基于Java手机的野外农田数据采集与传输系统设计

为了解决“数字农业”中对野外农田数据采集传输的机动性,跨平台与经济性,在分析当前农田数据野外采集现状的基础上,提出基于Java手机平台野外农田数据采集与传输系统的设计方案。在B/S网络构架下,详细分析客户端与服务端系统设计客户端设计主要包括农田数据采集、数据传输、信息查询、定位导航;服务端设计主要包括数据接收与传输,数据存取,数据检索以及地图服务等。通过试验,结果表明基于Java手机的野外农田数据采集与传输系统设计切实可行,在野外数据采集方面具有良好的移植性,数据传输较快,费用较低,具有较大的研究与实用价值。

基于虚拟仪器的农田信息采集与处理系统

基于虚拟仪器技术开发了精细农业空间信息及属性信息的快速采集与实时处理系统.该系统由传感器、全球定位系统(GPS)接收机、数据采集(DAQ)卡与计算机等组成.软件平台的设计采用LabVIEW.利用多种传感器采集农田的属性信息,输出信号经数据采集卡传输到计算机;利用全球定位系统获取空间信息,经由串行端口接入计算机,由软件平台分析和处理.结果表明,该系统可实时同步地测量和分析农田的多源信息,并利用数据库系统管理测量数据,测量项目易于扩充,为精细农业田间信息快速采集和处理设备的开发以及与地理信息系统(GIS)、管理信息系统(MIS)的联结奠定了基础.

风电场台风测风数据分析综述

中国东南沿海是中国经济最发达和财富最集中的地区,有着丰富的风资源,在此区域兴建了大量的风电场,随着风能利用开发的不断深入和发展,沿海受台风影响的问题越来越受到重视,针对台风的研究变得日益重要。本文详细地列出了分析台风数据时应重点分析的参数,并重点介绍了如何分析风场特性。

深度学习在大田种植中的应用及展望

深度学习是目前机器学习领域最前沿和最具前景的技术,本研究采用归纳总结法,介绍了深度学习的特征及与传统机器学习的区别,归纳和梳理了深度学习在大田种植中的应用现状。结果表明:1)深度学习在大田种植中的应用初现端倪,主要集中在作物的识别与分类、农业遥感影像应用、土壤环境监测、农业场景识别等;2)采用的主要模型有卷积神经网络(CNN)、自编码(AE)、深度置信网络(DBN)、堆栈自编码(SAE)、全卷积神经网络(FCN)、深度神经网络(DCNN)等,其对各领域的分类与识别精度均有提高;3)目前存在的主要问题是标注数据缺乏,尤其在遥感图像分类领域,普遍采用了迁移学习、数据增强、微调等技术来解决标注数据缺乏的问题。随着大田种植领域数据的增长以及信息技术的快速发展,基于深度学习和多源异构数据的作物识别与分类、作物长势监测、病虫害预测预警、农作物产量预测、果树花朵及果体识别、水果质量及产量的优化控制等将会获得较快发展。