会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

植物信息感知与自组织农业物联网系统研究

农业物联网技术作为现代农业最前沿的发展领域之一，是当今世界发展农业信息化， 实现农业可持续发展的关键和核心技术。农业物联网信息技术主要包括农业信息感知、传 输与信息应用三个层面。而传统农田信息获取面临几大技术瓶颈：一是传感器技术落后， 作物养分信息传感器比较鲜见，二是传统农田信息监测只是单点、静态的定时测定，无法 实现实时动态检测，难于实现无人值守的农业自动化作业要求。因此，研究植物养分感知 技术及关键传感器技术，研究针对大规模农田信息采集无线传输协议与深度路由机制；开 发农业物联网软硬件平台已经成为现代农业亟待解决的关键问题。本研究以农业物联网的 三个核心层面为研究对象，研究基于可见／近红外光谱植物养分的快速无损感知技术，研 究基于FFT算法及小波变换的光谱微弱信号处理方法，并开发了植物叶片养分测定和植物 冠层养分、生理信息测定的传感仪器。提出了主动诱导式大规模农业物联网的自组织网络 协议和农业物联网深度路由技术，研究了农业物联网故障情况下智能路由维护方法，开发 了农业物联网信息采集设备及控制系统，并成功应用到农业生产实践中。主要研究内容与 创新性成果有： （1）提出了以可见／近红外光谱技术为基础的植物养分测定方法，通过光谱数据预处 理．特征波长提取．线性和非线性建模预测的光谱分析技术路径，研究并提取了13个作物养 分检测特征波段和3个作物生理信息检测特征波段，开发了适用于农业物联网实时动态植 物养分与生理信息检测传感器，通过实验证明，传感器氮素含量检测R2=0．8237，叶绿素 检测R2"-0．9361，NDVI检测R2--0．9672，“，检测R2=O．7698。另外，研究了单点作物叶 片叶绿素含量、氮含量、水分含量同时检测的方法，开发了多参数叶片养分信息检测仪器， 并得到叶绿素检测R2=O．9148，氮素含量检测R2--0．9207，水分含量检测R2=O．8656。 （2）应用高灵敏度微信号输出的光电感应器作为植物养分检测的光谱信息探测器， 设计了信号处理电路，研究了传感的微弱信号处理方法，应用FFT算法及小波分析方法分 别对光谱信号进行滤波与微信号提取。经比较发现，小波变换处理后的信号更接近原始有 用信号；而FFT算法在高频段处理与小波分析基本相同，低频段信号噪声去除效果略差于 小波分析。实验结果表明，处理后信号中噪声振幅被降至0．5uv以下，信噪比提升为8db。 摘要 =1．13，X．SLR优化的QoS=0．14，S-SLR优化的跏s=O．23。经优化后的网络性能大幅提高。 在此基础上，提出了网络深度路由的信息调度与组网管理机制，使农业物联网路由深度可 达到12级，除了网络延时有所增大外，QoS-0．83，其它参数基本不变。说明网络性能良 好，完全达到农业生产的实际需求。 （4）研究了自组织网络故障发生后的智能化路由维护方法，提出了基于局部网络重 组与越级路由两种智能路由维护方式，通过实验表明局部网络重组路由维护对网络平均延 时为5秒以内，网络丢包率低于1．5％，跏s=0．15。越级路由维护的网络丢包率控制在3％ 以内，平均延时为8秒，QDS=O．26。说明两种路由维护完全满足农业物联网的网络性能 要求。 （5）在农业物联网信息实时获取基础上，研究了农业物联网系统与农业自动化控制 装备相结的农业智能化信息管理系统，对农业园区水泵恒压控制、自动肥水管理等方法进 行了研究，开发物联网信息与控制系统并在农业园区进行了应用示范。 上述研究成果为大规模田间多维信息实时动态获取、智能化低功耗远程传输及自动控 制奠定了理论基础，具有广阔的应用前景

  • 2021-06-25
  • 阅读347
  • 下载0
  • 180页
  • pdf

亨通光导光纤预制棒智能制造体系构建和实施研究

近年来，江苏亨通光导新材料有限公司（以下简称“亨通光导”）在亨 通集团建设智能化工厂蓝图的指引下，在光纤预制棒智能制造体系建设方面 进行了积极探索和实践。主要从设备智能化、生产方式智能化和管理智能化 三个维度进行建设，取得了一定的成果。但是由于缺少可借鉴的案例，加上 本身经验不足等原因，目前的智能制造体系还存在一系列的问题。因此，本 文针对智能制造体系建设现状和存在问题展开了深入的研究。

  • 2021-06-25
  • 阅读347
  • 下载1
  • 62页
  • pdf

物联网设备安全能力基线研究

论述了物联网设备的安全问题，指出其当前面临的攻击面，提出一组通用的设备能力，以支持常规网络安全，保护设备、数据和系统。针对设备安全展开讨论，分析物联网设备可能面临的威胁，并给出相应的防护策略和物联网设备安全发展建议。

  • 2021-04-25
  • 阅读347
  • 下载0
  • 18页
  • pdf

基于人工智能的传感器网络节点能耗研究

传感器网络是基于应用的网络，与传统的无线通信网络相比，它具有节点规模大、自组织多跳、无人值守、无通信基础设施等特点。而能量约束始终是限制传感器网络技术发展和应用的瓶颈。

  • 2021-04-22
  • 阅读347
  • 下载0
  • 124页
  • pdf

大数据技术，发展趋势如何？

大数据的技术是数据管理技术的一种，数据管理系统有着悠久的发展历史，它是所有计算机应用的基础。谈到数据管理的软件，必须关注数据管理软件所依赖的硬件环境和它来解决的应用场景，我们可以通过图1来认识数据管理软件的位置。首先它是一种软件，处于底层硬件和上层应用之间，本质上是利用计算机硬件的存储和计算能力，对数据进行存储、管理、加工等操作，最终为了支持上层各类应用。

  • 2021-04-21
  • 阅读347
  • 下载0
  • 5页
  • pdf

我国互联网医院行业趋势报告

经过多年的发展，以及疫情期间的持续发酵，互联网医院已经成为我国医疗体系不可或缺的一部分。医院主导型和企业平台型两类互联网医院到底是协同关系还是竞争关系?各自的发展路径又是什么?行业对于这些问题还没有明晰的答案，但是互联网医院的发展进程却势不可挡。经过多年的追踪以及2020年上半年的深度调研,爱分析推出《2020爱分析.中国互联网医院行业趋势报告》,通过专家洞见、产业一线反馈以及爱分析深度洞察研究,为大家解析互联网医院的发展趋势和路径。

  • 2021-04-23
  • 阅读346
  • 下载0
  • 64页
  • pdf

基于大数据研究模式对重症烧伤患者临床数据的挖掘与分析

研究背景 重症烧伤是一种严重的创伤，其病情凶险，并发症多，治疗难度大。其中脓毒症 （sepsis）和多器官功能不全综合症（multiple orgall dys矗mction s），11drome，MODS）是 重症烧伤患者治疗中最常出现的并发症，也是导致重症烧伤患者死亡的重要原因。近 年研究发现，MODS的本质就是严重脓毒症或脓毒性休克。早期诊断并预警脓毒症休 克或MODS是重症烧伤患者临床救治中的关键问题之一。随着信息技术的发展，大数 据已经开始逐渐进入到医学领域，特别是在临床医学研究中。大数据技术对繁杂临床 数据的分析及处理能力十分出色，有助于深入了解重症烧伤患者的病程变化规律，辅 助临床决策。 研究目的 采用大数据处理的基本思想及技术对重症烧伤患者的临床数据进行挖掘和分析， 探索重症烧伤患者临床数据的模式特征，寻找脓毒症休克的预测模型。 研究方法 通过电子病历系统及纸质病历收集纳入107例重症烧伤患者的临床数据。对数据 进行预处理后，首先采用无监督的算法（如分层聚类、基于主成分分析的分层聚类等） 和机器学习等方法对数据进行分析，探索患者聚类亚组分类和临床结局之间的关系。 而后使用质心算法对数据进行降维处理，提取患者发生脓毒症休克前的特征性数据变 化趋势，建立脓毒症休克的预测模型并进行验证。采用R i386 3．1．2、Matlab 7．0和SPSS 18．O等软件对数据进行数学计算和统计分析。通过比较F值筛选主要变量，使用线性 随机效应模型分析、提取数据变化趋势。最后使用C语言开发能够预测脓毒症休克发 生的通用软件。 结果： 1、本课题采集的重症烧伤患者临床数据时相点共2257个，每个时相点有58个观 察指标，共130906个数据值。 2、重症烧伤患者的临床数据可使用HCPC方法分为10个亚类。 6 万方数据第三军医大学硕士学位论文 3、通过比较不同亚类的组间均值差异，得出：体温（T）、呼吸频率（R）、舒 张压（DP）、收缩压（SP）、尿量（血ne）、血肌酐（CR）、血尿素氮（BUN）、 总胆红素（TBIL）、血小板（PLT）、肌酸激酶（CK）、氧分压（p02）、二氧化碳 分压（pC02）、乳酸（1actate）、碳酸氢根（HC03。）、氧合指数（oxygenation）为差 异性最明显的指标。使用上述15个指标替代原来的58项指标，可对聚类分类的标准 进行简化。 4、重症患者聚类分组与其临床结局关系密切。其中clusterl、cluster2、cluster4、 cluster8、cluSter9和clusterl0分类中患者好转的几率分别为91．00％、89．70％、60．50％、 66．40％、71．70％和80．70％。C1uster3和cluster5分类中患者死亡的几率分别为70．50％ 和82．10％。cluster6和cluster7分类中患者发生脓毒症休克的几率分别为77．90％和 70．40％。 5、通过对患者质心值随时间变化的趋势图分析可知，死亡患者的质心变化大体呈 下降趋势，而存活患者相反，呈总体上升趋势。 6、通过提取重症烧伤患者发生脓毒症休克前的质心值变化特征，建立了脓毒症休 克的预测模型： 少{『=（0．2527280+N（0，6．450e-05））+（-0．0251963+N（0，1．273e-05））x+占i， 其中勺为随机因素，均为第i个患者第j个时相点的质心值，x为住院时间。 （0．2527280+N（0，6．450e．05））为模型的截距部分，（．O．0251963+N（O，1．273e．05）） 为模型的斜率，二者为一组服从正态性分布的数组。 7、对预测模型进行验证得到其：灵敏度为75．8％，特异度为67．3％，总体诊断准 确率为78．5％。 8、在上述研究的基础上，采用计算机C语言开发出相应的重症烧伤患者脓毒症 休克预测分析软件，分为网页版及单机版两种。可在线使用或与医疗系统耦合后直接 提取临床数据进行分析，以方便临床应用。 结论 1、重症烧伤患者的临床数据可使用聚类分析方法进行分类，不同的分类与不同的 临床结局之间关系密切。通过确定患者临床数据的实时分类，可对患者预后进行预测。 2、使用大数据技术可以将重症患者的58项临床数据近似地使用其中的15项数据 进行简化替代。 7 万方数据第三军医大学硕士学位论文 3、重症烧伤患者的临床数据可以使用质心算法进行降维，并且发生脓毒症休克前 重症烧伤患者的质心值会出现特征性变化， 者是否具有发生脓毒症休克的风险。此外， 床结局进行预测。

  • 2021-06-24
  • 阅读346
  • 下载0
  • 52页
  • pdf

基于大数据的变压器油中溶解气体关键状态量动态预警研究

针对传统方法难以解决变压器故障诊断中精确度不高、无法实现故障预警的问题。本文利用大数据分析方 法，提出一种变压器油中溶解气体关键状态量动态预警方法。该方法采用了高斯混合聚类模型对设备的正常、亚健 康和异常状态进行评价．并利用了隐马尔科夫转移矩阵提取色谱演化过程的动态特征参量。实现了亚健康状态下变 压器设备状态的短期预测．实现了变压器亚健康状态的动态预警．突破了个性化运行环境下设备亚健康状态的实时 诊断及剩余寿命预测等技术瓶颈。经过对案例库中的变压器进行实证分析，本文提出的方法能够反映出气体增长 速率与变压器亚健康程度之间的关系．能够实现过热缺陷设备提前100天左右的短期动态故障预警．在故障动态预 警方面具有实用价值。

  • 2021-06-20
  • 阅读346
  • 下载0
  • 8页
  • pdf