5篇关于食用菌的计算机毕业论文

今天分享的是关于食用菌的5篇计算机毕业论文范文, 如果你的论文涉及到食用菌等主题,本文能够帮助到你

模块化植物工厂内环境智能控制模型研究与系统设计

这是一篇关于模块化植物工厂,食用菌,温湿度CO2预测,内环境控制,系统设计的论文, 主要内容为农业生产面临气候变化、土地退化、城市化、劳动力老龄化以及安全健康食品需求等多重挑战,生产更洁净、更安全的农产品已成为刻不容缓的需求。为应对这些挑战,现代农业正向设施化、高效低耗的植物工厂生产技术转型。分布式、模块化植物工厂已成为提高农业生产效率、降低能源成本等问题的关键途径和发展方向。模块化植物工厂将传统大型植物工厂的功能集成到小型模块化系统中,具备更高的灵活性、可扩展性和应用潜力。当前,该技术仍处于研发和试验阶段。为提高自动化和智能化程度,对环境建模、控制方法以及设备系统的研究和完善是亟待解决的问题。该技术的推广和应用将促进农业生产的可持续性,实现更广泛、更高效的生产和资源利用。本文主要研究内容如下:(1)本文使用模块化植物工厂设备收集了白玉菇生长各阶段的相关环境变量和设备参数。针对数据中的异常情况,提出了一种结合移动中值法和Akima三次样条函数插补的数据预处理方法。对比试验结果显示,该方法能显著提高模型精度,预处理后的数据集在室内温度、湿度和CO2浓度的均方根误差方面分别降低了26.05%、49.13%和53.01%,平均绝对误差分别降低了52.91%、52.03%和66.64%。为应对建模数据高维度和过拟合问题,采用随机森林算法进行特征选择实验,对温度、湿度和CO2浓度三个输出进行数据降维,有效减少了模型误差。(2)针对模块化植物工厂中环境因素的复杂互动、与食用菌生理呼吸的相关性、整体运行机制复杂以及难以监测的参数等问题,提出了一种基于非线性自回归神经网络(NARX)的模块化植物工厂多环境变量预测模型。经对比实验结果表明,该预测模型在室内温度、湿度和CO2浓度的预测方面表现出卓越的性能,其平均绝对误差和均方根误差显著优于其他三种预测模型(Light GBM、XGBoost和LSSVM)。模型可准确预测模块化植物工厂内部环境的未来变化趋势,未来20min对室内温度、湿度和CO2浓度的均方根误差分别为0.0993、3.4441和88.001,为实现智能化控制和生产管理提供了理论支持。(3)综合考虑监测精度和成本效益,开发了基于模块化植物工厂的智能环境参数采集和设备内环境控制系统,完成了硬件开发和软件设计任务。详述了智能内环境控制系统的软硬件设计流程,包括主控制器、环境采集终端和设备控制终端的硬件电路设计、设备布置接线、内环境控制系统软件设计与模型预测控制算法等设计过程。基于One NET云平台构建了云端智能监控系统,并设计了相关应用界面。经过实际测试,所研发系统成功实现了对模块化植物工厂的实时数据监测和设备智能控制,为白玉菇实际生产提供了可靠的技术支持。

食用菌生产全程可视化管理系统的设计与实现

这是一篇关于食用菌,多源异构数据,数据融合,可视化管理的论文, 主要内容为我国是食用菌生产大国,目前食用菌产量位居世界第一,但食用菌的质量与国外发达国家相比还存在着一定差距,最大的问题是食用菌工厂中的生产管理系统较为落后。传统的管理系统在初期总体设计时,没有考虑到未来工厂扩建升级会使用到大量新的物联网设备,导致新增的物联网设备无法接入原有的系统,只能开发各自独立的管理系统,引起了管理系统之间的“信息孤岛”效应。此外,部分数据源自多方,数据不透明、生产管理分散以及上下信息传递不对称的现象,不利于食用菌工厂实现整体化管理的要求。由此,利用现代成熟的前后端分离、B/S架构、多源异构数据采集与处理和数据可视化等技术,开发了能够整合食用菌生产全程数据资源和数据可视化程度较高的可视化管理系统,实现了食用菌工厂生产全程数据和行业动态数据的统一采集、处理和存储,并通过可视化方式对生产全程进行管理,主要研究内容如下:(1)功能需求分析与系统架构设计。通过对食用菌工厂实际生产现场调研和查阅相关文献,针对业务需求、功能性需求和非功能性需求进行了分析,确定了系统的主要功能;完成了系统的架构设计、用户管理、数据可视化界面等13个功能模块的构架设计。(2)多源异构数据采集与处理。划定了数据采集的范围,开发了基于Java语言的聚焦网络爬虫,通过调用阿里云API开发了图片文字识别和语音文字识别;分析数据特点,设计了数据清洗的流程和方法,选定了符合本系统的数据标准化算法、数据降维算法、数据融合算法,并通过Python语言开发了算法代码,采用Jython库成功调用了Python算法代码,实现数据的采集与处理,并通过自适应加权平均算法和灰色预测算法,使数据更为准确,并能对菇房环境参数进行预测。(3)主数据库与云平台的备份数据库搭建。为防止数据丢失,设计了以主数据库为主和云数据库为辅的双数据库系统,选用My SQL作为系统的主数据库,阿里云云数据库RDS作为系统的备份数据库,设计了21张数据库表,并开发实现了主数据库与云数据库的数据表及相互连通。(4)食用菌生产可视化管理系统的实现。选用Vue+Spring Boot框架、前后端分离的B/S架构,使用Javascript语言、Java语言、Python语言、Data V技术、Echarts技术、Lay UI技术等,其中前端通过Axios请求后端接口获得数据,后端项目使用Druid Data Source获取数据库的连接。根据系统的功能需求,共开发了前端8个数据可视化页面,后台37个管理功能模块。测试结果表明,本系统可有效解决多源异构数据之间的“信息孤岛”效应,实现数据资源自动化采集、实时统计分析、实时共享、自动云备份和数据可视化展示与管理等功能,引入了融合算法使得处理后的数据更为准确并可以预测菇房环境参数,实现预警和报警功能,整体提升食用菌工厂生产决策的水平,精准调控食用菌生产活动的能力,提高生产效率和食用菌质量。

食用菌种植集装箱环境控制系统设计

这是一篇关于食用菌,环境可控种植集装箱,智能控制系统,环境预测模型,模型预测控制的论文, 主要内容为本课题根据植物工厂小型化发展态势与都市农业发展需求,集成开发食用菌种植集装箱生产装备与智能控制系统,以满足城市地区本地生鲜产品供应需求同时减小供应链损耗。目前环境可控的设施种植集装箱产业正处于技术创新以及示范推广阶段,缺乏实用的自动环境调控手段且存在一定的人为感性控制,这对于精准的设施环境自动检测以及环境优化调控提出了更高的要求。本文结合食用菌实际生长环境需求,提出并设计一套应用于食用菌种植集装箱的智能控制系统,建立食用菌种植集装箱内环境调控模型,开发基于学习理论的模型预测控制方法,用于环境调控设备优化控制以实现食用菌周年化优质生产。主要研究内容与结论如下:(1)食用菌生长需求分析与控制系统功能设计。实现食用菌的设施化栽培需要一定的环境条件,食用菌生长发育的好坏、产量的高低、质量的优劣,关键在于环境条件对其的适合程度。通过查询相关种植手册同时咨询食用菌培育专家,选择以温度、湿度、CO2和光照为环境控制变量同时确定了对应的控制性能目标,总结了食用菌种植集装箱环境控制系统一般功能需求,分析了种植集装箱内部空间基本概况,确定了控制系统总体框架与布局。(2)控制系统硬件系统设计与软件功能开发。根据系统功能所需,结合所提出的控制系统框架对系统硬件设备以及软件系统功进行了设计与实现。具体自行设计硬件模块包括有主控制器模块、内环境监测传感器模块、调光控制器模块,针对各模块实际功能需求设计了对应硬件电路;根据确定的环境调节变量,按照相关标准规范以及设计实例对系统所用内环境调控设备进行计算选型;为满足实际使用需求,采用模块化编程方法确定手动控制、自动阈值控制、模型预测控制三种调控方式。生产试运行代表性月份单日传感器数据接收率均超过99.8%,数据损失每天少于3条,结果表明基于自动阈值控制下种植箱体内部环境调控总体具有良好的稳定性,能够满足食用菌设施化培育需求。(3)高精度内环境预测模型构建。针对食用菌种植集装箱内部环境优化调控需要,基于辨识建模理论与深度学习技术对箱体内部环境变化特征进行学习与预测模型构建。以食用菌种植集装箱内、外环境因子历史数据与设备动作状态历史数据作为种植箱体内环境预测模型的输入量,采用时序分析理论以及深度学习网络(LSTM-GRU)建立种植箱体内环境预测模型以模拟并预测食用菌种植集装箱内部温度、湿度以及CO2含量变化情况。通过对采集数据的测试集进行结果分析可知,所构建差分预测输出模型对于三种环境因子的线性回归决定系数均超过0.95,其中温度、湿度、CO2含量的预测均方根误差分别为0.026、0.655、15.382,所构建内环境预测模型能够较好模拟并预测种植箱体内部环境的变化情况。(4)模型预测控制算法开发与实现。针对食用菌种植集装箱内部环境变化具有的多变量影响、强耦合关系、非线性波动等特点,提出一种考率内、外环境历史变化以及设备历史动作因素的模型预测控制算法以实现种植箱体内环境优化控制。该模型预测控制算法基于所构建高精度内环境预测模型,以维持箱体内部环境因子动态稳定和设动能耗最优为控制目标设定目标优化函数,通过多次预测迭代确定环境调控设备最优动作状态。实际验证结果表明,所构建模型预测控制方法应用于食用菌种植集装箱的温度控制最大偏差为0.84℃,湿度最大控制偏差为3.37%RH,CO2含量最大控制偏差为64 ppm,满足系统设定的控制精度需求。综上所述,本研究针对食用小型集装箱式设施化培育,开发了相应的智能环境控制系统,通过对相应的关键参数进行数据采集、整理和分析,完成了针对基于多变量因子的种植箱体内环境神经网络控制模型以及模型预测控制算法的构建。通过生长环境需求分析、硬件搭建、软件开发和神经网络模型搭建及比较试验相结合的方式,实现针对食用菌种植集装箱栽培环境环控设备的优化。