温棚环境及植物生长信息管理分析系统研究与实现
这是一篇关于农业信息化,精准农业,农业信息系统,SSH框架,BP神经网络,遗传算法,GA-BP算法的论文, 主要内容为精准农业已成为现代农业信息化的标志,它将大规模结构化或非结构化的农业数据进行精准化管理和精准分析,为智能化辅助决策提供了科学依据。农业信息系统作为数据载体,能够帮助人们获取和存储有关植物的相关信息,并作为“工具”可以在很大程度上服务于精准农业。本系统以农业信息化、精准农业和数据挖掘为背景,开发了基于SSH框架的农业信息系统。系统分为六个功能模块,包括温棚环境信息、植物生长信息、统计及预测分析、温棚实时监控、温棚设备信息和系统管理。温棚环境信息模块主要负责管理温棚日常温湿度及光照情况、土壤情况等;植物生长信息模块主要负责管理温棚植物生长过程中灌溉、施肥、病虫害防治等信息;统计及预测分析模块主要以组合统计图的方式展示温棚中温度、湿度和光照等历史数据,并且以曲线图的方式展现了经过GA-BP算法预测分类的病虫害等级情况;温棚实时监控模块主要以动态图的形式实时显示温棚中的各项指标,起到监控预警的作用;温棚设备信息模块主要对温棚中相关设备工具进行登机和管理;系统设置主要负责管理系统用户的个人信息和权限分配等。系统的云端数据库采用开源关系型数据库MySQL;通过Hightcharts实现对关键数据的统计分析可视化。数据采集和传输采用传感器和无线传感网络。云平台起到Web系统和数据采集传输的“中介”作用,不仅可以对传感器采集来的数据进行存储和托管,而且也能够提取数据进行分析。论文的主要工作如下:1、将struts2框架、Spring框架和Hibernate框架进行整合。每个框架在Web系统中担任的角色不同,因此将三者相互耦合以实现Web系统基本的信息管理功能。2、预测分类算法以黄瓜霜霉病和灰霉病为例,针对温棚中环境因子与病虫害等级呈非线性关系,本文采用BP神经网络对病虫害等级进行预测分类,通过误差不断修正神经网络权值,使输出的预测值无限接近于真实值,达到预测分类的目的。3、针对BP神经网络的自身缺点,包括收敛速度慢和易于陷入局部极小值等,本文采用全局搜索能力较强的遗传算法对BP神经网络进行优化。由于遗传算法的种群“早熟现象”,本文采用自适应的交叉概率和变异概率对遗传算子进行优化。实验表明,经BP神经网络输出的预测值能基本拟合训练样本的真实值,但精度不高。采用遗传算法对BP神经网络权值优化后,BP神经网络的预测精度明显提高。
基于深度度量学习的羊只个体身份识别研究
这是一篇关于身份识别,关键点检测,注意力机制,深度学习,精准农业的论文, 主要内容为在现代化羊养殖产业的生产管理中,身份识别是实现精准养殖的基础性工作,对解决畜牧业可持续发展有着重要意义。目前,传统的标记识别方法存在易脱离、识别距离有限等缺点。随着计算机视觉技术的发展,基于深度学习的身份识别技术得到了广泛应用,也为解决羊只身份识别问题奠定了基础。由于羊只外形相似度高,且光照条件、背景复杂度等因素对识别精度都有较大的影响,现有的识别方法没有利用到额外的语义信息,为了达到较高的准确率其模型复杂度高,计算量和参数量十分庞大,难以在实际场景中部署应用。本研究提出了一种基于度量学习的融合骨架信息注意力引导机制的身份识别方法,兼顾了精度和效率,并开发系统对其进行部署,以提升实际应用价值。具体的研究工作如下:(1)基于Transformer和多尺度融合的羊只骨架关键点检测方法研究。首先收集了1800张不同姿态、不同场景的羊只图片,并标注羊只骨架的17个关键点。之后通过多种数据增强方式制作了数据集。然后将HRNet网络的高维特征提取层替换为改进后的Transformer编码器,旨在捕捉关键点之间的空间约束关系,引入多尺度信息融合模块,提高模型对不同维度特征信息的学习能力。实验结果表明,与HRNet-48相比,改进后的模型参数量降低了86.8%,在关键点数据集上获得了75%的准确率。该方法与其他方法相比,具有最优的准确率而计算复杂度较低,可以实现实时检测,而且在小尺度图像检测方面更具优势。在可视化实验中,验证了模型可以反映羊只骨架部位之间的空间关系,为后续的个体身份识别模型提供额外语义信息。(2)基于骨架注意力引导的羊只个体身份识别方法研究。针对现有身份数据集规模较小且多为闭集的问题,在关键点数据集的基础上进一步收集共234只羊7991张图片制作羊只身份数据集。针对羊只个体之间相似度较高,区分难度大等特点,在知识蒸馏思想的基础上,提出了一种使用骨架姿态信息注意力引导机制的网络结构。首先,设计自适应池化模块和骨架特征对齐模块,通过使图片空间对齐,充分的匹配骨架关键点线索信息;其次结合交叉熵、三元组与一致性设计度量学习损失函数,监督优化类间特征距离,该方法可以使身份识别网络更加关注图像中的重要区域,提高识别准确率的同时,确保效率不受影响。实验结果表明,所提出的方法达到了74.4%的m AP和96.2%的Rank-1,均高于其余对比方法。在多种主流神经网络上作对比实验,准确率均获得提升,证明本方法的有效性和泛化性。通过消融实验和可视化实验分析了该方法的可解释性。(3)羊只身份识别系统设计与实现。针对深度学习模型难以在实际应用场景中使用的问题,基于Web技术设计并开发交互式羊只身份识别系统。经过对模型进行优化加速并部署到计算平台上,处理单帧图像的整个流程为0.2秒,实现对羊只的实时检测和识别。通过网络摄像头对羊场中的个体采集图像,系统处理后将结果进行可视化展示,对促进羊只身份识别应用落地具有重要意义。
联合收割机旋抛式测产装置设计与试验
这是一篇关于产量监测,旋抛式,谷物联合收割机,产量传感器,精准农业的论文, 主要内容为随着我国农业现代化水平不断提高,农业科技创新不断加强,精准农业得到快速发展。谷物产量图的建立作为发展精准农业的重要一环,可以为农业生产精准控制提供田间粮食产量分布变异信息并可对田间管理技术进行评价。谷物流量检测装置作为谷物产量图建立的关键部分,其测量的精度、抗干扰能力对产量分布图的准确性具有决定性作用。本文为改进现有的基于科氏力测量原理的旋抛式谷物流量检测装置中存在的抛洒圆盘倾斜所带来的测产精度问题,设计了一种基于旋抛式的谷物质量流量检测方法,主要研究内容如下:1、在借鉴基于科氏力的旋抛式谷物流量测产结构的基础上,研究设计了一种基于旋抛式测量原理的谷物流量测产方式,介绍了测产装置基本结构以及工作流程,建立了谷物质量流量与圆盘转矩间的数学模型。抛洒转矩与联合收割机背景振动各分量基本都无耦合,有效避开了联合收割机背景振动主要成分的干扰和影响,从本质上提高了其抗干扰性能。2、针对旋抛式谷物流量测产装置进行了相关硬件结构的选型与设计,同时针对抛洒圆盘进行机械结构设计,基于实验用的联合收割机平台,对谷物收口装置进行了相关适应性设计与改造。3、对旋抛式谷物流量测产装置软件进行了相关设计。对转矩传感器信号以及姿态传感器信号进行采集解析,编写基于Mallat算法的的小波分析程序对采集到的信号进行去噪处理。采用Lab VIEW软件编写谷物流量实时采集处理系统的上位机程序,具备数据采集与处理、数据展示与存储的功能。4、搭建旋抛式谷物流量测产装置试验验证平台,通过台架试验验证了谷物质量流量与圆盘转矩间线性数学模型的正确性。引入传感器姿态误差对测产装置误差进行校正,并通过台架试验分析传感器倾斜角度对谷物质量流量监测结果的影响程度,试验表明当转盘倾斜角度显著增大时,对传感器所采集到的谷物流量值有显著影响,当倾斜角度大于15°时,测量误差达到10%左右。5、对旋抛式谷物质量流量传感器进行了田间试验,试验结果表明谷物流量测产误差在5%以内,能够满足联合收割机实际测产需求。同时在加入Mallat小波分析算法后,谷物流量检测精度可提高1%-2%。
温棚环境及植物生长信息管理分析系统研究与实现
这是一篇关于农业信息化,精准农业,农业信息系统,SSH框架,BP神经网络,遗传算法,GA-BP算法的论文, 主要内容为精准农业已成为现代农业信息化的标志,它将大规模结构化或非结构化的农业数据进行精准化管理和精准分析,为智能化辅助决策提供了科学依据。农业信息系统作为数据载体,能够帮助人们获取和存储有关植物的相关信息,并作为“工具”可以在很大程度上服务于精准农业。本系统以农业信息化、精准农业和数据挖掘为背景,开发了基于SSH框架的农业信息系统。系统分为六个功能模块,包括温棚环境信息、植物生长信息、统计及预测分析、温棚实时监控、温棚设备信息和系统管理。温棚环境信息模块主要负责管理温棚日常温湿度及光照情况、土壤情况等;植物生长信息模块主要负责管理温棚植物生长过程中灌溉、施肥、病虫害防治等信息;统计及预测分析模块主要以组合统计图的方式展示温棚中温度、湿度和光照等历史数据,并且以曲线图的方式展现了经过GA-BP算法预测分类的病虫害等级情况;温棚实时监控模块主要以动态图的形式实时显示温棚中的各项指标,起到监控预警的作用;温棚设备信息模块主要对温棚中相关设备工具进行登机和管理;系统设置主要负责管理系统用户的个人信息和权限分配等。系统的云端数据库采用开源关系型数据库MySQL;通过Hightcharts实现对关键数据的统计分析可视化。数据采集和传输采用传感器和无线传感网络。云平台起到Web系统和数据采集传输的“中介”作用,不仅可以对传感器采集来的数据进行存储和托管,而且也能够提取数据进行分析。论文的主要工作如下:1、将struts2框架、Spring框架和Hibernate框架进行整合。每个框架在Web系统中担任的角色不同,因此将三者相互耦合以实现Web系统基本的信息管理功能。2、预测分类算法以黄瓜霜霉病和灰霉病为例,针对温棚中环境因子与病虫害等级呈非线性关系,本文采用BP神经网络对病虫害等级进行预测分类,通过误差不断修正神经网络权值,使输出的预测值无限接近于真实值,达到预测分类的目的。3、针对BP神经网络的自身缺点,包括收敛速度慢和易于陷入局部极小值等,本文采用全局搜索能力较强的遗传算法对BP神经网络进行优化。由于遗传算法的种群“早熟现象”,本文采用自适应的交叉概率和变异概率对遗传算子进行优化。实验表明,经BP神经网络输出的预测值能基本拟合训练样本的真实值,但精度不高。采用遗传算法对BP神经网络权值优化后,BP神经网络的预测精度明显提高。
蔬菜种植盈亏预算服务系统设计与实现
这是一篇关于精准农业,盈亏平衡分析,SSH分层体系结构的论文, 主要内容为在大力发展“精准农业”的大环境下,科学的蔬菜种植决策在当今的农业生产活动中显得尤为重要。本文以蔬菜种植盈亏预算为出发点,开发设计蔬菜种植盈亏预算服务系统,从而实现了对蔬菜种植盈亏预算的信息化管理。首先,在收集整理了大量海内外蔬菜种植盈亏预算的相关文献资料的基础上,分析了有关蔬菜种植决策系统的行业背景,并对国内外蔬菜种植决策系统的应用现状进行了综合分析,明确了本系统的设计方向。同时对蔬菜种植盈亏预算服务系统建设中所涉及到的相关开发理论和关键技术进行了详细的介绍。其中在对系统进行需求分析的阶段,重点从角色、功能、安全性方面对蔬菜种植盈亏预算服务系统进行了分析。其次,在了解用户需求的基础上进行系统各个功能模块的设计,明确所要实现的具体功能。本系统选择My Eclipse为开发工具,采用MVC架构、SSH分层体系结构(Struts+Spring+Hibernate)以及盈亏平衡分析决策法与蔬菜种植成本的数据分析相结合,选择J2EE、MY SQL数据库技术以及Log4j技术相结合以完成系统的平台开发。最后,在上述基础上进行了蔬菜种植盈亏服务系统的开发与设计。本文所设计的系统能够很好的满足农户对于蔬菜种植盈亏预算决策的需求,成功在重庆璧山区的璧北蔬菜种植基地部署了该系统,并且使用效果良好。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设项目助手 ，原文地址：https://bishedaima.com/lunwen/45489.html
