农业智慧大屏监控系统的设计与实现

当前智慧温室大棚系统过程数据的综合利用率低,种植经验与果蔬生长过程数据无法实时监控,导致无法更好的控制果蔬的生长过程环境的数据。该文通过智慧大屏的监控系统实现对大棚农作物生长过程环境参数进行实时跟踪,实现温室大棚果蔬的种植环境的过程优化。实验证实,该方法能够有效地提升对大棚作物的监控,对果蔬的种植管理有较好的改进。     

基于ASP.NET的课目考试平台的设计与实现

由于传统的改卷模式效率低下,重复性工作较多。为解决这一问题,提出一种基于ASP.NET的课目考试平台,该平台采用SQL server数据库存储试题库,运用ASP.NET和C#搭建平台结构,以B/S的形式展示考试界面,界面操作简单,零安装,方便学生和教师操作。目前该平台已完成设计并且投入到实际教学中运用,经过调查发现,平台运用后明显减少教师重复性工作。     

基于ViLBERT与BiLSTM的图像描述算法

传统图像描述算法存在提取图像特征利用不足、缺少上下文信息学习和训练参数过多的问题,提出基于ViLBERT和双层长短期记忆网络(BiLSTM)结合的图像描述算法.使用ViLBERT作为编码器,ViLBERT模型能将图片特征和描述文本信息通过联合注意力的方式进行结合,输出图像和文本的联合特征向量.解码器使用结合注意力机制的BiLSTM来生成图像描述.该算法在MSCOCO2014数据集进行训练和测试,实验评价标准BLEU-4和BLEU得分分别达到36.9和125.2,优于基于传统图像特征提取结合注意力机制图像描述算法.通过生成文本描述对比可看出,该算法生成的图像描述能够更细致地表述图片信息.     

基于地图投影的三维脑电地形图绘制

直接在三维表面上进行脑电地形图的插值绘制具有较高的算法复杂度,在实际应用特别是商用脑电处理软件方面具有一定的局限性.针对该问题,本文利用地图投影理论将三维头表空间投影到二维空间并完成电位插值,最后再将插值电位反投影到三维头表空间,完成三维头表地形图的绘制.由于该方法是在二维空间完成插值,极大地降低了算法的复杂度,提高了算法的效率,具有明显的工程意义.     

一种使用帧间差值的图像传感器片上视频压缩算法

为了减少图像传感器视频数据的输出,提出了一种通过编码相邻两帧之间差值的无损视频压缩算法.算法首先将基于差分脉冲编码调制原理的差分操作在模拟域实现,减小了电路的复杂度.然后两帧之间的差值被基于块的无损压缩方案编码.实验结果证明,压缩后的图像数据可以被无损失的还原.通过对7个具有代表性的8位深度1280×720@60 fps的样本视频进行测试,在块大小为4×4和模式切换阈值为63时实现了最佳的压缩效果.在几乎没有光的条件下压缩率高达78.5％.在复杂运动场景下该算法压缩率为43.5％.提出的压缩算法更适用于长时间处于静止场景的视频录制.     

基于MEMS电容式加速度计的闭环读出电路设计

设计了面向圆片级封装的一种闭环加速度计读出电路.在基于电容式微加速度计结构的读出电路设计中考虑了寄生电容对整个系统的影响.用MATLAB SIMULINK对所设计的读出电路进行了建模仿真.在仿真过程中分析了噪声、圆片级封装与普通封装的寄生参数及实际工艺中流水结构的不对称性的影响并进行了比较.结果表明,所设计传感器及读出电路的非线性误差在量程±20 gn范围内小于0.5％;圆片级封装的稳定时间在2 ms,小于普通封装的稳定时间;基于圆片级封装的对称性梳齿结构的输出电压灵敏度为328 mV/gn.     

双十字轴对称式结构压磁式力传感器设计与研究

该研究针对拖拉机电液提升设备所用的压磁式力传感器进行了分析,设计了一种双十字轴对称式力传感器.改进传感器励磁磁芯结构并增加励磁磁芯的数量,增大了磁场偏置程度,实现了同时检测两个方向上的作用力,也实现了同时检测多个剪切面上的作用力,更加符合拖拉机电液提升设备的实际使用状况,提高了传感器灵敏度.建立了传感器磁路数学模型,并根据数学模型在MATLAB/Simulink中建立仿真模型,通过仿真和实验对传感器静态性能进行分析,验证了该传感器不存在因自身结构改进而产生零点漂移现象,得到了不同作用力下的传感器输出特性,验证了传感器磁路数学模型推导的正确性,显示出该传感器具有较高的灵敏度,能更好的适用于拖拉机电液提升设备.     

一种面向跨项目软件缺陷预测的特征过滤与实例迁移框架

在跨项目软件缺陷预测中,源项目与目标项目的特征关联度与实例分布差异性是影响预测模型性能的主要因素。本文从特征过滤与实例迁移2个角度出发,提出一种跨项目软件缺陷预测框架KCF-KMM(K-medoids Cluster Filtering- Kernel Mean Matching)。在特征过滤阶段,该方法基于K-medoids聚类算法来筛选特征子集,过滤与目标项目关联度低的特征。在实例迁移阶段,通过KMM算法计算源项目与目标项目实例间的分布差异度,以此分配每个训练实例的影响权重。最后,结合目标项目中少量有标注数据建立混合缺陷预测模型。为了验证KCF-KMM的有效性,本文从准确率和F1值的角度出发,分别与经典的跨项目软件缺陷预测方法TCA+、TNB和NNFilter相比,KCF-KMM的预测性能在Apache数据集上可以分别提升34.1%、0.8%、21.1%和14.4%、3.7%、10.6%。     

快速卷积算法的综述研究

卷积神经网络是深度学习算法应用最广泛的方向之一,目前卷积神经网络的应用不仅仅是停留在科技领域,已经扩展到医学、军事等领域,并且已在相关领域发挥着巨大的作用。卷积是卷积神经网络中最为核心的一部分,卷积运算占整个网络70%以上的时间,所以针对卷积运算的加速研究就显得十分重要。首先介绍近年来的卷积算法,并对其复杂度进行分析,总结了这些算法各自的优点和不足,最后对其理论研究和应用领域可能存在的突破进行了探讨和展望。     

标注Petri网中的最小初始标识估计

为获得制造系统初始化时的最小资源以实现最优资源分配,利用标注Petri网对系统进行建模,并研究标注Petri网的最小初始标识估计问题。给定一个标注Petri网,在不可观测变迁组成无环子网的情况下,基于动态规划提出一种新的最小初始标识估计算法。在观察到给定的标注序列后,放宽不可观测变迁发生个数的限制,并根据该算法构建节点的演化过程。当出现相同的发生数向量时,仅保留当前极小的初始标识估计,并通过节点的演化过程对极小初始标识估计的托肯总数进行对比。为验证算法的有效性,给出一个制造系统的标注Petri网模型实例,最终得到的最小初始标识为［1000］^T,且对应的变迁发生序列为t₁t₃t₄t₆,满足给定标注Petri网的结构要求。实验结果表明,与传统基于动态规划的算法相比,该算法获得的最小初始标识估计具有更小的托肯总数。