基于无线传感网络的玉米地温湿度监测系统设计

针对目前我国大多农场玉米地温湿度监测系统普及率较低的实际,研究一套实用性高、成本低的玉米地温湿度监测系统。系统基于ZigBee无线传感网络,对玉米生长各阶段土壤温湿环境数据进行远程数据传输和网络实时监测,从而实现对相关数据的动态收集、分析和处理,实时掌握研究区生长最佳的土壤温湿条件及变化规律等信息。实验结果表明:系统在玉米生长过程中实时监测土壤温湿度数据效果良好。     

对按位分段排序算法的研究

利用基数排序算法“分配”、“收集”的思想 ,以及二进制数据按位存贮的特征 ,改进出一种非比较排序算法———按位分段排序算法 ,并通过对该算法时间复杂度和空间复杂度的分析 ,体现其明显的优越性     

深度学习在小麦害虫分类研究中的应用

【目的】基于深度学习的小麦害虫高效识别方法有助于害虫的及时防控，极大程度地保障粮食质量安全。【方法】首先，在IP102小麦害虫数据集的基础上，提出结合增广和Real-ESRGAN超分辨率增强的技术方案，重新制作了高质量小麦害虫数据集：IP-AugESRWheat，有效突破了小麦害虫数据集面临的类别不平衡、规模小、分辨率低的局限。其次，提出轻量高效的ECA-EffV2模型，增强模型对小麦害虫的特征提取能力。【结果】改进前的准确率为72.5%，参数量为21.46 M，改进后准确率达到94.8%，参数量降到17.76 M。【结论】提出的协同增广增强的技术策略及高效轻量的模型为小麦害虫图像识别任务提供了有效的技术方法和数据支撑，对可持续小麦生产和农业生态发展具有重要价值。