基于机器视觉的高空灯诱害虫智能识别系统的研究与实现
这是一篇关于高空灯诱害虫,机器视觉,智能监测,YOLO,Android的论文, 主要内容为水稻迁飞害虫每年给水稻的生产造成严重的产量与经济损失,做好水稻迁飞害虫的种群动态监测对准确指导害虫防治工作具有重要的意义。高空测报灯是专为迁飞害虫测报研发的设备,它利用昆虫的趋光性诱捕在高空中飞行的昆虫,从而掌握其迁入时间、迁入量等信息用于指导防控工作。相比于监测迁飞昆虫的昆虫雷达,高空测报灯具有诱集昆虫量大、害虫消长曲线明显、应用成本低等优点。但是目前基于高空测报灯的测报工作需要人工对目标害虫进行识别计数,存在识别效率低、劳动强度大、数据不可追溯等问题,难以满足大范围水稻迁飞害虫实时测报的需求。为了替代水稻迁飞害虫的人工识别,本文设计并建立了高空测报灯的机器视觉模块,以稻纵卷叶螟(Cnaphalocrocis medinalis)、褐飞虱(Nilaparvata lugens)、白背飞虱(Sogatella furcifera)3种水稻迁飞害虫和非迁飞害虫二化螟(Chilo suppressalis)为研究对象,建立了基于机器视觉的高空灯诱害虫自动识别模型,开发了高空灯诱害虫智能识别系统,实现了高空迁飞害虫的自动化识别和实时监测。主要研究内容与结果如下:(1)设计并建立了高空测报灯的机器视觉模块。针对传统高空测报灯自动化程度低、需要人工进行识别计数的问题,本文在传统高空测报灯的基础上设计了带有多层散虫结构的机器视觉模块。该模块以Android工业平板为控制中枢,使用多层散虫结构分散昆虫,并调用工业相机对分散后的昆虫进行拍照。同时,使用基于机器视觉的高空测报灯采集灯诱害虫图像数据,并使用Label Img工具进行标注形成高空灯诱害虫图像数据集。(2)研究并比较了四种基于深度学习的高空灯诱害虫检测模型。为了选出适合高空灯诱害虫的检测模型,训练和测试了Faster R-CNN、YOLOv3、YOLOv4、YOLOv5四种目标检测算法。结果表明,YOLOv4综合性能优于其他三种模型,它的运行速度为0.95帧/秒,对二化螟、稻纵卷叶螟、白背飞虱和褐飞虱的识别准确率分别达到了77.73%,73.66%,66.72%和71.27%,展现出了识别速度较快,检测精度较高,移植性强的特点,更加贴合实际应用需求。因此,选取YOLOv4模型作为高空灯诱害虫识别的基础模型。(3)建立了基于YOLO-LPNet的高空灯诱害虫识别模型。为提高高空灯诱害虫识别模型的检测效果,本文以YOLOv4模型为基础进行改进,提出了高空灯诱害虫识别模型YOLO-LPNet。针对小目标害虫在图像中所占的面积比例较小,特征提取网络提取出有效特征效果较差的问题,在模型中引入了交叉滑窗取样方法,有效提高了小目标害虫特征显著性,改善了模型的漏检问题;同时,引入了SENet通道注意力机制改善目标害虫与干扰害虫之间的误检问题,提升了目标害虫检测的召回率与精确率。YOLO-LPNet对二化螟、稻纵卷叶螟、白背飞虱和褐飞虱的识别准确率分别达到了85.76%,90.94%,74.80%和71.67%,分别提升了8.03,17.28,8.08,0.40个百分点;召回率分别达到了90.80%,86.01%,73.28%,81.39%,分别提升了19.85,25.88,18.04,22.15个百分点。(4)建立并测试了基于机器视觉的高空灯诱害虫智能识别系统。针对基于传统高空测报灯的测报工作人工投入大、数据难以追溯的问题,本文建立了包括基于机器视觉的高空测报灯、服务器端和Android客户端三部分的高空灯诱害虫智能识别系统。使用Django框架进行服务端程序开发;创建My SQL数据库以存取信息;利用Android Studio开发Android客户端。系统开发完成后,在云服务器上部署了该系统并进行了测试,以验证其可靠性。结果显示,系统的功能完整性、Android端稳定性、运行速度等指标均符合预期效果。该系统识别图像FPS达0.65帧/秒,为实时、准确识别高空灯诱害虫提供了思路。
分布式光伏电站监测及能效分析系统的研究与开发
这是一篇关于光伏发电,分布式光伏电站,智能监测,能效分析的论文, 主要内容为世界范围内的能源短缺和环境污染问题日益严重,推动了国际社会对可再生清洁能源的开发和利用。由于太阳能光伏发电具有可观的经济效益和环境效益,近年来太阳能产业迎来了新的发展机遇。我国太阳能资源丰富,同时由于环境污染和能源问题亟待解决,国家正逐步加大对光伏电站的投资建设力度。光伏电站分为集中式光伏电站和分布式光伏电站两种,近年来分布式光伏电站所占比例逐渐上升。为了保障分布式光伏电站安全而高效地运行以及电网调度控制的需要,必须对光伏电站的各个设备以及发电功率进行全面的智能化监控。本文在对光伏电站的监测技术以及能效分析进行深入研究的基础上,给出了分布式光伏电站监测及能效分析系统的体系结构和实施方案,将整个系统分为数据采集层、数据处理及传输层和数据展示与分析层三个层次。数据采集层采用GPRS DTU模块采集现场数据并根据协议进行解析,将异构数据同构化；数据处理及传输层利用WebService技术实现了实时设备状态以及发电数据的处理与传输；数据展示与分析层对设备数据和发电功率数据进行灵活而全面的分析和展示；建立了一套适合分布式电站的发电效率计算模型,对光伏电站各个设备以及整个电站的能效进行估算和分析,为电站的维护以及今后电站的建设提供数据支持。最后,利用信息融合技术基于SSH框架完成了分布式光伏电站及能效分析系统的开发。本文实现的软件系统具有电站数据实时采集、生产运行管理、设备实时监测、历史数据对比分析以及电站发电能效计算、分析等功能。目前,已经在新疆、天津等地上线运行。实际应用表明,该系统能够对电站的智能化管理和维护提供了有效支持,可以提高电站运维管理的工作效率,对监测过程中产生的大量数据进行对比分析以及电站能效评价,得到影响光伏电站发电效率的各类因素,从而对今后电站的建设和维护提供依据。
地震前兆信号观测仪器嵌入式数据服务中间件的设计与实现
这是一篇关于地震前兆,嵌入式系统,中间件系统,智能监测的论文, 主要内容为地震前兆信号观测仪器生成的地震监测信号数据,是防震预警领域中的关键信息,需要对其建立可靠、快速的管理方式。随着我国的地震信号预警系统体系的不断完善,越来越多的地震前兆信号观测仪器设备被加入到地震信号预警体系之中来,也引发了或多或少问题的出现。例如前兆设备信息采集层与上层应用层的数据显示存在一定的异构性,数据格式有较大的差异性,在多平台多设备之间缺少足够的共存性。这就需要一种高效、可靠、易于嵌入的数据管理和服务软件系统,通过在数据终端上的通用性部署来解决这一问题。本文提出了一种基于B/S架构的地震前兆信号观测设备与远程访问终端交互的数据服务中间件(Data Service Middleware)方案,结合嵌入式技术实现了异构终端的兼容式和通用性部署,较好解决了相关问题。本文主要完成的工作如下:(1)分析多种地震前兆信号观测仪器的工作原理与信号读出需求,确定了本嵌入式数据服务中间件系统的总体功能,制定了系统的设计方案(2)根据方案完成了软件系统设计。以基于I.MX6ULL嵌入式处理器为核心的硬件平台,完成了嵌入式平台中Java开发运行环境的搭建和驱动程序的适配。基于Spring Boot后台开发框架和lay UI、Vue等前端开发框架,配合轻量级My SQL数据库,实现了前后端交互,读取调用数据文件功能。(3)对系统进行了功能测试与可靠性测试,最终测试结果显示,该嵌入式数据服务中间件系统能稳定实现地震前兆信号仪器实时数据的访问、呈现和日志的上传与下载,仪器的IP地址、台站位置等基础信息的远程编辑,以及仪器状态监测等基本功能此外,在基本功能上还开展了基于数据融合技术的数据可靠性与前兆信号异常预测研究。基于多种前兆设备采集的实时数据,避免了单设备错报误报,并加入多数据融合技术,通过对历史样本数据中环境气象前兆现象相关环境参数数据的训练,提取前兆现象发生与否的特征数据,通过Fisher线性判别,判断是否发生一定程度的异常气象的前兆现象,仿真后证明了该嵌入式中间件服务系统判断的有效性。
地震前兆信号观测仪器嵌入式数据服务中间件的设计与实现
这是一篇关于地震前兆,嵌入式系统,中间件系统,智能监测的论文, 主要内容为地震前兆信号观测仪器生成的地震监测信号数据,是防震预警领域中的关键信息,需要对其建立可靠、快速的管理方式。随着我国的地震信号预警系统体系的不断完善,越来越多的地震前兆信号观测仪器设备被加入到地震信号预警体系之中来,也引发了或多或少问题的出现。例如前兆设备信息采集层与上层应用层的数据显示存在一定的异构性,数据格式有较大的差异性,在多平台多设备之间缺少足够的共存性。这就需要一种高效、可靠、易于嵌入的数据管理和服务软件系统,通过在数据终端上的通用性部署来解决这一问题。本文提出了一种基于B/S架构的地震前兆信号观测设备与远程访问终端交互的数据服务中间件(Data Service Middleware)方案,结合嵌入式技术实现了异构终端的兼容式和通用性部署,较好解决了相关问题。本文主要完成的工作如下:(1)分析多种地震前兆信号观测仪器的工作原理与信号读出需求,确定了本嵌入式数据服务中间件系统的总体功能,制定了系统的设计方案(2)根据方案完成了软件系统设计。以基于I.MX6ULL嵌入式处理器为核心的硬件平台,完成了嵌入式平台中Java开发运行环境的搭建和驱动程序的适配。基于Spring Boot后台开发框架和lay UI、Vue等前端开发框架,配合轻量级My SQL数据库,实现了前后端交互,读取调用数据文件功能。(3)对系统进行了功能测试与可靠性测试,最终测试结果显示,该嵌入式数据服务中间件系统能稳定实现地震前兆信号仪器实时数据的访问、呈现和日志的上传与下载,仪器的IP地址、台站位置等基础信息的远程编辑,以及仪器状态监测等基本功能此外,在基本功能上还开展了基于数据融合技术的数据可靠性与前兆信号异常预测研究。基于多种前兆设备采集的实时数据,避免了单设备错报误报,并加入多数据融合技术,通过对历史样本数据中环境气象前兆现象相关环境参数数据的训练,提取前兆现象发生与否的特征数据,通过Fisher线性判别,判断是否发生一定程度的异常气象的前兆现象,仿真后证明了该嵌入式中间件服务系统判断的有效性。
基于机器视觉的高空灯诱害虫智能识别系统的研究与实现
这是一篇关于高空灯诱害虫,机器视觉,智能监测,YOLO,Android的论文, 主要内容为水稻迁飞害虫每年给水稻的生产造成严重的产量与经济损失,做好水稻迁飞害虫的种群动态监测对准确指导害虫防治工作具有重要的意义。高空测报灯是专为迁飞害虫测报研发的设备,它利用昆虫的趋光性诱捕在高空中飞行的昆虫,从而掌握其迁入时间、迁入量等信息用于指导防控工作。相比于监测迁飞昆虫的昆虫雷达,高空测报灯具有诱集昆虫量大、害虫消长曲线明显、应用成本低等优点。但是目前基于高空测报灯的测报工作需要人工对目标害虫进行识别计数,存在识别效率低、劳动强度大、数据不可追溯等问题,难以满足大范围水稻迁飞害虫实时测报的需求。为了替代水稻迁飞害虫的人工识别,本文设计并建立了高空测报灯的机器视觉模块,以稻纵卷叶螟(Cnaphalocrocis medinalis)、褐飞虱(Nilaparvata lugens)、白背飞虱(Sogatella furcifera)3种水稻迁飞害虫和非迁飞害虫二化螟(Chilo suppressalis)为研究对象,建立了基于机器视觉的高空灯诱害虫自动识别模型,开发了高空灯诱害虫智能识别系统,实现了高空迁飞害虫的自动化识别和实时监测。主要研究内容与结果如下:(1)设计并建立了高空测报灯的机器视觉模块。针对传统高空测报灯自动化程度低、需要人工进行识别计数的问题,本文在传统高空测报灯的基础上设计了带有多层散虫结构的机器视觉模块。该模块以Android工业平板为控制中枢,使用多层散虫结构分散昆虫,并调用工业相机对分散后的昆虫进行拍照。同时,使用基于机器视觉的高空测报灯采集灯诱害虫图像数据,并使用Label Img工具进行标注形成高空灯诱害虫图像数据集。(2)研究并比较了四种基于深度学习的高空灯诱害虫检测模型。为了选出适合高空灯诱害虫的检测模型,训练和测试了Faster R-CNN、YOLOv3、YOLOv4、YOLOv5四种目标检测算法。结果表明,YOLOv4综合性能优于其他三种模型,它的运行速度为0.95帧/秒,对二化螟、稻纵卷叶螟、白背飞虱和褐飞虱的识别准确率分别达到了77.73%,73.66%,66.72%和71.27%,展现出了识别速度较快,检测精度较高,移植性强的特点,更加贴合实际应用需求。因此,选取YOLOv4模型作为高空灯诱害虫识别的基础模型。(3)建立了基于YOLO-LPNet的高空灯诱害虫识别模型。为提高高空灯诱害虫识别模型的检测效果,本文以YOLOv4模型为基础进行改进,提出了高空灯诱害虫识别模型YOLO-LPNet。针对小目标害虫在图像中所占的面积比例较小,特征提取网络提取出有效特征效果较差的问题,在模型中引入了交叉滑窗取样方法,有效提高了小目标害虫特征显著性,改善了模型的漏检问题;同时,引入了SENet通道注意力机制改善目标害虫与干扰害虫之间的误检问题,提升了目标害虫检测的召回率与精确率。YOLO-LPNet对二化螟、稻纵卷叶螟、白背飞虱和褐飞虱的识别准确率分别达到了85.76%,90.94%,74.80%和71.67%,分别提升了8.03,17.28,8.08,0.40个百分点;召回率分别达到了90.80%,86.01%,73.28%,81.39%,分别提升了19.85,25.88,18.04,22.15个百分点。(4)建立并测试了基于机器视觉的高空灯诱害虫智能识别系统。针对基于传统高空测报灯的测报工作人工投入大、数据难以追溯的问题,本文建立了包括基于机器视觉的高空测报灯、服务器端和Android客户端三部分的高空灯诱害虫智能识别系统。使用Django框架进行服务端程序开发;创建My SQL数据库以存取信息;利用Android Studio开发Android客户端。系统开发完成后,在云服务器上部署了该系统并进行了测试,以验证其可靠性。结果显示,系统的功能完整性、Android端稳定性、运行速度等指标均符合预期效果。该系统识别图像FPS达0.65帧/秒,为实时、准确识别高空灯诱害虫提供了思路。
基于多模态融合的轻量化目标识别技术
这是一篇关于目标识别,单一模态,多模态融合,轻量化,智能监测的论文, 主要内容为科技水平飞速发展的当下,目标识别技术在医疗、农业、自动驾驶、安防监控、环境监测等诸多领域都有着广泛应用,这使人类生活更加安全、便捷。在安防与军事领域,面向野外环境的目标识别仍是具有挑战性的,主要体现在以下几个方面:首先,野外环境态势复杂、情况多变,目前大多数目标识别技术多基于单一手段,进行目标识别易受干扰,具有模糊性、不确定性。其次,多数目标识别依靠复杂的特征提取过程和大量浮点数计算,小微传感器难以具有高强的算力,野外环境下既要保证目标识别准确率,又需减少计算量,节约计算成本。而且,面对目标入侵等突发事件,尽快获知现场情况安防人员才能更高效的做出决策,系统的实时性也是重中之重。针对以上问题,本文研究了面向野外环境的多模态融合的轻量化目标识别技术,设计并实现了多模态传感器协同的轻量化目标智能监测。首先,针对野外态势复杂,单种手段易受干扰的问题,本文研究了三种手段进行目标识别的方式,研究并实现了基于YOLOv5s的图像模态、基于DBSCAN算法的毫米波模态和基于MFCC的声音模态的特征提取与目标识别。其次,为更好的发挥各模态优点,获得单一模态的特征信息后,使用基于SENet的多模态融合的方式将三种模态特征紧密融合在一起,增强明显特征,削弱不鲜明特征,实现更准确、更具有鲁棒性的目标识别系统。最后,为确保决策的实时性、降低计算量,使用Ghost模块对卷积神经网络进行轻量化的模型压缩,减少大量参数的同时,提升计算速度。为方便安防人员使用,本文以上述算法为基础,实现了目标识别模块和设备管理模块,完成了实时可视化查看目标识别结果和原始数据,查看和管理传感器信息,为环境监测提供了一个可视化的平台。
分布式光伏电站监测及能效分析系统的研究与开发
这是一篇关于光伏发电,分布式光伏电站,智能监测,能效分析的论文, 主要内容为世界范围内的能源短缺和环境污染问题日益严重,推动了国际社会对可再生清洁能源的开发和利用。由于太阳能光伏发电具有可观的经济效益和环境效益,近年来太阳能产业迎来了新的发展机遇。我国太阳能资源丰富,同时由于环境污染和能源问题亟待解决,国家正逐步加大对光伏电站的投资建设力度。光伏电站分为集中式光伏电站和分布式光伏电站两种,近年来分布式光伏电站所占比例逐渐上升。为了保障分布式光伏电站安全而高效地运行以及电网调度控制的需要,必须对光伏电站的各个设备以及发电功率进行全面的智能化监控。本文在对光伏电站的监测技术以及能效分析进行深入研究的基础上,给出了分布式光伏电站监测及能效分析系统的体系结构和实施方案,将整个系统分为数据采集层、数据处理及传输层和数据展示与分析层三个层次。数据采集层采用GPRS DTU模块采集现场数据并根据协议进行解析,将异构数据同构化；数据处理及传输层利用WebService技术实现了实时设备状态以及发电数据的处理与传输；数据展示与分析层对设备数据和发电功率数据进行灵活而全面的分析和展示；建立了一套适合分布式电站的发电效率计算模型,对光伏电站各个设备以及整个电站的能效进行估算和分析,为电站的维护以及今后电站的建设提供数据支持。最后,利用信息融合技术基于SSH框架完成了分布式光伏电站及能效分析系统的开发。本文实现的软件系统具有电站数据实时采集、生产运行管理、设备实时监测、历史数据对比分析以及电站发电能效计算、分析等功能。目前,已经在新疆、天津等地上线运行。实际应用表明,该系统能够对电站的智能化管理和维护提供了有效支持,可以提高电站运维管理的工作效率,对监测过程中产生的大量数据进行对比分析以及电站能效评价,得到影响光伏电站发电效率的各类因素,从而对今后电站的建设和维护提供依据。
地震前兆信号观测仪器嵌入式数据服务中间件的设计与实现
这是一篇关于地震前兆,嵌入式系统,中间件系统,智能监测的论文, 主要内容为地震前兆信号观测仪器生成的地震监测信号数据,是防震预警领域中的关键信息,需要对其建立可靠、快速的管理方式。随着我国的地震信号预警系统体系的不断完善,越来越多的地震前兆信号观测仪器设备被加入到地震信号预警体系之中来,也引发了或多或少问题的出现。例如前兆设备信息采集层与上层应用层的数据显示存在一定的异构性,数据格式有较大的差异性,在多平台多设备之间缺少足够的共存性。这就需要一种高效、可靠、易于嵌入的数据管理和服务软件系统,通过在数据终端上的通用性部署来解决这一问题。本文提出了一种基于B/S架构的地震前兆信号观测设备与远程访问终端交互的数据服务中间件(Data Service Middleware)方案,结合嵌入式技术实现了异构终端的兼容式和通用性部署,较好解决了相关问题。本文主要完成的工作如下:(1)分析多种地震前兆信号观测仪器的工作原理与信号读出需求,确定了本嵌入式数据服务中间件系统的总体功能,制定了系统的设计方案(2)根据方案完成了软件系统设计。以基于I.MX6ULL嵌入式处理器为核心的硬件平台,完成了嵌入式平台中Java开发运行环境的搭建和驱动程序的适配。基于Spring Boot后台开发框架和lay UI、Vue等前端开发框架,配合轻量级My SQL数据库,实现了前后端交互,读取调用数据文件功能。(3)对系统进行了功能测试与可靠性测试,最终测试结果显示,该嵌入式数据服务中间件系统能稳定实现地震前兆信号仪器实时数据的访问、呈现和日志的上传与下载,仪器的IP地址、台站位置等基础信息的远程编辑,以及仪器状态监测等基本功能此外,在基本功能上还开展了基于数据融合技术的数据可靠性与前兆信号异常预测研究。基于多种前兆设备采集的实时数据,避免了单设备错报误报,并加入多数据融合技术,通过对历史样本数据中环境气象前兆现象相关环境参数数据的训练,提取前兆现象发生与否的特征数据,通过Fisher线性判别,判断是否发生一定程度的异常气象的前兆现象,仿真后证明了该嵌入式中间件服务系统判断的有效性。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设驿站 ，原文地址：https://m.bishedaima.com/lunwen/52413.html
