基于显控触摸屏和MCU的汽车空调冷媒回收加注系统设计

使用MCU控制汽车空调的冷媒回收加注智能处理系统,其中利用显控触摸屏为人机界面,可清晰显示回收和加注冷媒的重量,并进行压力检测,具有罐满、罐空、超压报警等功能,在设备的软件设计过程中,解决了单片机与触摸屏的通讯问题,试验证明该系统具有智能化程度高、抗干扰能力强、操作简便、性价比高等优点。     

农业机械自动化发展现状

在介绍农业机械自动化发展现状的基础上,论述自动化技术在各类农业机械中的应用现状,分析农业机械自动化发展的制约因素,为农业机械的自动化及智能化发展提供有益参考。     

企业竞争情报系统绩效评价的模糊综合评价

竞争情报系统绩效评价作为竞争情报的必备环节,在竞争情报过程中起着重要的作用,因此研究竞争情报系统绩效评价具有重要的意义。本文首先对模糊综合评价方法进行了概述,然后给出了企业竞争情报系统绩效评价的指标体系,最后使用模糊综合评价法对企业竞争情报系统执行了具体的评价。     

大厦智能化存在的问题及其计划方案书编制

以某大厦工程为例 ,阐述了大厦智能化存在的问题 ,并介绍了计划方案书的编制方法、内容及注意事项。     

基于人工智能的竹类主要害虫识别系统开发与应用

在当前四川省竹产业大发展背景下,将以人工智能为代表的计算机高新技术引入竹子的生产经营环节,对竹产业基地实行精细化管理和提高竹产业绩效具有重要的现实意义。文章介绍了基于深度神经网络搭建的人工智能识别模型,并在此基础上设计并开发了针对竹类主要害虫的识别系统,实现了通过APP软件对竹类主要害虫进行便捷、准确识别,极大地提升了森防工作效率,为竹产业基地的健康发展提供了有效科技支撑,同时也为林业生产经营由传统模式转向智慧化进行了技术储备。     

森林火灾智能预报系统的设计和应用

从导致森林火灾的几个重要因素,即温度、湿度、风速和大气压力等出发设计了一台智能检测仪表,它能实时地检测林区某点的上述几个参数,并通过计算机网络定时地传送到中央处理机,中央处理机与各处的仪器相连,每个仪器测得的数据能储存在中央处理机内,中央处理机按照用户的要求进行分析处理,绘制出各类参数与时间的关系曲线图在显示器上显示或从打印机上打印.根据历史参数设置报警点.当上述各类参数达到警界限时,报警系统发出报警信号.系统中所有信号的采集、传输、处理等各项功能均通过适当的软、硬件完成.硬件部分由检测仪、通信系统和中央处理机三大部分构成,并结合软件来实现监测和预报工作.     

人工智能在机械故障诊断中的应用

介绍了机械故障中应用的各种人工智能诊断方法及理论，包括专家系统、人工神经网络等，根据二者在机械故障诊断中的应用情况分析了它们的优缺点，并以专家系统在汽车故障诊断中的应用为例，阐述了专家系统在实际应用中存在的问题。     

现代汽车传感器的智能化研究与发展

现代汽车正朝着智能化、自动化和信息化的机电一体化产品方向发展。电子信息技术已成为现代汽车发展的主导因素,汽车发展对汽车电子提出智能化要求。由于汽车电子控制系统的多样化,其所需的传感器种类和使用数量不断增加,稳定性和可靠性要求严格,对于传感器的智能化研究具有十分重要的现实意义。     

THE DEVELOPING METHOD OF AI SOFTWARE FOR APPLICATION OF AERIAL PHOTOGRAPH(AIAAP)

Artificialintolligence(AJ)isasubareaofcomputerscience.RecentiyaPplicatonsofexPertsystemwhichbelongsinAIhaveal-readyinVadedovermanyscienceareas.ButitisdndculttodevelopasoPhishcatedexpertsystemsuitableforforestpledng.ThepaPerPropOsesaProgranuningframeworkwhichcanbenamedasa-aideddesigntoolofAJSoftwareratherthanatrUeexpertsystem.qTRUCTUREOFTHEFRAMEWORKFigure1.TbeFrameworkStructureProgram-mingAISoftWareKnowledgCBascStructurcinthcFrameworkTheknowledgebasestrUc-tUrCconsistsofthe…     

基于YOLO V3的葡萄病害人工智能识别系统

葡萄在生长过程中会感染各种病害,葡萄病害的高效识别是防治葡萄病害的关键。本文提出了一个基于YOLO V3的葡萄病害智能识别系统,由微信小程序、云服务器和葡萄病害识别模型构成。其中的葡萄病害识别模型以植物病虫害生物学国家重点实验室提供的2 566张原始葡萄病害图片为基础,构建了32 871张葡萄病害图片数据集,采用改进的YOLO V3训练得到。本系统能对手机保存的或现场拍摄的自然条件下的12类葡萄病害图像进行识别,准确率达98.60%。识别结果、病害特征、发病原因、病害地理分布和防治建议可立刻反馈至用户。本系统不但识别率高,而且涵盖了目前大多数常见葡萄病害种类,可作为辅助果农、消费者和相关科研人员甄别葡萄病害的智能工具。