采用广义预测控制与物联网的智能温室灌溉

针对当前商业温室自动灌溉系统控制成本、用水量较高的问题,提出一种基于广义预测控制与物联网的智能温室灌溉系统。首先,采用农作物的蒸腾作用模型触发事件的产生;其次,将基质湿度值与事件产生模块的输出作为广义预测模型的输入;最终,将零阶保持器模块的输出作为驱动系统的输入,控制温室灌溉系统的开启与关闭。基于事件的控制器包含2个部分:事件检测器与控制器,事件检测器决定是否将新发生的事件通知控制器,控制器由1组广义预测控制器组成,当检测到1个新的事件时,根据时间点选择其中1个广义预测控制器。在南通地区的连栋温室试验结果表明,本控制系统在实现有效温室灌溉效果的前提下,降低了20%的用水量,并减少了灌溉系统的开启时间,降低了控制的成本。

船舶避碰系统中的物联网感知层的关键数据查询算法

物联网感知层的关键数据查询结果直接影响船舶避碰系统的性能,针对当前物联网感知层的关键数据查询效率差,查询精度低等不足,提出一种新型的物联网感知层的关键数据查询算法。首先对当前物联网感知层的关键数据查询研究进行分析,指出当前算法存在局限性的原因,然后采用聚类算法对物联网感知层数据进行聚类分析,降低数据冗余,并采用群智能优化算法对物联网感知层的关键数据进行查询,最后的物联网感知层的关键数据查询仿真测试结果表明,本文算法可以快速、准确找到物联网感知层的关键数据,比其它算法的物联网感知层的关键数据查询结果更优。

渣土车车牌字符智能识别研究

考虑渣土车车牌的统一黄底且易生锈或遭受沙泥污染等因素,着重研究车牌字符识别中的关键技术问题。首先针对车牌为黄底黑字特点,基于图像颜色信息实现车牌快速粗定位;然后创新性的运用双线性拟合与错切变换相结合的方法,实现基于彩色车牌图像的倾斜校正;接着,采用改进的统计分析方法有效的消除了间隔符、多垂直边框的影响以及"川"字符难以分割的问题,进一步采用模板匹配法实现字符智能识别。最后,实验测试验证了所提方法的有效性。

容器密封性智能检测方法及系统实现研究

容器密封性是包装生产过程中质量检测的重要环节,传统的像素边缘检测都是进行粗定位,边缘不清晰且运行时间长,包装过程中的抖动现象会造成目标成像模糊。基于机器视觉、去抖动的亚像素边缘检测的原理,提出了一种容器密封性智能检测的方法并进行系统实现。首先采用金字塔去抖动机理将图像复原;然后采用亚像素边缘检测方法结合了形态学算子法和三次样条插值处理,运用改进的CSS角点检测算法来检测容器的密封性;最后构建了系统实验平台并进行实验,验证了所提方法的可行性和有效性。实验结果表明,该方法比像素级方法检测效果更好,准确率在95%以上,可为连续生产线容器密封性实时检测系统的设计提供参考。

基于深度学习的数据中心光通信色散估计与管理

最大似然估计能够准确地估计光通信的色散,但其对高速符号传输的计算复杂度较高,云计算数据中心的光网络是一种高速光通信的情况,为了降低数据中心中光通信色散估计的计算成本,设计了一种基于深度学习的数据中心光通信均衡器。基于人工神经网络的均衡器分为两个阶段,第一阶段采用光信道的脉冲响应数据对人工神经网络进行训练,对人工神经网络的模型参数进行优化,建立人工神经网络的非线性响应模型;第二阶段采用训练的人工神经网络均衡器对光信道的传输数据进行处理,实现对光信道色散的估计与补偿。按照数据中心的光网络方案进行了仿真实验,结果显示,基于人工神经网络的均衡器提高了光通信的光信噪比,并且延长了光通信的传输距离。

基于深度学习与随机森林的高维数据特征选择

针对特征选择算法对高维大数据降维效果与稳定性差的缺点,提出一种基于深度学习与随机森林的大数据特征选择算法。设计基于随机森林的特征消除算法,对高维大数据集进行特征降维处理;采用保留的特征对受限玻尔兹曼机进行训练,确定受限玻尔兹曼机的模型结构与权重;使用训练受限玻尔兹曼机的学习参数初始化一个多层神经网络,通过标准的后向传播方法训练多层神经网络。基于多组数据集的实验结果表明,该算法提高了高维数据集特征选择的化简效果,保持了较高的稳定性与鲁棒性。