虚拟仪器技术在发动机故障诊断中的应用

为了达到对发动机运行状态进行实时监测和故障诊断的目的,采用PCI-9113A数据采集板实时采集发动机的技术状态参数,以图形化编程语言Lab VIEW实现数据的处理及管理,建立了发动机状态监测及故障诊断系统,实现了发动机振动信号的采集以及数据处理、显示、打印、存储等操作.以该系统为基础,只需添加一些所需要的传感器,同时增加相应的软件模块,就可实现对发动机其它性能参数的监测及故障诊断.     

基于三维点云的蔬菜大棚杂草识别方法

为实现蔬菜大棚内自动化除草的目的,针对其中的杂草识别环节,提出了一种基于三维点云的新型蔬菜大棚杂草识别方法。采用RGB-D相机获取青菜田、生菜田的三维点云图像,采用超绿色算法去除其中的土壤等背景,采用体素滤波法在保留点云图像形状特征的同时降低点云数量,然后采用欧式聚类法分割出单株青菜和单棵杂草的点云簇,分别计算得到每个点云簇的最高点的Z坐标值,最后结合深度信息Z坐标值实现蔬菜大棚杂草识别。结果表明:这种基于三维点云的杂草识别方法能够有效的识别出杂草,识别率为86.48%。该方法能够对蔬菜大棚中的杂草进行准确识别,为蔬菜大棚自动化除草提供有效的解决方案。     

大数据时代山东农业病虫害监测预警体系建设

在大数据时代,海量的数据资源是推动经济发展和社会进步的基石,丰富、透明、完善的农业大数据资源是加快农业信息化建设步伐的前提,先进、有序、完备的农业病虫害监测预警体系是服务绿色农业发展的支撑。该研究试图在研究国内外农业病虫害监测预警体系的基础上,在农业专家的指导下,进行大数据时代农业病虫害监测预警体系构建。山东农业病虫害监测预警体系的建设应主动适应大数据时代的发展需求,分步构建病虫害监测预警体系,分层划分病虫害数据中心工作,合理布局病虫害数据采集站点,科学制定病虫害监测预警任务,共建共享病虫害监测数据信息,有效加强病虫害联合监测预警,努力研发病虫害智能识别终端,为发展现代高效农业提供坚实的保障。     

数据仓库逻辑建模的初步探讨

针对逻辑建模在数据仓库构建过程中的重要性,介绍了数据仓库创建的基本步骤,并利用实例深入而详细地研究了逻辑模型的设计,分析了几种逻辑模型的特点及其使用场合。     

用Delphi实现温度传感器的数据采集和误差分析

利用Delphi嵌入式汇编的扩展功能实现基于I／O的热敏电阻温度传感器数据采集，并用二次样条插值法研究电压和温度特性非线性化的S曲线，减少非线性误差。     

基于激光雷达扫描的料仓原料储料量测量方法

为提高仓内原料储料量测量自动化和智能化水平,设计了一种基于二维激光雷达扫描的储料量测量装置与系统。本系统采用RPLIDAR S1型二维激光雷达扫描获取不同储料量物料的原始点云数据,通过坐标变换、重叠点提取、滤波、分割等方法对原始点云进行预处理,采用贪婪投影三角化算法将预处理后的点云进行三维重建,获得仓内原料的三维模型,结合物料三维模型和物料的容重获得仓内原料的储料量,从而实现储料量的自动测量。以玉米为试验对象,测量小型储料塔内玉米储料量并对玉米不同储料量进行扫描测量,验证模型的准确性,结果显示：测量结果的平均绝对误差为8.05 kg,平均相对误差为1.52%。研究结果表明,基于二维激光雷达扫描的储料量测量方法是可行的,具有较好的稳定性和测量精度,能够满足实际生产需求。     

建构信息时代的基石--数据库技术

信息时代,人类知识以惊人的速度增长,如何组织和利用这样庞大的信息资源,成为信息时代急需解决的技术问题之一.文中首先对数据库技术产生和发展的历史进行了概括,然后探讨了数据库技术的现状,并对数据库技术的发展趋势进行了展望.     

基于改进YOLOv5算法的农田杂草检测

随着智慧农业技术和大田种植技术的不断发展,自动除草具有广阔的市场前景。关于除草剂自动喷洒的有效性,农田杂草的精准、快速地识别和定位是关键技术之一。基于此提出一种改进的YOLOv5算法实现农田杂草检测,该方法通过改进数据增强方式,提高模型泛化性;通过添加注意力机制,增强主干网络的特征提取能力;通过改进框回归损失函数,提升预测框的准确率。试验表明,在芝麻作物和多种杂草的复杂环境下,本文方法的检测平均精度均值mAP为90.6%,杂草的检测平均精度AP为90.2%,比YOLOv5s模型分别提高4.7%和2%。在本文试验环境下,单张图像检测时间为2.8 ms,可实现实时检测。该研究内容可以为农田智能除草设备提供参考。     

大数据视角下的食用菌电商发展路径

鉴于目前食用菌电商在发展过程中面临着食用菌电商流程亟待完善、缺乏食用菌安全体系、缺乏食用菌电商人才以及缺乏知名食用菌品牌等困境,从食用菌生产销售主体角度,基于大数据视角出发,利用大数据优化食用菌电商流程,建设以大数据为支撑的食用菌安全体系,以大数据应用能力为导向培养食用菌电商人才,依托大数据建设知名食用菌品牌。     

山地电力架空线路运维质量的智能评估

山地电力架空线路大多沿山架设,穿越树竹林,周边的树竹生长缺陷引发短路故障频繁发生,造成用电客户的大量投诉,用户体验满意度下降,抢修抢险费用大幅度攀升,严重影响供电公司的信誉和售电收益.为了提升用电客户的满意度和供电公司的售电受益,采用主成分分析方法提取了山地电力架空线路通道运维质量的3个主要影响因素,它们分别是树竹生长缺陷数、缺陷的消除数和通道运维资金使用合理度.对树竹的生长规律建立一个预测模型,从而得到树竹生长缺陷数的一个预测,根据预测结果划拨架空线路所在供电所的运维资金,消除树竹生长的缺陷数,再用Logistic回归模型,构建架空线路通道运维质量智能评估模型,使供电公司对架空线路运维实现基于数据决策的模式,尽可能保证供电线路零故障运行.