农机具田间测速中双路光电编码器的算法试验研究

本研究对基于增量型光电编码器的双路装置,在农田状况下测量距离和计算速度等方面进行了研究。使用自制的测量设备,针对农田的各种路况分别进行测量和计算,通过对大量试验数据的分析和推导,对比不同算法对测量结果的影响后,得出了在不同路况下更为科学的算法。     

云南种子植物特有属领域词语相似度算法研究

以《同义词词林》为基础,结合云南种子植物特有属领域知识补充了《同义词词林》中该领域的词语,并提出了一种基于同义词词林的词语相似度改进算法。经过测试对比,在植物检索领域该计算方法比一般的基于同义词词林的词语相似度算法更加准确,而且召回率得到了明显提升,更适用于云南种子植物特有属领域信息的检索。     

模幂运算的窗口NAF方法

将椭圆曲线的定点标量乘的窗口NAF方法应用在模幂运算中,通过采用预处理技术,与SMM算法进行组合得到一种新的求模幂乘算法窗口NAF方法.     

黄瓜栽培专家系统的结构与推理机制

首先介绍了黄瓜栽培管理专家系统的结构、功能模块及专家系统推理机制的设计思路与实现方法。其次,针对知识完全情况与知识不完全情况分别给出了各自的算法流程,阐述了推理过程中知识冲突的消解策略。结果表明,该系统简单实用,推理效率较高。     

“渔光互补”下的微电网多目标能量优化调度策略

针对“渔光互补”下的微电网系统,为平衡能源“不可能三角”,提出一种多目标优化的能量优化调度方法。首先,基于“渔光互补”背景建立光-蓄-荷微电网系统模型,提出包含经济性、环保性及综合性的多维动态目标函数。其次,考虑麻雀搜索算法存在多样性不足和易陷入局部最优的缺陷,提出基于模拟退火算法及混合策略改进的麻雀搜索算法（SA-ISSA）的微电网能量优化调度策略。最后,针对上海崇明璞叶小镇“渔光互补”工厂化养殖基地进行实例验证,采用SA-ISSA算法对微电网模型求解,获得最优能量调度方案。实验结果表明,SA-ISSA算法在解决微电网能量优化调度问题上具有更好的性能和应用价值,可为“渔光互补”下微电网能量优化调度策略提供参考。     

基于Arachnode.net的全文搜索引擎搭建

Arachnode.net是一款强大的全文搜索引擎工具包,利用它可以快速地搭建搜索引擎。介绍了Arachnode.net的结构、优点和全文搜索引擎的基本结构,并设计搭建了一款搜索引擎。通过Arachnode.net和Lucene的对比分析,结果表明,Arachnode.net是一款搭建界面简洁、功能强大的搜索引擎。     

渠系配水优化遗传算法求解

依据遗传算法理论,在配水求解中,摈弃传统的二进制编码,采用与人们处理问题思路一致的十进制编码,从而提高了基因序列的质量,且在目前灌区的管理条件下减少了人工管理的劳动时间,对整个渠系水量调度具有重要的理论和现实意义。     

基于高光谱的寒地水稻叶片氮素含量预测

为快速、无损和准确地诊断水稻营养状况,开展了基于高光谱成像技术的寒地水稻叶片氮素含量预测研究。以不同施氮水平下的水稻叶片为研究对象,利用高光谱成像技术,分析拔节期水稻叶片光谱,采用全波段高光谱数据、连续投影算法及分段主成分分析(segmented principal components analysis,SPCA)与相关分析(correlation analysis,CA)相结合的方法建立多种回归分析模型,并对模型进行检验和筛选。结果表明:随着施氮水平提高,水稻叶片反射率在可见光区域降低,在近红外区域升高。在校正集决定系数上,基于多元逐步回归分析的全波段模型较好,校正集决定系数为0.821,校正集均方根误差RMSEC=0.079;在预测集决定系数上,基于SPCA-CA结合多元回归分析的多变量单波段指数、差值指数、双差值指数模型较好,预测集决定系数为0.869,预测集均方根误差RMSEP=0.085。该研究结果为快速检测水稻叶片氮素含量及水稻生长期间精确施肥管理提供了参考。     

基于Arduino 的个性化智能盆栽系统

家养植物易被忽略照料,而市面现有自动浇灌系统是检测到缺水时才被动浇灌,且无法根据不同植物对水的需求进行浇水,容易造成过分浇水或浇水不足。提出设计智能盆栽在采集盆栽土壤的温湿度、光照等特性上,充分考虑植物不同的喜干湿和光照特性,并将植物特性存储到数据库中,通过模糊决策树算法计算,实现不同植物根据不同生长环境进行个性化浇灌。同时外出用户可以通过APP及时查看了解植物的生长,可以直接在APP控制浇水享受远程护养花草的乐趣,也可以一键式自动完成浇水处理。该系统帮助用户随时随地通过手机APP了解盆栽的实时信息,实现远程浇水。     

基于Logistic算法与遥感影像的棉花虫害监测研究

【目的】借助多光谱遥感影像和Logistic算法,实现对棉田虫害的田间监测。【方法】以患虫害棉花区域为研究对象,利用无人机获取棉田多光谱遥感影像,并对影像进行预处理;结合受虫害棉花光谱特征,利用虫害敏感波段反射率与植被指数构建Logistic回归模型,开展棉花虫害识别监测研究。【结果】由土壤调节植被指数(Soil adjusted vegetation index,SAVI)模型和归一化植被指数(Normalized vegetation index,NDVI)模型构建的棉蚜虫、棉红蜘蛛、棉铃虫识别模型为最优模型,其训练样本准确率达到93.7%,测试样本准确率达到90.5%,召回率为96.6%,F1值为93.5%,对棉蚜虫、棉红蜘蛛和棉铃虫的识别模型决定系数分别为0.942、0.851和0.663。【结论】该模型可满足棉田中棉蚜虫、棉红蜘蛛和棉铃虫3种虫害的发生区域识别,且可基本满足棉田精准植保作业相关要求。