智能数字式电液比例控制放大器

介绍智能型数字电液比例控制放大器的功能、结构及原理。它与传统模拟比例控制放大器相比具有许多决定性的优点。     

比例控制放大器在电液比例技术中的应用与发展

本文对比例控制放大器在电液比例技术中的应用作了较为详细的介绍，分析和论述了比例控制放大器发展中存在的主要问题及所作的相应改进。指出其今后一段时间内的发展趋势。     

注意力特征融合的番茄叶部早期病斑诊断算法

番茄产量受到病害、天气等因素的影响,其中番茄生长过程中叶片的病害问题是影响番茄产量的最关键因素。然而,在叶片病害检测领域,现有模型普遍存在泛化能力不足以及小病斑漏检率高等问题。提出一种改进的番茄病害早期检测算法,通过对YOLOv5s网络进行多方面的优化来改善这些问题,同时保持模型轻量化。首先,采用Mosaic 9数据增强技术,强化了模型对小病斑的检测能力,增加了图像背景的复杂度,提高了模型的泛化能力;其次,使用GSConv和Slim-Neck网络,在保持模型准确性的前提下轻量化模型,降低计算负担;同时,使用SimAM注意力机制更准确地捕捉叶片上的小病斑特征,从而降低漏检率;此外,为了进一步增强多尺度目标的检测能力,引入自适应空间特征融合,有效地整合不同尺度的特征,提升了多尺度目标,特别是小目标的检测准确性。实验结果表明：该模型在叶片病害早期检测方面表现出色,对叶霉、早疫、晚疫以及健康叶片四种番茄病害的早期平均识别准确率、召回率、F1分数及mAP分别达到了0.951%、0.918%、0.934%、0.948%。可见该方法对于小病斑具有较好的检测性能,改善了模型泛化能力不足及小病斑检测过程中的漏检问题,进一步提高了检测效果。     

基于主成分-贝叶斯分类模型的除草机器人杂草识别方法

计算机应用技术的不断发展加快了各领域人工智能系统的步伐,在农业方面,机器视觉自动除草设备已逐渐成为研究热点。计算机视觉技术是以图像处理为前提,在土壤背景下,准确的识别出农作物与杂草的分布情况,进行有目标性的除草作业,为实现精细农业做出贡献。针对玉米地视觉识草问题,采用颜色、形状、纹理多特征融合技术,利用主成分分析方法进行特征降维,再结合贝叶斯分类算法进行玉米与杂草的识别分类。仿真实验结果表明:此种方法能够实现杂草的有效分类。     

模糊推理算法及信息不确定条件下的诊断应用

针对系统动态特征信息的随机性、模糊性和不完备性，借助模糊数学理论的逻辑推理方法，构造一种可实现农作物病虫害模糊推理诊断模型，给出在已知症状信息条件下的求解算法。仿真算例表明，模糊逻辑推理诊断模型及算法能够有效完成农作物病虫害在多因素、多症状及症状信息不完备条件下的诊断推理，具有一定智能化程度、简单实用等主要技术特点，表现出一定的诊断可靠性。     

基于图像分割的目标检测方法对比研究

奶牛行为识别过程中,奶牛目标精准检测是重要前提。一般的奶牛目标检测采用纹理和颜色信息进行识别,对于长时间静止和复杂背景干扰的目标存在目标丢失和检测不精准问题。针对上述问题,文章将图像分割方法和区域面积剔除方法相结合,实现复杂环境下的静止奶牛目标检测。实验结果表明,该方法达到97.4%的识别率。     

提高智能电液比例控制放大器的可靠性研究

本文重点研究智能电液比例控制放大器的可靠性设计问题。在简要论述集散型控制系统可靠性理论的基础上，提出放大器硬件电路的可靠性设计。