排序方式: 共有99条查询结果,搜索用时 31 毫秒
61.
62.
63.
猪只呼吸道疾病易传染,影响猪的养殖生产效率,咳嗽是呼吸道疾病的显著症状之一,为识别猪只咳嗽声,提出了一种基于深度神经网络的识别方法。对声音信号进行谱减法去噪和双门限端点检测后分别提取梅山猪咳嗽及喷嚏、鸣叫、呼噜声的滤波器组(Log_filter bank, logFBank)和梅尔频率倒谱系数(Mel frequency cepstral coefficents, MFCC)特征,每种特征与其一阶及二阶差分组合作为卷积神经网络(Convolutional neural networks, CNNs)和深层前馈序列记忆神经网络(Deep feed forward sequential memory networks, DFSMN)咳嗽声识别模型的输入,进行多分类训练。对比不同特征提取方法及不同迭代次数对模型效果的影响,实验结果表明,以MFCC作为特征输入的CNNs模型效果较优,测试集上咳嗽声识别精确率为97%,召回率为96%,F1值为98%,总体识别准确率为96.71%。表明该模型有效可行,可为生猪福利养殖中猪咳嗽声识别提供技术支持。 相似文献
64.
针对目前养殖业对母猪分娩时间的判断主要通过人工观察,不仅工作繁杂,而且易受饲养员主观经验影响等问题,设计一种基于超声波传感器和无线传感网络的母猪产前行为监测系统。该系统通过节点采集母猪产前头部、背部、尾部活动量的距离信息,将采集到的距离数据实时发送到网关节点,网关节点将距离信息转发到服务器。服务器端采用K-means聚类算法进行行为识别与分类。试验结果表明:系统能够快速采集母猪身体活动量的距离信息并对母猪行为进行分类,能够检测出母猪筑窝、站立、躺卧等行为,正确率为90.47%,系统工作稳定。提出了一种非接触式监测母猪产前行为的方法,为母猪分娩时间的预测提供基础。 相似文献
65.
混合架构智能温室信息管理系统的设计 总被引:4,自引:3,他引:1
针对物联网型智能温室的信息管理要求,基于客户端/服务器(C/S)和服务器/客户端(B/S)混合架构设计了智能温室信息管理系统。系统由现场管理、数据库和远程管理等3个子系统组成。采用分布图法检测了温室传感器网络离异数据。结合铁皮石斛的耐湿特性,通过Mamdani推理实现了温室空气温度、湿度和光照强度等环境参数的模糊决策。基于异步JavaScript和XML(AJAX)技术构建了Web数据异步交互框架。运用服务器推技术实现了温室机构动作状态的实时同步。系统在江苏农博园现代农业馆智能温室部署运行,成功实现了温室信息局域网的采集、处理、存储、显示和决策,以及广域网的高效远程访问与管理。 相似文献
66.
67.
68.
基于两级预测的温室WSN系统数据传输方法 总被引:1,自引:0,他引:1
为了减少温室WSN系统传感器节点数据传输次数,提出基于两级预测的温室WSN系统数据传输方法。首先,引入莱特准则进行序列异常值检测,研究并提出了便于节点实时计算的序列方差滑动递推计算方法。其次,分别在传感器节点和服务器建立一阶分段线性回归方程并结合自适应加权算法形成两级预测模型,设定传感器节点仅在预测误差超过设定阈值时上传实际采集值,其他时刻服务器自动触发线性回归模型预测填充该部分数据。同时,结合温室环境自动控制的特点,研究了一种基于抛物线的可变误差阈值确定方法。试验表明:分段一阶线性回归模型能够在规定误差阈值内逼近系统原始数据曲线,利用两级预测算法无线传感器节点数据发送次数可减少93%(误差阈值为0.9)。 相似文献
69.
基于3S和Web技术的森林资源动态监测和管理系统是一项集3S技术、计算机技术、网络技术、智能技术等多项现代技术于一体的复杂系统。本文对此系统的体系结构做了阐述,并重点分析和探讨了建立此系统所需要的若干关键技术,如数字化采集系统、数字高程模型的建立、遥感数据的处理技术、海量数据存贮技术、基于WebGIS的基础数据库信息系统的建立和决策支持系统的建立等技术,为实现该系统提供了设计依据。 相似文献
70.