基于能量自搜集的智慧城市无线感知节点供电系统研究

无线传感器网络技术的发展与推广,受到供电问题的制约。研究了一种供电系统,为解决无线传感网络的供电问题提供一种可行的参考方案。提出了一种基于能量自搜集的智慧城市无线感知节点供电系统,该系统采用多晶太阳能电池板搜集光能,采用温差发电片搜集热能,以压电陶瓷为基础制作的悬臂梁实现了对振动能的采集,并将搜集到的能量转化为稳定的直流电能并进行智慧化存储管理,为本系统的无线传感器模块供电。该系统最短可在177 s内将超级电容充电至4 V,或将搜集到的能量稳定地储存到锂电池中,从而为无线感知节点持续供电。所研究的系统在无线传感器网络技术领域具有广阔的应用前景。     

基于多传感器信息融合的白芨霉变快速检测方法研究

探索了一种基于多传感器融合感知的白芨霉变快速检测系统。采用多个气体传感器构建检测阵列,并建立了适用于白芨霉变快速检测的非线性信号分析模型,探索多传感器检测特征信息之间的耦合机制,采用构建检测系统实验检测了不同霉变程度的白芨样品,建立起白芨霉变快速检测模型,拟合参数表明该模型具有较好的拟合精度。验证实验证明本研究所建立的白芨霉变快速感知模型可以满足白芨霉变快速检测的需要。     

一种基于弛豫动态光谱技术的苹果损伤检测方法研究

在运输过程中，苹果的机械损伤每年都造成很大的经济损失。现有的苹果品质检测技术虽然能够精准判断苹果是否发生损伤，但是价格高昂，体积庞大，难以推广使用。针对以上情况，本文探索了一种基于弛豫光谱技术和BP神经网络算法的苹果损伤检测方法。文中以红富士苹果为实验对象，通过自主搭建的弛豫光谱采集系统采集光谱信号，使用SNV算法优化光谱数据，基于BP神经网络算法构建SNV-BP-RS苹果损伤检测模型，该模型准确率为91.48%，检测用时为0.291s。文中同时基于传统光谱建立了SNV-BP-CS苹果损伤检测模型，该模型准确率为86.39%，检测用时为0.454s。经过对比，本文提出的检测方法大大降低光谱检测系统对检测波段的需求，检测系统具有体积小、价格低等优势，检测模型准确率高，稳定性良好，为水果高效、低成本判伤提供一种新的思路。     

基于轻量化卷积神经网络的多肉植物种类识别研究

目前多肉植物产业在我国发展较快，市场前景广阔，由于其具有品种繁多、形态多变、类间相似度高等特点，导致多肉植物种类辨别难度较大。方法：针对上述问题,本研究提出一种基于改进MobileNet V3网络与迁移学习的多肉植物图像分类方法，将Bottleneck模块前六层的ReLU激活函数换成LeakyReLU激活函数，优化了SE模块，添加了Dropout层提高模型的泛化性。结果：试验通过改进MobileNet V3网络对13种多肉植物图像进行种类识别，准确率为97.35%，并且可以实时稳定地对多肉植物图像进行分类,使用Focal Loss代替交叉熵损失函数，达到平衡样本的目的。结论：研究结果表明，利用改进MobileNet V3网络对多肉植物种类识别具有一定可行性。