【摘 要】
：
物联网、大数据和云平台等技术在现代农业的应用,使智慧农业已经成为传统农业的一种新型发展方向,为顺应这一趋势,提高智慧农业系统的精准化控制程度,设计一种大数据模式下基于云平台的农作物生长环境数据精准化采集系统.系统利用物联网相关技术,通过设计传感器电路、无线射频和采集存储模块,实现精准数据采集.在软件设计方面利用采集端确定数据,进行数据预处理;通过设计数据库,提高数据处理效率.经对比实验,证明所设计系统能够提高农作物生产的精准化控制程度,为未来智慧农业的前进探索提供了一种有效的发展模式.
【机 构】
：
商丘工学院信息与电子工程学院,河南商丘476000
论文部分内容阅读
物联网、大数据和云平台等技术在现代农业的应用,使智慧农业已经成为传统农业的一种新型发展方向,为顺应这一趋势,提高智慧农业系统的精准化控制程度,设计一种大数据模式下基于云平台的农作物生长环境数据精准化采集系统.系统利用物联网相关技术,通过设计传感器电路、无线射频和采集存储模块,实现精准数据采集.在软件设计方面利用采集端确定数据,进行数据预处理;通过设计数据库,提高数据处理效率.经对比实验,证明所设计系统能够提高农作物生产的精准化控制程度,为未来智慧农业的前进探索提供了一种有效的发展模式.
其他文献
受限于云与端设备间的长距离通信,仅在云上处理数据已经不能满足时间敏感应用的需求,这促使部分应用开始向下层边缘设备扩展.随着嵌入式系统的快速发展,雾计算成为了连接云与端设备的新型计算范式,可以在更靠近数据源的地方执行应用程序.雾层计算能力通常源于高性能异构嵌入式板卡,服务在雾计算层不同的映射放置策略,对雾计算层设备的资源利用率影响巨大.现有的服务放置策略多数以提高系统服务质量为目标,忽略了嵌入式设备的异构性及计算资源的受限性,从而导致资源利用率降低.针对上述问题,提出了一种面向雾计算应用的服务放置策略,基于
无人机无线携能通信技术可以实现无线信息与能量同时传输,为能量及频谱资源匮乏地区中的节点提供持续的能量来源,以解决物联网节点能量受限问题.而多无人机协同工作更能提高整体工作效率以及传输性能,因此,针对无人机无线携能通信网络,构建了一种多无人机的飞行轨迹规划,能量和信号发射功率分配以及用户调度的联合优化方案.该方案在满足用户最低能量采集约束下最大化最小用户可达速率.由于优化变量间的耦合性以及约束条件的非凸性,所建立的优化问题难以直接求解.因此,提出了一种基于块坐标下降法和连续凸优化技术的优化算法,通过不断迭代
为进一步挖掘无刷直流电机的应用潜力,通过对其结构及工作原理的研究,设计一种基于STM32F407的无刷直流电机控制系统.系统的控制部分利用STM32内部的高级定时器产生PWM控制信号,利用霍尔信号检测电机的转子位置并计算转速,结合PID算法提高控制系统的鲁棒性和自适应能力.驱动部分添加了隔离电路,能够使系统更加稳定地运行,提高了其抗干扰的能力.基于LABVIEW搭建了系统的调试平台,能够实时观测电机的运行速度,使PID参数整定更加便捷.该系统成本低、性能高,具有一定的工程应用价值.
齿根裂纹与齿面剥落是齿轮系统常见的局部损伤类故障.由于故障机理研究不足,目前的齿轮故障诊断方法还无法精确辨识这两种故障.基于能量法建立了用于求解齿根裂纹及齿面剥落时变啮合刚度的解析计算模型,对比分析了两种故障对时变啮合刚度影响的不同内在机理.采用集中参数法与梁单元理论建立了齿轮系统的非线性动力学模型,通过动力学仿真分析了两种故障振动响应特征的不同之处.研究结果表明:虽然齿根裂纹与齿面剥落故障都会使系统产生周期性的振动冲击响应,但是这两种故障在一个啮合周期内产生的振动冲击响应的数量及规律存在一定差异.研究结
现实中的数据问题通常被抽象为图.在大数据时代,图数据趋于复杂,这是因为数据量大幅提升,所需要的计算规模迅速增长.大规模的图数据问题对超算平台的存储运算能力具有广泛需求,并对此提出了更高的要求.为了高效地处理大规模图数据,发挥天河超级计算机实验平台的图处理能力,基于现实世界中图结构的小世界性和无尺度性特征,面向评测超级计算机图处理能力的重要基准Graph500,提出一种主要应用于大规模图的图遍历优化方法.这一方法结合了天河平台的体系结构特征,在图结构上应用了顶点排序和优先缓存策略,即将图中顶点按度数从高到低
为了在有限资源的情况下快速准确地分析半空间电大目标的电磁散射特性,提出一种使用八叉树结构的并行半空间多层快速多极子区域分解算法.通过利用多层快速多极子算法在空间中形成的八叉树结构,自适应地对未知量进行分组来实现区域的划分,从而避免了在区域之间创建虚拟交界面,降低了模型的处理工作量.为保证区域间电流的连续性,在边界处严格计算1/4阻抗,使结果更加精确.对于半空间环境,引入复镜像源来计算半空间近相互作用,并且引入实镜像源来计算半空间远相互作用.通过与商业软件FEKO整体解对比分析,证明了算法的可靠性和精确性.
为更好应对滑坡这一具有巨大危害的地质灾害、对滑坡的发生做出更为有效的预测预报,设计一款基于Web的山体滑坡监测预警系统.系统通过下位机采集切向角、降雨量、环境温湿度等数据,通过MQTT传输到上位机,再利用模糊综合评价法对山体滑坡状态进行危险等级划分,进行山体滑坡预测.利用Web技术集合数据库,实现对山体滑坡数据的实时监测、数据可视化展示以及山体滑坡预警信息的及时发布.通过实地部署,建立起中长期山体滑坡临灾状态监测体系,并在当地成功实现滑坡预警.
雷达调制识别技术在电子侦察、电子支援等领域发挥着重要的作用.现有的雷达调制信号识别算法,通常采用脉内特征提取或者深度学习技术来实现.但这两种方法都存在弊端.提取脉内特征需要复杂的先验知识;深度学习技术虽然不需要复杂的先验知识,但是深度学习技术是数据驱动需要海量的数据以支撑其训练.雷达信号数据的获取又十分的困难,难以构建复杂且庞大的数据集来表征模型,因而对于深度学习技术的小样本识别方法的需求变得迫在眉睫.为此,提出增强深度卷积生成对抗网络加卷积神经网络的雷达调制信号识别算法来实现数据增强,在小样本的条件下,
SVM-2K模型是一种采用了非光滑合页损失的多视角学习算法.由于非光滑模型的求解过程较为复杂,因此引入了光滑的最小二乘损失的最小二乘支持向量机作为一种经典的支持向量机算法.由于光滑的最小二乘损失的最小二乘支持向量机算法具有计算简单、运算速度快、精度高等优点,被广泛应用于科研领域.为了提高模型的训练速度,在SVM-2K模型中引入了最小二乘思想.首先,提出了完全应用最小二乘损失的LSSVM-2K模型,利用最小二乘损失替换SVM-2K模型中的合页损失,可通过求解线性方程组代替经典多视角学习模型的二次规划求解方法
为满足疫情时期的特殊需要,基于改进YOLOv5模型,设计一款应用于复杂场景的口罩佩戴识别检测系统.系统采用PyCharm集成开发环境,从网络上爬取1600张口罩佩戴相关的图片,在原始k-means算法基础上加入聚类算法,获取与真实框之间的更高的先验框.在人机交互界面使用Qt组件设计,图像和模型数据加载使用开源OpenCV视觉库实现.口罩佩戴检测的核心算法使用目标检测算法中的YOLOv5训练并结合PyTorch框架实现.实验结果表明,系统能够实现多人场景下人群佩戴口罩状况的检测,在多人物以及实时检测场景中准