.8014减小到0.4983.因此,使用小波消噪方法有消除原始光谱的噪声的作用,从而使最终的PLS模型更有代表性、稳定、稳健,也提高了品质检测时模型预测精度. 相似文献