公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

利用光谱数据快速检测土壤含水量的方法研究被引量：41: 2009年; 应用美国ASD公司的FieldSpec HandHeld型可见/近红外光谱仪获得了52份不同含水量土壤的可见/近红外漫反射光谱数据,并通过实验测定了各土壤样本的含水量值,运用相关系数法寻找出了光谱对于土壤水分的敏感波段,然后利用单一敏感波段处的光谱数据建立了一元回归模型,并检测了土壤含水量。实验结果表明,该模型对土壤水分的检测效果比较好,模型的预测相关系数r为0.966 5,预测均方根误差RMSEP为0.012 1,为快速、准确检测土壤含水量提供了一条新的途径。; 宋韬鲍一丹何勇; 关键词：土壤含水量

基于无线传感器网络的粮虫声信号采集系统设计被引量：24: 2010年; 为了解决现有储粮害虫声信号采集系统存在的扩展性差、智能化程度不高、性价比较低、灵活性不强、数据传输能力较弱等问题,该文分析了现有储粮害虫声信号采集系统存在的局限性,在此基础上,利用无线传感器网络和压缩感知技术,设计了一种新型储粮害虫声信号采集系统,给出了系统结构和软硬件实现方法,并将其用于采集储粮罐内赤拟谷盗成虫的爬行声。试验结果表明,系统设计方案合理可行,且由于使用了压缩感知技术,在采样频率为10KHz的情况下,可实现20个采集节点所产生的声信号原始采样数据的远程、实时、可靠无线传输。该研究为无线传感器网络在储粮害虫防治中的应用做出了探索。; 韩安太何勇李剑锋陈志强孙延伟; 关键词：声信号处理无线网络传感器储粮害虫压缩感知

润滑油黏度可见/近红外光谱快速无损检测方法被引量：10: 2011年; 提出了一种应用可见/近红外光谱技术进行汽车润滑油黏度快速无损检测的新方法。对150个润滑油样本进行光谱扫描和平滑、变量标准化等预处理,比较了不同建模方法的检测精度。采用主成分分析法(PCA)和连续投影算法(SPA)2种方法提取的特征变量作为模型输入变量,分别建立了偏最小二乘模型(PLS)、多元线性回归模型(MLR)和反向传输人工神经网络模型(BPNN)。结果表明,PCA-BPNN和SPA-BPNN模型的预测效果远优于其它模型(PCA-PLS、PCA-MLR、SPA-PLS和SPA-MLR),预测相关系数(r)分别为0.971和0.964。表明BPNN模型可以很好地利用光谱数据中的非线性信息,同时也表明SPA是一种有效的特征波长提取方法,选取的特征波长有利于汽车润滑油黏度快速检测仪器的开发。; 蒋璐璐张瑜刘飞谈黎虹何勇; 关键词：润滑油黏度人工神经网络连续投影算法

基于无线传感网络与模糊控制的精细灌溉系统设计被引量：45: 2009年; 为准确判断作物需水量并确立合适的灌溉控制策略,实现作物的自动、定位、实时与适量灌溉,设计了基于ZigBee无线传感网络与模糊控制方法的精细灌溉系统。该系统通过ZigBee无线传感器网络采集土壤水势与微气象信息(包括环境温度、湿度、太阳辐射与风速等),并传输灌溉控制指令;结合FAO56 Penman-Monteith公式计算农田蒸散量,并将农田蒸散量和土壤水势作为模糊控制器的输入量,建立了多因素控制规则库,实现了作物灌溉需水量的模糊控制。试验结果表明该系统经济实用、通信可靠、控制准确性高,特别适用于中小型灌溉区域的精细灌溉。; 张伟张伟何勇裘正军曹坚钱苏翔金建芳; 关键词：灌溉无线传感器网络模糊控制 ZIGBEE

基于光谱技术鉴别机油品种的新方法被引量：9: 2009年; 提出了一种用可见近红外透射光谱技术快速鉴别机油品种的新方法,应用可见-近红外光谱仪测定三种机油的光谱曲线,然后用主成分分析法对不同品种的机油样本进行聚类分析,并获取机油可见-近红外光谱的特征信息,再结合多类判别分析技术建立机油品种鉴别的模型,对经过预处理的光谱数据进行主成分分析。结果表明,以样本在第一主成分和第二主成分上的得分做出的二维散点图,对不同种类机油具有很好的聚类,能定性区分不同种类机油;经过主成分分析得到的前8个主成分的累积可信度已达95.38%,说明这8个变量能够代表绝大部分原始光谱的信息。从180个样本中随机抽取150个样本用于建立多类判别分析品种鉴别模型,余下的30个样本用于验证。对未知的30个样本进行品种预测,准确率为100%。证明本方法具有明显的分类和鉴别作用,为不同品种的机油鉴别提供了一种新方法。; 周子立蒋璐璐谈黎虹何勇李晓丽邵咏妮; 关键词：光谱学机油近红外光谱主成分分析

基于可见/近红外漫反射光谱的土壤有机质含量估算方法研究被引量：17: 2011年; 为研究不同土壤颗粒粒径对可见/近红外光谱分析技术在土壤有机质含量快速检测应用中的影响,获取粒径为0.169-2 mm和〈0.169 mm的2种土壤样本（各53个）的可见/近红外光谱（325-1 075 nm）,分别建立各自的主成分-反向传播神经网络（PCA-BPNN）、最小二乘-支持向量机（LS-SVM）和偏最小二乘法（PLS）土壤有机质含量检测模型.结果表明：当土壤粒径为0.169-2 mm时,所建立模型的土壤有机质含量预测相关系数r均在0.84以上,且预测均方根误差（RMSEP）都在0.20以下;而当土壤粒径〈0.169 mm时,所建立模型的预测相关系数r均不超过0.71,而RMSEP都在0.23以上;对于相同粒径的土壤,PLS模型对土壤有机质含量的预测效果优于LS-SVM和PCA-BPNN模型.说明不同土壤颗粒粒径会显著影响可见/近红外光谱对于土壤有机质含量的预测结果.; 岑益郎宋韬何勇鲍一丹; 关键词：土壤有机质含量土壤粒径反向传播神经网络偏最小二乘法

全选清除导出

共1页<1>

国家科技支撑计划(2006BAD10A0902)