微灌毛管水力学研究——微灌水力设计计算方法探讨之一

本文不采用缝隙管的假定,提出毛管水头线的多段折线模型;在此基础上,定义了降比r和压比G,根据r的大小,讨论了均匀坡毛管压力水头的分布;讨论了总水头损失计算方法;导出诸水力特征量的计算公式。     

基于双池化与多尺度核特征加权CNN的典型牧草识别

针对自然背景下牧草难识别的问题,提出一种基于双池化与多尺度核特征加权的卷积神经网络牧草识别方法。双池化特征加权结构通过将卷积层输出的特征图分别进行最大值池化和均值池化得到两组特征图,引入特征重标定策略,依照各通道特征图对当前任务的重要程度进行加权,以增强有用特征、抑制无用特征;多尺度核特征加权结构通过在卷积层中同时使用3×3和5×5两种卷积核,并将网络的前几层特征复用后进行加权,以提高重要特征的利用率。对10类牧草图像进行识别实验,结果表明,该方法识别率为94. 1%,比VGG-13网络提高了5. 7个百分点,双池化与多尺度特征加权有效提高了牧草识别精度。     

自动化综合实验网络系统的构建与应用

介绍了实验室现有的多个实验工艺流程装置以及控制系统的特点,描述了在实验室环境中应用常规控制系统、集散控制系统、现场总线控制系统与工业以太网控制系统实现对多个工艺流程装置的自动控制,以及研究自动化综合实验网络的构建、智能控制理论与方法的运用和教学实践的应用.     

遗传神经网络在温室黄瓜霜霉病预测中的应用

在神经网络结构的优化、连续权重的训练中采用遗传算法的方法对日光温室黄瓜霜霉病进行预测，并对其发生程度进行了拟合，计算值与实际值接近，表明该模型具有良好的预测效果。     

无线局域网在解放军医学图书馆的应用

 

结合解放军医学图书馆无线局域网络的实际应用情况，从无线局域网的概况、应用特点及安全防护等几方面介绍了无线局域网络的相关知识。

     

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。     

作物茎秆膨胀收缩监测柔性可穿戴传感器研制与试验

作物茎秆膨胀和收缩变化与其水分状态密切相关,实时监测茎秆的膨胀和收缩变化能够及时掌握作物水分状态,对指导灌溉、提高农业水资源利用率具有重要意义。目前,对于作物茎秆膨胀和收缩变化的监测主要采用基于线性微位移测量原理的传感器,通过测量茎秆的膨胀和收缩引起的位移变化来反映水分状态,存在体积大、价格高、安装不便等问题。为此,该研究提出了一种基于压阻效应的柔性可穿戴传感器,采用柔性压力电极作为传感元件,贴附在作物茎秆表面,通过监测茎秆膨胀和收缩引起的压力变化来反映作物的水分状态,压力检测电路和数据采集电路将作物茎秆的压力信号转换成电信号进行输出和存储。首先在实验室环境下对传感器性能进行测试和标定,然后在温室环境下将传感器安装在番茄茎秆上观测番茄茎秆的压力变化,并与线性微位移传感器观测结果进行比较,最后在充分灌溉和水分亏缺2种条件下观测番茄茎秆的膨胀和收缩变化。结果表明,柔性压力传感器稳定性测试的平均相对变化率为0.109%;弯折前后引起的输出变化非常小,可以忽略不计;标定结果的决定系数大于0.99,最合适的工作压力范围为2～100 kPa;实验室环境下,柔性压力传感器与线性微位移传感器输出值之间的决定系数为0.9551;温室环境下,充分灌溉组中柔性压力传感器与线性微位移传感器输出值变化趋势一致,两者之间的决定系数为0.7672,亏缺灌溉组中两类传感器输出值均因水分亏缺而呈现下降趋势,输出值之间的决定系数为0.8519。本文所设计的柔性可穿戴压力传感器不仅能够实时监测番茄茎秆的膨胀和收缩变化,还可以对番茄亏水胁迫进行诊断,为实现高效节水灌溉提供重要的技术支撑。     

Spectral indices measured with proximal sensing using canopy reflectance sensor, chlorophyll meter and leaf color chart for in-season grain yield prediction of basmati rice

A number of optical sensing tools are now available and can potentially be used for refining need-based fertilizer nitrogen (N) topdressing decisions.Algorithms for estimating field-specific fertilizer N needs are based on predictions of yield made while the crops are still growing in the field.The present study was conducted to establish and validate yield prediction models using spectral indices measured with proximal sensing using GreenSeeker canopy reflectance sensor,soil and plant analyzer ...     

基于人工神经网络的PV/T热电联供系统性能预测

为研究太阳能PV/T热电联供系统的性能和针对太阳能PV/T系统复杂的能量平衡方程,搭建了太阳能PV/T系统试验台,同时建立了基于改进灰狼优化的BP神经网络(back propagation neural network model based on improved grey wolf algorithm, IGWO-BP)预测模型,在晴朗天气下进行试验,并采用该模型对系统电功率以及蓄热水箱内水温进行预测。结果显示,晴朗日系统的电效率8.7%～12.2%、热效率51.7%;预测结果与BP神经网络预测模型、基于粒子群优化的BP神经网络(back propagation neural network based on particle swarm optimization, PSO-BP)预测模型和卷积神经网络（convolutional neural network, CNN）预测模型预测结果进行比较,结果显示IGWO-BP预测模型电效率预测模型的绝对百分比误差(mean absolute percentage error, MAPE)、决定系数(determination coefficient, R ² )、均方根误差(root mean square error, RMSE)、效率因子(efficient factor, EF)和Pearson相关系数(pearson related coefficient, r )分别为4.5E-05、0.99、0.24、0.99和1.00,在储热罐温度预测中,上述指标分别为8.90E-04、0.98、0.07、0.98、0.99,均优于其他预测模型,IGWO-BP神经网络预测模型具有更好的预测性能。研究结果可为太阳能PV/T热电联供系统性能预测与优化控制提供参考。     

基于卷积神经网络的农作物叶片病害诊断

农作物病害诊断对于及时发现并采取防控措施具有重要意义.本研究针对苹果、玉米、番茄、葡萄等典型农作物的常见叶片病害问题,使用了两种目前使用最广泛的卷积神经网络——VGG 16及Resnet50,对典型农作物叶片病害进行识别.使用AI Challenger比赛的农作物叶片病害数据集图像,并对这些图像进行预处理,构建了47 ...