-
公开(公告)号：CN116735510A
公开(公告)日：2023-09-12
申请号：CN202310723849.0
申请日：2023-06-19
Applicant: 中国农业大学烟台研究院 , 中国农业大学
IPC: G01N21/31 , G06N3/0464 , G06N3/0499 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明涉及土壤检测分析领域，尤其涉及一种土壤氮含量预测方法。本发明土壤氮含量预测模型包括输入层、嵌入层、编码器、解码器、全连接层和输出层；其中，土壤氮含量预测模型输入为光谱序列，输出为预测的土壤氮含量值；嵌入层的作用是将输入光谱序列中编入位置信息，编码器和解码器用于生成土壤氮含量的光谱特征集，全连接层则根据光谱特征集来预测土壤氮含量；本发明方法利用深度学习强大的提取和构造特征的能力，通过稀疏自注意力机制在保证能够在全局范围内获得特征信息的基础上降低模型的参数规模，实现对土壤氮含量的有效预测。
-
公开(公告)号：CN113203689A
公开(公告)日：2021-08-03
申请号：CN202110395304.2
申请日：2021-04-13
Applicant: 中国农业大学
Abstract: 本发明提供一种土壤全氮含量检测方法、装置、电子设备和存储介质，所述方法包括：获取待检测土壤表面漫反射的土壤光谱信息；获取所述待检测土壤的土壤表面图像，并基于所述土壤表面图像，提取出与土壤全氮含量相关的图像特征；将所述土壤光谱信息与所述图像特征进行数据融合，并将融合所得的土壤信息输入至全氮含量检测模型中，得到所述待检测土壤的全氮含量；所述全氮含量检测模型是基于土壤样本的土壤信息以及所述土壤样本的全氮含量训练得到的。本发明提供的方法、装置、电子设备和存储介质，通过将土壤光谱信息与图像特征进行数据融合，进行土壤全氮含量检测，提高了土壤全氮含量检测的精度，同时满足了土壤全氮含量快速检测的需要。
-
公开(公告)号：CN105761563A
公开(公告)日：2016-07-13
申请号：CN201410795899.0
申请日：2014-12-18
Applicant: 中国农业大学
IPC: G09B5/14
Abstract: 本发明涉及一种编程题评测系统的学生客户端、教师客户端及服务器端,能够解决现有技术中老师批改评判编程题作业比较费时耗力的问题。所述服务器端包括：监听单元，用于监听编程题评测系统的学生客户端的连接请求；处理单元，用于建立与编程题评测系统的学生客户端的连接，接收所述编程题评测系统的学生客户端提交的程序代码，以及编程题的测试用例的输入、输出、权重和分数，编译、运行所述程序代码，和/或根据所述编程题的测试用例的输入、输出、权重和分数对所述程序代码进行评判，并根据评判的结果给出分数，将所述程序代码编译结果、运行结果和/或分数发送给所述编程题评测系统的学生客户端。
-
公开(公告)号：CN111781163A
公开(公告)日：2020-10-16
申请号：CN202010712428.4
申请日：2020-07-22
Applicant: 中国农业大学
IPC: G01N21/359 , G01N21/3563
Abstract: 本发明实施例提供一种土壤粒度对离散近红外波段检测土壤参数影响的消除方法，其中方法包括：确定待检测土壤在近红外光谱扫描下的多个检测波段的原始吸光度；基于所述待检测土壤在特征波段的原始吸光度，确定所述待检测土壤的粒度修正系数；所述特征波段是基于多个土壤粒度下的土壤样本在近红外光谱扫描下的多个预设波段的样本原始吸光度确定的；基于所述待检测土壤的粒度修正系数，对所述待检测土壤的每一检测波段的原始吸光度进行修正，并基于修正结果确定所述待检测土壤的土壤参数。本发明实施例提供的方法，减小了土壤粒度对离散近红外波段的干扰，提高了土壤参数检测精度。
-
公开(公告)号：CN105761563B
公开(公告)日：2018-07-31
申请号：CN201410795899.0
申请日：2014-12-18
Applicant: 中国农业大学
IPC: G09B5/14
Abstract: 本发明涉及种编程题评测系统的学生客户端、教师客户端及服务器端,能够解决现有技术中老师批改评判编程题作业比较费时耗力的问题。所述服务器端包括:监听单元,用于监听编程题评测系统的学生客户端的连接请求;处理单元,用于建立与编程题评测系统的学生客户端的连接,接收所述编程题评测系统的学生客户端提交的程序代码,以及编程题的测试用例的输入、输出、权重和分数,编译、运行所述程序代码,和/或根据所述编程题的测试用例的输入、输出、权重和分数对所述程序代码进行评判,并根据评判的结果给出分数,将所述程序代码编译结果、运行结果和/或分数发送给所述编程题评测系统的学生客户端。
-
Patent Agency Ranking
公开(公告)号：CN107255611A
公开(公告)日：2017-10-17
申请号：CN201710418331.0
申请日：2017-06-06
Applicant: 中国农业大学
CPC classification number: G01N15/0806 , G05D9/12
Abstract: 本发明提供一种室内土箱土壤水分入渗自动试验测定系统，在该系统中还包括自动控制系统，该控制系统中包括：工控机、含有进水管道和出水管道的马氏瓶、置于所述马氏瓶中的液位传感器、装有土壤的土箱和置于所述土箱内的微润管；其中，所述马氏瓶的进水管道和出水管道上分别设有供水电磁阀和出水电磁阀，所述马氏瓶的出水管道与所述微润管相连，所述工控机控制所述液位传感器、供水电磁阀和出水电磁阀。本发明系统实现自动测定试验数据并自动为供水器补给灌溉水的功能，试验人员不必长时间守在试验前观察、记录试验数据，可以有效解放人力资源。本系统测定方便，准确度较高，适用于与土壤有关的水分入渗的测定工作。
-
公开(公告)号：CN104573188B
公开(公告)日：2017-06-16
申请号：CN201410773250.9
申请日：2014-12-12
Applicant: 中国农业大学
Abstract: 本发明属于养殖领域，公开了一种基于大数据猪行为方式分析的育肥猪舍设计方法，首先通过多组实验获得猪行为的大数据流，然后通过分析数据流，获得出栏体重与总行走距离、总行走距离与圈养密度之间的关系，根据最佳的出栏体重找到对应的行走距离，然后找出该总行走距离对应的圈养密度，即最佳圈养密度。本发明利用摄像机与软件采集猪的总行走距离，通过最佳出栏体重得出对应猪的总行走距离，然后找到对应猪所在的猪舍对应的圈养密度，找到最佳的圈养密度；将猪行为纳入猪舍设计的考虑因素，为猪舍的合理设计提供指导，设计出更有利于育肥猪生活的猪舍，有利于猪的育肥。
-
公开(公告)号：CN101927220A
公开(公告)日：2010-12-29
申请号：CN201010225374.5
申请日：2010-07-05
Applicant: 中国农业大学
Abstract: 本发明公开了一种精准智能对靶喷雾机，包括：给药装置，施药装置，数据采集装置，控制装置，其中，控制装置包括测试单元和控制单元，控制单元根据测试单元输出的识别算法的参数以及数据采集装置采集的现场数据，确定喷施方案，从而使控制装置控制施药装置进行精确喷施。通过使用本发明的喷雾机，可以针对各种不同的喷施对象选取最佳的识别算法，具有更强的适应性，同时本发明能够提高化学农药的利用效率，有效减少药液使用量，从而保护环境。
-
公开(公告)号：CN113029974A
公开(公告)日：2021-06-25
申请号：CN202110249589.9
申请日：2021-03-08
Applicant: 中国农业大学
IPC: G01N21/25 , G01N21/359 , G06F30/27
Abstract: 本发明公开了属于光谱检测技术领域的一种基于漫反射光谱的剖面土壤养分检测方法及装置。该检测装置由原位采集模块、在线传输模块和数据分析模块串联组成；所述方法包括：基于0‑120cm剖面深度的漫反射土壤光谱，通过采用遗传算法和BP神经网络建立的土壤养分预测模型，得到所述待测剖面土壤养分含量。选择预测效果最好的预处理漫反射光谱进一步分析，利用偏最小二乘法初步筛选出土壤养分的敏感波长，进一步采用遗传算法和BP神经网络获得优化的土壤养分敏感波长，并建立剖面土壤养分预测模型，实现对剖面土壤养分的原位检测，同时通过物联网技术远程传输到服务器端，便于对农田土壤进行智慧化管理，保证良好土壤生态循环。
-
公开(公告)号：CN105825230B
公开(公告)日：2019-04-05
申请号：CN201610146190.7
申请日：2016-03-15
Applicant: 中国农业大学
Abstract: 本发明涉及一种基于深度置信网络模型的土壤墒情预测方法和系统，该方法包括：采集土壤墒情和环境气候数据；筛选关键环境因素；构建数据库；建立深度置信网络模型；对深度置信网络模型进行训练；利用深度置信网络模型对土壤墒情进行预测。本发明提供的预测方法，采用深度置信网络模型对土壤墒情进行预测，在实质上考虑到了各影响因子之间的相互作用，且需要的参数及边界条件少很多，可以得到推广，还可以有更多的隐含层，因此不需要大量的节点就能达到一定的预测效果，且更适合挖掘输入向量间的复杂线性关系。利用本发明提供的预测方法预测土壤的水分盈缺情况，便于及时进行做出节水灌溉、施肥决策和排水措施等，使农作物处于最优生长状态。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.018 seconds)
