基于小波变换的植物电信号降噪方法研究

植物叶片电信号是一种低频(5 Hz)、微弱(μV级)、随机非平稳的时变信号,而且采集的植物电信号混有大量噪声,但传统的降噪处理方法很难去除植物电信号中的干扰信号,提出小波阈值降噪处理植物电信号。对采集到的鹅掌柴叶片电信号进行滤波把频段限制在100 Hz以下,然后利用小波变换进行降噪处理把混合在鹅掌柴电信号中的同频段的干扰信号分离。实验结果表明,该方法不但可以去除鹅掌柴叶片电信号中的干扰噪声信号,而且可以筛选出动作电波,对以后植物电信号分析及其他一维信号降噪处理具有一定的实际意义。     

BP神经网络在土壤水分预测中的应用

土壤水分预测是一个复杂的非线性系统,受土壤复杂结构和气象因子影响显著,很难建立一个理想的土壤水分预测数学模型。本文利用BP人工神经网络方法建立了土壤水分预测模型,该模型的预报精度较高,其最大绝对误差为3．12％,最小绝对误差为0．63％,平均绝对误差为1．38％。预测结果表明应用BP神经网络建立的土壤水分数学模型适用于土壤水分的预测,能够比较准确的预测土壤水分,具有较好的预测精度。     

基于太阳能供电的寒地水稻育秧棚环境参数采集终端设计

水稻育秧环节是寒地水稻种植的必要步骤,只有培育壮秧才能确保水稻高产,育秧过程中,不同育秧时期秧苗对所需的棚内空气温湿度、土壤水分、土壤温度等要求不同,只有搭建适合的生长环境,才能达到培育壮秧的目的。本设计根据寒地水稻育秧所需的特有生长环境及黑龙江垦区育秧期的实际环境状况,研制了基于太阳能供电的棚内参数采集终端系统,该系统可以实现棚内多种环境参数的实时采集,并能通过无线或短信等方式将环境信息上传到监控中心的PC机或用户手机中,使技术人员实时掌握棚内的环境状态,具有低功耗、可靠性高、通用性强等特点。     

寒地粳稻种子的拉曼光谱鉴别方法研究

针对水稻种子的品种鉴别存在检验周期长、种类少等实际问题,本研究提出一种高效、快捷、准确鉴别水稻种子的方法。以拉曼光谱技术为基础、寒地粳稻种子为研究对象,进行快速、准确鉴别。首先,利用Savitzky-Golay(SG)、一阶导(1-Der)、二阶导(2-Der)、迭代自适应加权惩罚最小二乘(AIRPLS)和均值中心化(MC)预处理方法及其组合对原始光谱进行预处理,研究不同预处理方法及组合的偏最小二乘判别(PLSDA)和支持向量机(SVM)模型判别效果;其次,应用光谱-理化共生距离(SPXY)法对预处理数据进行样本划分;最后,通过连续投影算法(SPA)、逐步回归(SR)和竞争自适应重加权采样法(CARS)对特征波段进行提取,对比分析不同预处理下的特征波段与全波段建模效果和检测时间差异。结果表明：在13种预处理方法中,AIRPLS+1-Der组合预处理效果较好,在PLSDA和SVM模型中测试集准确率均达到95.45%以上;在3种特征提取方法中,基于 CARS 方法的特征波段在两种鉴别模型中准确率达到96.97%,而且模型运行速度较快,这说明基于拉曼光谱技术对寒地粳稻种子进行快速、准确鉴别是可行的。     

电子秒表设计与分析

以NE555芯片为核心,组成多谐振荡器,与CD4062十进制译码器组成计数电路。CD4026输出端信号具有规律可循,经反馈后获得进位脉冲信号和清零信号,可实现秒表计数功能。并选取电阻,电容,数码管,设计出4位十进制LED数码管显示时间,显示范围从00.00~到99.99s。计时开始,计时停止和显示回0功能由开关控制。