一种基于工作流的振动光谱分析模型优化方法

    公开(公告)号:CN109299501A

    公开(公告)日:2019-02-01

    申请号:CN201810907269.6

    申请日:2018-08-08

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于工作流的振动光谱分析模型优化方法。初始化确定振动光谱分析模型的评价参数和振动光谱分析模型的优化对象,将预处理方法和多元分析方法进行排列组合得方法组合;计算各个方法组合下的超参数和对应的超参数空间组合;将训练集分别输入到各个方法组合,优化计算确定方法组合的最优超参数;将训练集分别输入训练得到模型参数,由此获得各个组合模型;将测试集输入各个组合模型,计算各个组合模型的评价参数,选出最优模型。本发明建立了工作流程,避免了繁琐的人工操作和主观判断,更充分地利用了并行计算资源,提供了传统光谱分析软件不具备的新的系统模型优化方式。

    一种子叶期蔬菜钵体苗补苗末端执行器及其补苗方法

    公开(公告)号:CN108617206B

    公开(公告)日:2023-09-22

    申请号:CN201810263755.9

    申请日:2018-03-28

    Applicant: 浙江大学

    Abstract: 本发明公开了一种子叶期蔬菜钵体苗补苗末端执行器及其补苗方法,该装置包括上盖、底盘、螺旋齿盘、调节轴、横向调整杆、挡泥板、气缸、苗铲,四只叉状苗铲通过气缸驱动构成近似四棱锥台体,取苗时对钵体苗形成包裹式结构,通过转动螺旋齿盘使螺旋齿盘与横向调整杆螺旋传动,横向调整杆沿径向伸出或收缩从而无级调整四个苗铲相对位置以适应穴孔结构尺寸,能够将不同结构尺寸穴孔中松散的子叶期钵体苗完成、无损地取出,装置结构紧凑、作业速度快、可靠性高、安装维护简便,满足子叶期、育苗早期穴盘苗取苗、补苗要求。

    一种深度时空特征联合学习的农作物产量估测方法

    公开(公告)号:CN111027752B

    公开(公告)日:2022-06-21

    申请号:CN201911134971.4

    申请日:2019-11-19

    Applicant: 浙江大学

    Abstract: 本发明公开了一种深度时空特征联合学习的作物产量估测方法。获取地区的历史作物产量数据和气象数据并进行预处理,对气象数据进行预处理获得气象参数,对产量数据进行预处理获得去趋势产量,分别作为后续作物单产时空特征深度学习模型的输入和输出数据;构建作物单产时空特征深度学习模型,并对模型的超参数进行优化;将气象参数作为输入,将去趋势产量作为输出,形成训练集样本进而训练作物单产时空特征深度学习模型获得模型的参数,将待测作物产量的气象参数输入训练后的模型,输出估测结果,获得农作物产量估测结果。本发明联合了时间特征学习和空间特征学习,在空间差异较大且复杂的研究区域内,本发明的作物产量估测精度更高,稳定性更好。

    一种深度时空特征联合学习的农作物产量估测方法

    公开(公告)号:CN111027752A

    公开(公告)日:2020-04-17

    申请号:CN201911134971.4

    申请日:2019-11-19

    Applicant: 浙江大学

    Abstract: 本发明公开了一种深度时空特征联合学习的作物产量估测方法。获取地区的历史作物产量数据和气象数据并进行预处理,对气象数据进行预处理获得气象参数,对产量数据进行预处理获得去趋势产量,分别作为后续作物单产时空特征深度学习模型的输入和输出数据;构建作物单产时空特征深度学习模型,并对模型的超参数进行优化;将气象参数作为输入,将去趋势产量作为输出,形成训练集样本进而训练作物单产时空特征深度学习模型获得模型的参数,将待测作物产量的气象参数输入训练后的模型,输出估测结果,获得农作物产量估测结果。本发明联合了时间特征学习和空间特征学习,在空间差异较大且复杂的研究区域内,本发明的作物产量估测精度更高,稳定性更好。

    一种基于工作流的振动光谱分析模型优化方法

    公开(公告)号:CN109299501B

    公开(公告)日:2022-03-11

    申请号:CN201810907269.6

    申请日:2018-08-08

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于工作流的振动光谱分析模型优化方法。初始化确定振动光谱分析模型的评价参数和振动光谱分析模型的优化对象,将预处理方法和多元分析方法进行排列组合得方法组合;计算各个方法组合下的超参数和对应的超参数空间组合;将训练集分别输入到各个方法组合,优化计算确定方法组合的最优超参数;将训练集分别输入训练得到模型参数,由此获得各个组合模型;将测试集输入各个组合模型,计算各个组合模型的评价参数,选出最优模型。本发明建立了工作流程,避免了繁琐的人工操作和主观判断,更充分地利用了并行计算资源,提供了传统光谱分析软件不具备的新的系统模型优化方式。

    一种基于自主导航的畜禽信息感知机器人与地图构建方法

    公开(公告)号:CN109900280B

    公开(公告)日:2020-12-11

    申请号:CN201910238750.5

    申请日:2019-03-27

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于自主导航的畜禽信息感知机器人与地图构建方法。包括四轮小车和自主导航系统、运动模块、信息采集模块,自主导航系统包括激光雷达、RGB‑D相机、惯性测量单元和里程计和主控模块;运动模块包括直流电机组、推杆电机和微控制器;信息采集模块包括热成像仪、环境检测传感器模组和无线传输模块;控制机器人在室内工作环境移动,同时利用激光雷达、RGB‑D相机、惯性测量单元和里程计获取移动过程的周围环境信息,进行数据处理得到定位位置,构建全局地图。本发明能提高机器人的定位精度,满足应用需求;克服了对饲养人员的严重依赖性,实现对养殖环境的自动检测,具有效率高、经济效益高、适用性广等优点。

    一种基于自主导航的畜禽信息感知机器人与地图构建方法

    公开(公告)号:CN109900280A

    公开(公告)日:2019-06-18

    申请号:CN201910238750.5

    申请日:2019-03-27

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于自主导航的畜禽信息感知机器人与地图构建方法。包括四轮小车和自主导航系统、运动模块、信息采集模块,自主导航系统包括激光雷达、RGB-D相机、惯性测量单元和里程计和主控模块;运动模块包括直流电机组、推杆电机和微控制器;信息采集模块包括热成像仪、环境检测传感器模组和无线传输模块;控制机器人在室内工作环境移动,同时利用激光雷达、RGB-D相机、惯性测量单元和里程计获取移动过程的周围环境信息,进行数据处理得到定位位置,构建全局地图。本发明能提高机器人的定位精度,满足应用需求;克服了对饲养人员的严重依赖性,实现对养殖环境的自动检测,具有效率高、经济效益高、适用性广等优点。

    一种子叶期蔬菜钵体苗补苗末端执行器及其补苗方法

    公开(公告)号:CN108617206A

    公开(公告)日:2018-10-09

    申请号:CN201810263755.9

    申请日:2018-03-28

    Applicant: 浙江大学

    Abstract: 本发明公开了一种子叶期蔬菜钵体苗补苗末端执行器及其补苗方法,该装置包括上盖、底盘、螺旋齿盘、调节轴、横向调整杆、挡泥板、气缸、苗铲,四只叉状苗铲通过气缸驱动构成近似四棱锥台体,取苗时对钵体苗形成包裹式结构,通过转动螺旋齿盘使螺旋齿盘与横向调整杆螺旋传动,横向调整杆沿径向伸出或收缩从而无级调整四个苗铲相对位置以适应穴孔结构尺寸,能够将不同结构尺寸穴孔中松散的子叶期钵体苗完成、无损地取出,装置结构紧凑、作业速度快、可靠性高、安装维护简便,满足子叶期、育苗早期穴盘苗取苗、补苗要求。

    一种子叶期蔬菜钵体苗补苗末端执行器

    公开(公告)号:CN208047272U

    公开(公告)日:2018-11-06

    申请号:CN201820427045.0

    申请日:2018-03-28

    Applicant: 浙江大学

    Abstract: 本实用新型公开了一种子叶期蔬菜钵体苗补苗末端执行器,该装置包括上盖、底盘、螺旋齿盘、调节轴、横向调整杆、挡泥板、气缸、苗铲,四只叉状苗铲通过气缸驱动构成近似四棱锥台体,取苗时对钵体苗形成包裹式结构,通过转动螺旋齿盘使螺旋齿盘与横向调整杆螺旋传动,横向调整杆沿径向伸出或收缩从而无级调整四个苗铲相对位置以适应穴孔结构尺寸,能够将不同结构尺寸穴孔中松散的子叶期钵体苗完成、无损地取出,装置结构紧凑、作业速度快、可靠性高、安装维护简便,满足子叶期、育苗早期穴盘苗取苗、补苗要求。(ESM)同样的发明创造已同日申请发明专利

Patent Agency Ranking