一、基于知识模型的作物适应性评价专家系统设计（论文文献综述）
张海军[1]（2021）在《基于知识工程的稻麦割晒机快速设计研究与验证》文中研究表明根据2011年至2020年云南省统计年鉴的统计数据可知,云南省水稻小麦的种植面积和全年产量10年来均保持在一个稳定的地位,并且云南省谷物收获机械的保有量也呈逐年上升的趋势,市场前景广阔。但我国农业机械设计方面存在设计模式传统老化、研发周期长、效率不高、专业性占比低等问题。以及农业机械存在功能多样,小批量生产,个性化、多样性定制等问题。针对这些情况,本文以知识工程理论为基础,以稻麦割晒机为研究对象,提出了一种基于知识工程的稻麦割晒机快速设计系统的建立方法,以提高产品设计效率、降低设计门槛,缩短设计周期,并对其实现方法和关键技术进行了研究。主要研究内容如下:（1）通过分析稻麦割晒机快速设计的任务要求和目的,提出了一种TPMS设计过程模型,利用IDEF0功能模型分析了稻麦收割快速设计系统的运行机理,最后根据两者结果建立了基于知识工程的稻麦割晒机快速设计管理框架,将稻麦割晒机的设计分成整体设计和系统设计两个部分,为程序系统的开发设计提供了理论指导。（2）通过对稻麦割晒机整机及部件结构设计的分析,以及稻麦割晒机知识的应用情况,将查阅整理的稻麦割晒机设计知识分为二大类:实例类知识、规则类知识。将分类后的知识采用产生式、框架式、面向对象式三种方法进行知识表达,并基于My SQL数据库,实现知识的存储;基于Solid Works三维建模,实现实例的存储。（3）通过基于规则的推理和基于实例的推理两种方式的综合运用,以最近邻算法作为本文推理机制的核心相似度算法;以实例的特征属性作为匹配算法的变量,实现了目标实例的快速检索和特征参数的计算,并根据计算结果建立实例修改知识库、标准选型知识库、全新设计知识库。（4）本文主要考虑的是当相似度小于阈值,实例库中无符合设计要求的实例,此时基于Visual Studio利用VB.NET面向对象窗体模块建立的快速设计系统,根据推理机制的计算结果建立的知识库进行参数化建模,将未符合相似度的整机实例或零部件实例进行修改重建。（5）通过采用矩阵装配算法,对经过参数化的零部件进行装配关系、约束方法的计算,根据计算结果建立装配约束库;然后对装配约束方法进行替换,并用矩阵法进行替换运算,得到装配顺序矩阵,将其存入知识库模块中,建立装配顺序库,指导自动装配模块完成整机模型的装配。
刘婧然[2]（2021）在《青椒集雨调亏滴灌智能需水感知与节水灌溉决策研究》文中指出近年来,随着经济的发展,水资源短缺问题日益突出。灌溉用水约占全球水资源量的70%,发展智慧农业,进行作物需水量预测,实现智能灌溉,对节约用水,解决水资源短缺问题尤为重要。本文以河北工程大学精准灌溉试验场（原址）为试验地点,以青椒为试验对象,在2014～2018年进行了覆盖集雨调亏滴灌（MFR-RDI）和传统平作充分灌溉试验。搜集历年土壤、气象、作物的相关数据,针对适宜的节水灌溉方式,以作物需水量预测模型为基础,建立节水灌溉决策系统为目标,综合运用农水、人工智能及物联网等多学科技术,对区域农业智能需水感知与灌溉决策系统相关问题进行研究。选取MFR-RDI种植模式下灌溉水利用效率（IWUE）最高的种植方式进行了青椒需水量智能预测,并以此为基础,建立了灌溉决策系统,最后搭建了决策系统平台,该研究成果对邯郸地区青椒种植的节水灌溉具有重要的指导意义。本文主要研究内容及成果如下:（1）将覆盖集雨技术与调亏滴灌技术相结合,通过田间试验,收集试验数据,进行统计分析,得出在充分灌溉条件下,覆盖集雨滴灌比传统平作可以显着提高青椒果实的产量、Vc含量以及IWUE。在覆盖集雨滴灌种植中,调亏灌溉比充分灌溉(CK1R)可以显着提高果实Vc含量。其中,结果后期重度调亏处理(T8R)的IWUE在2014～2018年均为最高,并且该处理在2015～2018年与CK1R的青椒产量差异不显着,果实Vc含量较高。因此以IWUE最高的T8R得到的试验数据为基础,建立灌溉决策系统,最大限度地节约灌溉用水。（2）构建了由遗传算法（GA）优化的支持向量机（SVM）、GA优化的Elman神经网络、思维进化算法（MEA）优化的Elman神经网络的青椒需水量智能预测模型。结果表明,在相同的输入因素下,GA-Elman神经网络的预测结果优于GA-SVM,MEA-Elman的模型性能优于GA-Elman。在模型输入因素中引入冠层温度能够提高所构建的优化人工智能预测模型精度。此外,在作物不同的生育阶段选择不同的输入因素来进行作物需水量预测,可以使预测模型的精度进一步提高,该预测模型的均方根误差（RMSE）,平均绝对误差（MAE）,纳什-萨克利夫系数（NS）值分别为0.359 mm/d,0.294 mm/d,0.941。（3）基于青椒需水量智能预测模型,构建了深度学习（DNN）的灌溉决策系统。以作物因素、气象因素、土壤因素作为模型的输入因素,以灌溉水量作为模型的输出。用2014～2017年的数据作为模型的训练数据,2018年的数据作为测试数据,最佳DNN灌溉决策系统的隐含层包括4层,各隐含层神经元个数分别为:32、16、8、4。系统的激活函数采用“Re LU”,优化函数为“adam”,该决策系统可得到MFR-RDI种植模式下T8R的灌溉制度。与利用水量平衡方程计算的实际值相比,该决策模型的RMSE,MAE,NS以及节水率分别为:0.898 mm,0.257 mm,0.758,1.3%。在2018年,使用该系统进行灌溉的青椒产量为12886.2 kg·hm-2,Vc含量为51.1 mg·100g,IWUE为32.6kg·hm-2·mm-1,与CK1R相比,其节水率约为26.4%。（4）搭建了基于Lo Ra技术的作物智能需水感知的灌溉决策系统平台。平台实现了农业气象、土壤墒情等数据的监测以及灌溉决策功能。
马鲁强[3]（2021）在《基于BfP的智能喷杆喷雾机可重构模块化设计方法研究》文中认为植物保护作业在农林业生产过程中,对植物病虫草害的预防与整治、保障农林产品的丰收,具有重要而深远的意义。喷杆喷雾机是重要的植物保护机具之一,因其可以高效、大面积进行喷雾植保作业而被广泛的应用,一直是国内外植保机械研究的热点,其结构与性能随着科技的发展也得到了不断的优化与完善。然而,随着农林产品的多元化发展,现有的喷杆喷雾机只针对大田作物进行常规参数的植保作业,难以通过自身的变形来适应多种植物培育形式的农林植保需求。与此同时,随着人类环保意识的加强,特别是人工智能发展对智能农业的促进作用以及国家在对智能农业的发展战略要求,喷杆喷雾机的研究正朝着智能化的方向发展,市场越来越需要能够根据大田、篱架、林木等作物形态来调节姿态、并进行处方施药的智能喷杆喷雾机。因此,寻求一种在能够满足个性化需求的同时,实现喷杆喷雾机的多功能及智能化,并满足绿色制造要求的智能喷杆喷雾机,逐渐成为喷杆喷雾机的发展趋势。智能喷杆喷雾机应可通过自身软/硬件模块的重构,来实现适应不同作业环境与对象的精准、变量施药/肥作业,通过强调对喷杆喷雾机企业现有资源的重用与优化配置来适应绿色制造的要求,在实现降低产品总成本,提升产品经济效益的同时注重生态环境的可持续发展。产品始于设计,为发挥产品优势,实现绿色制造目标,开展智能喷杆喷雾机整机设计过程研究,引导资源的重用与优化配置,适应绿色制造要求,进而形成智能喷杆喷雾机绿色设计方法,促进生态可持续发展与智能农业的实现具有重要的理论意义与现实指导意义。Brownfield Process是以Design Research Methodology为指导,研究面向模块化产品族的、以大批量定制为目标的产品设计方法,该方法注重对企业现有资源的重复利用,继承了Design Research Methodology的科学的严谨性和准确性。本文在以可重构理论、模块化技术与标准化技术为理论基础,明晰了智能喷杆喷雾机的内涵、特点与组成模块。以智能喷杆喷雾机内涵与特点为基础,对利用Brownfield Process设计智能喷杆喷雾机进行适用性分析。在适用性分析的基础上,以公理化设计作为设计过程的主要优化支撑理论,以关键路线法与ECRS法为辅助优化理论,对Brownfield Process开展优化研究工作,进而形成适应智能喷杆喷雾机设计开发要求的Preferable Brownfield Process设计过程,并对Preferable Brownfield Process各部分的确立,及各部分之间的沟通机理展开了研究。以智能喷杆喷雾机构成模块为基础,运用解释结构模型对各组成模块之间的关系构建模型,以分析其系统层次结构。运用系统动力学对Brownfield Process与Preferable Brownfield Process的活动过程进行动态建模,并用Vensim PLE对动态模型进行仿真以分析其差异。运用Visual Studio2017与Creo4.0以智能喷杆喷雾机多级递阶有向结构为理论指导,开发产品设计引导过程;以Preferable Brownfield Process为理论指导,进行产品数据系统的开发,进而形成初步的开发设计平台,并对智能喷杆喷雾机控制策略进行简要分析。最后,运用Brownfield Process的Business Impact Analysis模型为基础,构建了智能喷杆喷雾评价指标体系。在明晰一般喷杆喷雾机的机构与特征的基础上,通过智能喷杆喷雾机与喷杆喷雾机的差异性分析,智能喷杆喷雾机应具有为企业获得基于时间、质量与成本的竞争优势,实现企业节能减排的目标,有效适应多种地理环境进行施药作业,提升农药利用率并降低农药使用给环境带来的危害,实现对多种培育形式的农作物进行施药作业,通过对模块的革新、替换等手段延长产品生命周期,通过开放体系结构实现模块的拓展与升级,通过共享经济的调节,降低农民使用产品的经济负担,帮助农民减负等一系列竞争优势。通过Brownfield Process与Preferable Brownfield Process的系统动力学模型仿真结果,表明Preferable Brownfield Process较Brownfield Process更适合智能喷杆喷雾机可重构系统的开发设计。与Brownfield Process相比,Preferable Brownfield Process设计效率提升约40%,人员培训时间可节省约50%。Preferable Brownfield Process设计过程的系统动力学模型研究,为Preferable Brownfield Process适应不同的设计环境及优化提供了一种方法与思路。本文以智能喷杆喷雾机喷杆模块为例说明了Preferable Brownfield Process设计过程,并展示了研发的开发设计平台对设计过程的促进作用,以多功能变喷杆喷雾机为评价对象说明了评价体系的可行性、实用性与有效性。论文的研究丰富了喷杆喷雾机整机设计的理论体系,发展了Brownfield Process理论及其应用领域,进而形成了适于智能喷杆喷雾机可重构模块化设计的P-BfP绿色设计方法,探索开发了智能喷杆喷雾机的快速重构绿色设计平台,构建了智能喷杆喷雾机可重构性评价指标体系。为科学指导智能喷杆喷雾机以及相似于智能喷杆喷雾机可重构的产品进行快速开发设计,提供了一种新的思路与方法。
王雪[4]（2020）在《基于大数据的西藏荒漠治理植物优选决策研究》文中研究指明土地荒漠化是当今全球面临的最为严重的社会、经济和生态问题,荒漠化的科学治理对于改善人类生存环境,保障经济社会可持续发展至关重要。植物种植是荒漠化治理的有效手段之一。针对具体的宜种区域,基于荒漠化类型、成因、生态环境及社会人文环境等影响因素的复杂多样性,运用科学的分析方法分析不同植物的环境适应性,最大程度地发挥植物的生态效益、经济效益和社会效益,对于提高我国荒漠治理的成功率、效率与效益具有重要意义。本文在总结传统荒漠化治理中植物品种选择方法的基础上,研究基于大数据的植物优选方法,增强了植物优选过程的科学性、预见性和有效性,为荒漠化治理提供了一种新思路。具体研究内容如下:（1）荒漠治理植物优选综合评价指标体系构建与决策模型研究。参考已有的研究成果,充分考虑植物与生态环境的适宜程度以及植物种植的综合效益,从环境适应性、生态效益、经济效益、社会效益和其他等5个方面构建包含21个评价指标的基于大数据的植物优选综合评价指标体系,并给出量化方法。在此基础上,构建基于相关系数的加权模糊相似优先比植物初选决策模型和基于层次分析的植物优选多属性决策模型,并结合实际应用中遇到的问题对模型进行改进,为从“生态-社会-经济”等方面进行植物优选奠定理论基础。（2）西藏山南荒漠治理植物优选研究与实地验证。首先,结合西藏山南地区的环境特征分析,对种质资源库中的荒漠治理植物进行初步筛选;然后综合地形、土壤、生态效益、经济效益、社会效益以及种植偏好、交通存储、相关政策等其他因素,利用层次分析法和专家打分法计算了各评价指标的指标权重,并通过多属性决策模型实现了植物的优选与排序。最后,对植物优选结果进行引种试验,通过实地种植效果验证基于大数据的植物优选方法的可行性,为企业决策提供理论指导。（3）荒漠治理植物种质资源库建设与植物优选决策服务系统研发。在荒漠化治理植物资料汇总与整理的基础上,对种质资源库的建设背景、原则与需求等进行分析,对数据库的字段、结构等进行设计,建立了覆盖全国范围的荒漠治理植物种质资源库,为植物的科学选择提供数据支撑。从系统需求出发,应用大数据分析、数据存储和数据可视化等技术,构建了集分析、评价、决策等功能于一体的荒漠治理植物品种优选系统,为荒漠化地区精准、智能匹配治理植物提供了有效的解决办法。
教育部[5]（2020）在《教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知》文中研究指明教材[2020]3号各省、自治区、直辖市教育厅（教委）,新疆生产建设兵团教育局:为深入贯彻党的十九届四中全会精神和全国教育大会精神,落实立德树人根本任务,完善中小学课程体系,我部组织对普通高中课程方案和语文等学科课程标准（2017年版）进行了修订。普通高中课程方案以及思想政治、语文、
常澍[6]（2020）在《区域种植业资源管理系统的设计与实现》文中研究指明农业是国计民生的命脉,科学及时有效地反应农业相关信息是正确掌控农业发展动向的基础。种植业资源是指人类从事作物生产所需的全部物质要素和信息,是农业生产资源中不可或缺的生产要素。党的十九大报告中,已经从农村现代化转变为农村农业现代化,随着科学技术的进步和农村农业现代化的完善,传统的农业生产模式已经远不能满足农业相关从业者及有关部门的生产管理需求。运用数据库技术、通讯技术、计算机技术和GIS技术等有关的技术为农业生产中的种植业资源管理提供技术指导、数据信息和地理信息等服务已经成了现代农业资源管理的前提。区域种植业资源管理系统是一个以信息技术和农业信息为基础,以利用种植业资源的管理利用和信息资源共享为对象。运用数据库技术、通讯技术、计算机技术和GIS技术等有关的技术为农业生产中的种植业资源管理提供技术指导、数据信息和地理信息等服务,是一个综合的功能较全的高新技术系统。该系统能及时有效地管理农业生产中的相关信息,具有典型的时效性和地域性等显着特征,为农业相关从业者和农村农业有关部门提供对种植业资源的合理利用、规划、动态的监测与预报、管理和提供相关策略等服务功能。通过对有关数据的收集、管理、储存、分析应用和发布集于一身,形成综合性的信息服务平台,从而有效管理农业生产信息,提高农业生产效率及经济效益,为农村农业相关部门和农户提供技术指导,为农业生产提供快速有效地技术支持。区域种植业资源管理系统的基础内容主要包括土壤质量评价系统、土肥管理系统、作物布局分析系统、农业生产管理系统、区域特色产业管理系统五个系统。同时应用计算机技术,GIS技术、无线网络技术等,建立网络、发布系统,实现各种农业生产相关信息的共享,并提供辅助性的决策分析。
刘招金[7]（2020）在《联合收割机模型库系统构建与应用研究》文中提出近年以来,国家对于农业装备现代化的建设和发展越来越重视,越来越强调自主创新研发能力的培养和提升,支持和引导当前现代农业打破传统研发的模式,向高效化、智能化和数字化的发展方向不断转变。进一步转变农业装备传统研发理念和模式,提高设计研发手段,构建先进的数字化智能设计系统平台,同步提高设计效率无疑成为技术转变历程的必经途径。针对大型农业装备研发过程中存在零部件数量庞大、种类多而驳杂、装备设计信息短缺等问题,模型库系统作为智能设计系统平台的重要基础模块,对于正确梳理模型层次、科学管理装备类别、高效组织模型资源、提高模型利用率与设计效率、优化设计水平等具有重大研究意义。当前对于模型库系统的研究相对较少,所管理模型单一,无论是从模型装备复杂程度、模型数量、模型管理机制上来说,都尚未达到一个成熟模型库系统的要求,特别是面向联合收割机这类大型、复杂农业装备,所实现的模型库仅是模型资源的堆积、罗列,既不具备科学、完善的模型库存储机制,也不具备稳定的模型库拓展能力,尚不能达到成熟模型库系统所应达到的要求。针对以上问题,本文对联合收割机装备进行研究,提出一种联合装备分类划分与模型标识技术的可实现模型存储、模型管理与模型资源标准化辅助标识的模型库系统,主要工作内容如下:（1）以大型、复杂机械装备联合收割机为研究对象,研究其谱系结构并结合谱系层次构建联合收割机装备的拓扑图,准确定位谱系图核心部分及各单元间关系,深层次研究各工作模块组成与结构关系,形成完备、系统的谱系及谱系拓扑图。拓扑图是模型库架构的理论基础、是系统模型资源创建、存储、检索及调用的基本依据,其研究设计包括谱系层次研究、模块化设计等多模块。谱系及其拓扑图涉及模型信息与数据资源的索引与资源调用的组织形式问题。（2）以联合收割机装备谱系拓扑图为基础,研究模型库结构基础框架,结合装备信息和相关知识、属性,对模型进行规范化管理,形成模型文件、数据信息的准确对应关系,为后续模型的组织与调用提供有力的物理保障和技术支持。（3）研究基于谱系拓扑图与物元编码相结合的模型标识技术,对模型建立规范、有序的语义标注,准确表达模型信息,形成规范的语义标识模型,为程序的准确、便捷调用提供技术保障,同时也为程序处理规范化、代码标准化,以及准确识别驱动模型奠定基础。规范的模型单元能够保障系统的准确、高效作业,规范模型的标识信息,使其具备良好的可应用性,从而构建一个结构完整、功能完备的模型资源库。同时设计一种数字模型辅助标识技术,辅以系统人机交互界面,实现准确、快速、高效地建立标准全息标识化模型。（4）针对实际应用需求问题及联合收割机模型库系统建设需求及实际应用需要,结合相关技术,研究一套功能全面、系统科学的管理体系,拟实现库结构调整、检索、基本信息浏览等多项基本功能,完成模型资源的大量填充。同时基于模型模型资源开发设计,以模型库系统为基础,开发辅助标识、参数化驱动、参数匹配等功能。（5）基于CATIA的二次开发接口技术,以VB.NET为开发语言,运用SQL Server作为联合收割机模型库系统后台数据库管理模型信息数据,设计联合收割机模型库系统,实现模型存储、管理功能与系统应用。研究及测试结果表明:基于装备谱系层次构建的模型库系统模型资源架构,具备完备、清晰的模型资源组织关系,能够让操作人员快速识别联合收割机各装置模块关系与组成,实现快速的模型资源浏览与查找。模型库系统具备完善的管理能力,能够实现模型资源的基本管理功能,同时具备模型参数匹配设计、参数化变形等能力。模型库系统具备良好的系统稳定性与扩展性。联合收割机模型库系统的建立可以适用于及其他复杂机械装备模型资源的模型资源管理,具有较高的普适性和良好的通用性。
李金龙[8]（2020）在《联合收割机知识库系统构建与智能化设计应用研究》文中研究指明本文针对联合收割机所涉及的设计知识复杂,种类繁多,在设计过程中对知识的获取、表达、推理等方面没有很好的解决方案,没有形成完整的知识体系及知识集成管理系统的问题,以实现联合收割机的知识资源的存储、组织管理,并在设计过程中将知识高效获取并应用为目标,以智能化设计需求为牵引对联合收割机知识库系统进行架构;首先分析农机装备的设计知识的分类及获取方法;之后将联合收割机设计知识作为研究对象,对其进行分析及表达,进而建立设计体系;然后应用装备谱系设置方法及谱系拓扑图的形式将联合收割机设计知识层次化组织,并使用开发工具应用数据关联技术构建联合收割机知识库系统,实现知识的集成管理;最后通过知识库系统实现设计过程中知识的存储管理,运用基于知识的设计方法同步实现知识的高效获取与继承应用过程,用以解决设计中的问题,体现智能化设计理念,将联合收割机知识集成化、系统化,形成集知识浏览、查询、推理、推送及智能辅助设计一体的智能化设计流程,使之适用于联合收割机零部件设计的需求,同时也为该类问题的研究提供一种通用的方法,为农机装备智能化设计平台的建立奠定基础,具体研究内容如下:（1）知识库系统体系架构与总体构建分析联合收割机知识库系统在其智能化设计平台中的作用,以智能化设计需求为牵引,对知识库系统的内部功能模块进行架构;应用Visual Studio2015开发工具和SQL Server数据库,将知识信息等数字化资源与操作平台结合联合运用,构建联合收割机知识库系统,实现联合收割机知识的集成管理。（2）装备设计知识的分类及获取从农机装备的设计过程、设计知识特点角度出发,将农机装备设计知识分类;同时研究农机装备设计知识的获取方法,提出适用于农机装备设计知识的人工获取与知识编辑、推理相结合的半自动获取方法,并以此方法获取联合收割机整机及零部件设计知识。（3）联合收割机设计知识分析、表达及组织方法从设计过程、设计知识特点及分类角度对联合收割机设计知识进行分析;同时融合面向对象技术思想,将产生式规则表示法和框架表示法融合,运用混合表示方法有效的表达联合收割机整机及零部件的设计知识,建立通用的零部件设计体系,形成联合收割机知识库系统的推理机制。应用谱系层次设置方法和谱系拓扑图形式将联合收割机设计知识进行组织,同时以谱系拓扑图为依据,建立知识库系统的目录树结构,将系统中存储的联合收割机整机及零部件设计知识层次化组织,用以有效地为系统中知识的高效浏览、查询提供索引方式。（4）知识在设计过程中的应用方法融合知识表达形成的联合收割机零部件设计体系,以谱系拓扑图为索引路径结合模糊判断的方式进行知识查询;应用ADO.NET技术与SQL Server数据库通过程序关联,实现数据的双向传递及系统中知识的增加、删除、修改等功能;将基于实例与基于规则的推理方法应用到知识库系统中辅助完成联合收割机零部件的设计,形成一种可浏览、查询、推理、编辑及智能设计等功能的基于知识的设计方法,实现知识在设计过程中的高效获取与应用。（5）系统技术集成与实例分析应用CATIA二次开发技术,实现知识库系统中知识和参数化模型的设计信息传递;将知识浏览、查询、推理、存储及编辑等技术方法集成,以联合收割机核心部件设计为例,通过人机交互的方式,用户根据设计需求直接从知识库系统中查询推理并调用知识辅助完成设计过程,获得满意的设计信息和模型。系统测试表明:联合收割机知识库系统可以最大限度缩短设计时间,利用知识库系统进行设计,减少了设计人员查阅以及设计失误重新设计的时间,这种设计方式可以提高知识的集成化效果并高效获取知识,提高知识的继承和重用性,从而提高设计效率与水平。
熊鑫[9]（2019）在《基于多信息融合的不结球白菜氮营养诊断与需求研究》文中认为依据表型诊断作物氮营养状态,并综合考虑土壤、栽培管理和环境因子等对作物氮吸收的实际影响,适时、适量补充氮素是实现蔬菜栽培精准化管理的基础,有助于降低肥料投入,实现安全生产。本研究以不结球白菜（Brassica campestris ssp.chinensis L.）为对象,基于机器视觉技术和机器学习方法建立了植株氮营养诊断模型,并研究了累积光热、水势、施氮量和栽培系统对不结球白菜氮吸收与产量形成的影响,建立了以作物和环境信息为依据的不结球白菜氮需求模型。基于此,设计了不结球白菜氮素供应决策系统,为不结球白菜水肥精准管理研究提供丰富的理论与技术积累。具体结果如下:1.不结球白菜表型与氮浓度关联模型的构建采用实验室自制的表型平台收集不同氮水平处理和不同生长期的不结球白菜图像,采用OpenCV软件和Python语言处理图像并提取了颜色、纹理和形态学三大类表型指标,分析了植株氮浓度和表型特征间的关系,分别采用随机森林（RF）、支持向量回归（SVR）和神经网络（NN）三种机器学习算法建立了基于表型的不结球白菜氮浓度预测模型。结果表明,RF、SVR和NN模型的均方根误差（RMSE）值分别为0.542%、0.538%和5.465%,平均绝对误差（MAE）值分别为0.418%、0.398%和5.115%,校正决定系数（R2）分别为0.924、0.922和0.086。可见,仅RF和SVR模型能很好地预测植株氮浓度。其中RF模型的适用性和稳定性更强。幼苗期和收获期RF模型的预测准确度分别为0.995和0.998,预测相对误差（RE）分别为5.52%和4.78%;氮过量和氮不足两种条件下RF模型的预测准确度分别为0.991和1.037,RE分别为4.01%和9.96%。因此,基于不结球白菜表型信息可以有效地诊断植株的氮营养状况。2.不结球白菜氮吸收阈值的研究临界氮浓度(（8）是指当植株达到最大生物量时的最小氮浓度值,是整个生长期作物被期望的浓度。为了明确不结球白菜的氮吸收特性,研究了其地上部氮浓度随生物量积累的变化规律,获得了其临界氮浓度模型。结果表明,其地上部干重（DW）小于等于1.5 t/ha时,地上部临界氮浓度值为常量,4.78%;DW超过1.5 t/ha时,地上部氮浓度值开始下降,且地上部氮浓度与干重符合函数关系:N(（8）%=4.78×(2-0.33。3.不结球白菜氮吸收和生长的累积光热效应为了明确不结球白菜氮吸收、生长随累积光热效应（light and temperature function,LTF）的变化规律,本研究以‘新夏青5号’、‘华王’和‘长征三号’三个品种为试材,于不同光热试验条件下测定了其地上部鲜重、干重和氮吸收量,建立了基于LTF的不结球白菜鲜重、干重和氮吸收模型。结果表明,鲜重、干重和氮吸收均与累积光热效应呈指数函数关系,模型的R2值均大于0.970。以‘华王’品种为例,分析了模型参数随施氮量的变异,结果表明,模型参数受施氮量影响显着,鲜重、干重和氮吸收三个模型的参数值与施氮量均符合一元二次方程,R2值依次为0.965、0.903和0.859。最后,采用独立试验的数据验证了‘华王’品种的三个模型。结果表明,鲜重模型实测值与模拟值间回归方程的斜率（r）为0.946,R2为0.965,RE为15.94%;干重模型实测值与模拟值间r为0.940,R2为0.966,RE为14.74%;氮吸收模型实测值与模拟值间r为0.970,R2为0.965,RE为19.78%。因此,基于累积光热效应、施氮量的生物量和氮吸收模型可以有效预测不结球白菜的鲜重、干重和氮吸收。4.不结球白菜氮吸收的水氮互作效应为了评估水分和氮素共同作用对不结球白菜氮营养状况的影响,本文采用水和氮两因子的随机区组设计,将不结球白菜幼苗置于不同氮浓度（2,9和18 mM NaNO3）和渗透势（0,60和120 g/L PEG 6000）的改良营养液中,培养7 d,测定其地上部和根部氮化合物含量和氮同化相关酶活性。结果表明,轻度干旱胁迫处理,植株含水量、蒸腾速率和地上部生物量变化不显着,即短期轻度干旱不影响不结球白菜对氮素的需求。中度干旱胁迫导致植株含水量、蒸腾速率、地上部生物量和地上部氮浓度显着下降。并且,中度干旱胁迫条件下氮素供应充分,可促进根系总游离氨基酸和根系生物量积累,诱导硝酸还原酶（NR;EC 1.7.1.1）活性提高,从而降低干旱导致的生长限制。研究表明,干旱和氮供应量对氮代谢相关的物质、酶活存在显着的互作效应,相对较高的植株含氮量有利于增强不结球白菜对干旱的适应性。5.基质、土壤栽培系统不结球白菜氮利用率、产量及品质的差异本文研究了基质栽培系统下施氮水平对不结球白菜生物量、品质和氮利用率的影响,并与实验室前期土壤栽培系统的不结球白菜氮素水平实验结果做了对比。结果表明,基质栽培系统,一定的施氮量（00.2 g/kg）范围内,随着施氮量的增加,不结球白菜生物量和氮积累量增加,氮的吸收率和利用率也随之递增,可溶性蛋白含量和类黄酮含量升高。当施氮量达到0.2 g/kg时,单株氮积累量持续升高,而氮的吸收率和利用率均达到了最高水平,分别为33.19%和41.74%;当氮素施用量为0.20.375 g/kg时,地上部鲜重和干重不再增加,氮吸收率和利用率下降。本研究还发现,基质和土壤两种栽培系统下,氮用量与产量和氮利用率间均呈现了一元二次倒抛物线型的变化趋势。基质栽培系统下当施氮量为129.20 kg/ha时,不结球白菜产量为11096.36 kg/ha,氮利用率达最高值,37.39%;常规土壤栽培系统下当施氮量为140.70 kg/ha时,不结球白菜产量为18729.46 kg/ha,氮利用率达最高值16.75%。6.多信息融合的不结球白菜氮需求模型的构建本章基于不结球白菜表型特征参数、临界氮浓度、生长期的温度、光合有效辐射及施氮量建立了多信息融合的不结球白菜氮需求模型。模型验证结果表明,氮需求量的预测值和实测值具有很好的符合度,R2值为0.948,RMSE值为1.96 mg/株。同时,结合不结球白菜的氮利用效率,提出了基于多参数融合的氮供应决策模型,并设计了基于临界氮浓度曲线和表型监测的不结球白菜氮供应决策系统框架。本研究通过纹理、形态与颜色指标相结合的表型分析,获得了高精度的不结球白菜氮浓度诊断模型,有助于其全生长过程的氮营养监测,为判断是否需要追施氮肥提供依据;研究发现,不结球白菜生物量小于1.5 t/ha时,地上部的临界氮浓度为常量;基于此,融合作物、环境和栽培管理等多参数建立了不结球白菜氮需求模型,模型验证效果良好,可为氮肥的供应量提供决策依据。综上,本研究为不结球白菜氮肥精准管理提供了理论支持和技术借鉴,对农业管理系统设计具有一定价值,并有助于降低肥料投入,实现安全生产。
孙筱霞[10]（2019）在《基于云技术的科技惠农服务信息系统分析与设计 ——以农业生产为例》文中指出农业科技是推动农业现代化发展的根本动力,科技惠农服务是促进农业科技惠及“三农”,提高农业生产效率、改善农村生活水平、增加农民收入的重要途径。随着信息技术的发展,借助科技惠农服务信息系统开展科技惠农服务成为普遍形态。但在实践中,传统科技惠农服务信息系统逐渐暴露出信息时效性差、服务水平有限等问题,而云技术在科技惠农服务信息系统中的应用是实现科技惠农服务精准化、智慧化的有效途径,也是响应国家号召建设“互联网+”现代农业的重要实践。本文首先针对江苏科技惠农服务信息系统具有的基础设施完善、信息资源丰富、信息系统应用类型多样和科技惠农服务模式多元的特点,分析其现实存在重复建设、服务对象有限、服务功能单一和信息资源分散的问题。在此基础上,采用面向对象分析方法,对科技惠农服务信息系统的五大构成要素及其功能性、非功能性需求进行分析,进一步运用云技术IaaS、PaaS、SaaS三层结构和微服务架构对混合云部署模式下的科技惠农服务信息系统的框架结构、数据库结构和功能结构进行详细设计。其功能结构包括管理业务、创新业务、服务业务、生产业务和经营业务功能,此外还对基于Hadoop数据仓库的采集、存储方案进行设计,以实现科技惠农服务信息在农业全产业链的精准匹配。最后,对基于云技术的科技惠农服务信息系统的实施和维护进行部署,以及采用原型设计对其信息系统相关功能的运行效果进行展示。本文基于云技术构建一个集管理、创新、服务、生产、经营为一体的科技惠农服务综合信息系统,不仅满足传统科技惠农服务信息系统的需求,如专家咨询、培训示范,还满足农业现代化发展催生的其他需求,如农业科技成果、农业社会化服务供需对接,促进江苏农业人才、科教、信息资源整合,为省级科技惠农服务信息系统的构建提供参考方案。
二、基于知识模型的作物适应性评价专家系统设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于知识模型的作物适应性评价专家系统设计（论文提纲范文）
（1）基于知识工程的稻麦割晒机快速设计研究与验证（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 知识工程的国外研究现状 |
| 1.3 知识工程的国内研究现状 |
| 1.4 主要研究内容及技术路线 |
| 1.4.1 主要研究内容 |
| 1.4.2 总技术路线 |
| 1.5 本章小结 |
| 第二章 稻麦割晒机快速设计体系的确定 |
| 2.1 引言 |
| 2.2 基于知识工程的稻麦割晒机快速设计过程分析 |
| 2.3 基于知识工程的稻麦割晒机快速设计功能模块 |
| 2.4 基于知识工程的稻麦割晒机快速设计管理体系 |
| 第三章 稻麦割晒机知识获取与表示方法的研究 |
| 3.1 稻麦割晒机设计知识的概述 |
| 3.2 稻麦割晒机设计知识的获取与整理 |
| 3.2.1 知识的获取 |
| 3.2.2 规范描述知识 |
| 3.2.3 输入参数知识 |
| 3.2.4 输出参数知识 |
| 3.3 稻麦割晒机设计知识的表达方法 |
| 3.3.1 产生式表达方法 |
| 3.3.2 框架式表达方法 |
| 3.3.3 面向对象式表达方法 |
| 3.4 稻麦割晒机知识的表达与存储 |
| 3.4.1 实例类知识的表达 |
| 3.4.2 实例类知识的存储 |
| 3.4.3 规则类知识的表达 |
| 3.4.4 规则类知识的存储 |
| 第四章 稻麦割晒机推理机制的研究 |
| 4.1 推理机制的概述 |
| 4.2 基于实例(CBR)和规则(RBR)的推理机制 |
| 4.3 实例的相似度算法 |
| 4.3.1 相似度算法原理 |
| 4.3.2 相似度示例 |
| 4.4 稻麦割晒机推理流程 |
| 4.5 稻麦割晒机的推理技术 |
| 第五章 稻麦割晒机快速设计系统的开发与应用 |
| 5.1 知识库的建立 |
| 5.1.1 MySQL功能简介 |
| 5.1.2 知识表格的构建 |
| 5.1.3 实例库的构建 |
| 5.1.4 知识库的写入调用 |
| 5.2 参数化建模 |
| 5.2.1 实例修改参数化 |
| 5.2.2 标准选型参数化 |
| 5.2.3 全新设计参数化 |
| 5.3 自动装配技术 |
| 5.3.1 装配关系和约束方法的确立 |
| 5.3.2 建立装配顺序矩阵 |
| 5.3.3 建立配合基准 |
| 5.3.4 建立装配规则库 |
| 5.3.5 循环装配 |
| 5.4 应用实例 |
| 5.5 设计结果检验 |
| 5.5.1 Montion运动稳定性的校验 |
| 5.5.2 Simulition强度校核的引入 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 主要成果 |
（2）青椒集雨调亏滴灌智能需水感知与节水灌溉决策研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 滴灌 |
| 1.2.2 调亏灌溉 |
| 1.2.3 覆盖集雨种植 |
| 1.2.4 人工智能 |
| 1.2.5 灌溉决策支持系统 |
| 1.3 发展动态分析及问题的提出 |
| 1.4 主要研究内容与技术路线 |
| 第2章 材料与方法 |
| 2.1 试验地概况 |
| 2.2 试验设计与田间管理 |
| 2.2.1 试验设计与布置 |
| 2.2.2 田间管理 |
| 2.3 观测项目和测定方法 |
| 2.3.1 气象数据观测 |
| 2.3.2 土壤含水量的测定 |
| 2.3.3 作物生长指标、冠层温度及产量、品质(V_c)的测定 |
| 2.3.4 作物需水量(ET)及灌水量的计算与测定 |
| 2.3.5 灌溉水利用效率及节水率的测定 |
| 2.4 数据处理与分析 |
| 2.5 本章小结 |
| 第3章 不同灌溉处理对青椒产量、品质(V_c)、灌溉水利用效率的影响 |
| 3.1 不同试验处理对青椒产量的影响 |
| 3.1.1 不同试验处理条件下的青椒产量分析 |
| 3.1.2 2018 年不同试验处理条件下的青椒产量分析 |
| 3.2 不同试验处理对青椒品质(V_c)的影响 |
| 3.2.1 不同试验处理条件下的青椒品质(V_c)分析 |
| 3.2.2 2018 年不同试验处理条件下的青椒品质(V_c)分析 |
| 3.3 不同试验处理对青椒灌溉水利用效率(IWUE)的影响 |
| 3.3.1 不同试验处理条件下的青椒灌溉水利用效率(IWUE)分析 |
| 3.3.2 2018 年不同试验处理条件下的青椒水利用效率分析 |
| 3.4 本章小结 |
| 第4章 基于人工智能优化算法的青椒需水量预测模型 |
| 4.1 作物需水量、数据预处理及模型性能评价指标 |
| 4.1.1 作物需水量 |
| 4.1.2 数据预处理 |
| 4.1.3 预测模型性能评价指标 |
| 4.2 优化的支持向量机(SVM)预测模型 |
| 4.2.1 支持向量机原理 |
| 4.2.2 遗传算法原理 |
| 4.2.3 GA-SVM青椒需水量预测模型的建立与比较分析 |
| 4.3 优化的Elman神经网络预测模型 |
| 4.3.1 Elman神经网络模型原理 |
| 4.3.2 思维进化算法原理 |
| 4.3.3 MEA-Elman、GA-Elman神经网络预测模型的建立与比较分析 |
| 4.4 本章小结 |
| 第5章 青椒节水灌溉决策系统 |
| 5.1 灌溉水量的影响因素分析 |
| 5.2 基于深度神经网络的灌溉决策系统模型的建立 |
| 5.2.1 深度学习(DNN)原理 |
| 5.2.2 基于DNN的青椒实时节水灌溉决策系统的建立 |
| 5.2.3 DNN决策系统应用效果分析与评价 |
| 5.3 本章小结 |
| 第6章 基于长距离通信技术的决策系统平台 |
| 6.1 LoRa概述 |
| 6.1.1 LoRa发展简史 |
| 6.1.2 LoRa技术特点 |
| 6.2 总体结构 |
| 6.3 数据采集与传输 |
| 6.3.1 LoRa模块的选择 |
| 6.3.2 数据采集及控制模块 |
| 6.3.3 LoRa终端和LoRa网关 |
| 6.3.4 终端节点及LoRa通信 |
| 6.3.5 云端智能控制系统 |
| 6.3.6 系统测试 |
| 6.4 主要功能 |
| 6.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间发表论文和参加科研情况 |
| 致谢 |
| 作者简介 |
（3）基于BfP的智能喷杆喷雾机可重构模块化设计方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 喷杆喷雾机研究现状 |
| 1.2.2 可重构模块化技术研究现状 |
| 1.2.3 Brownfield Process研究现状 |
| 1.2.4 现有喷杆喷雾机研究存在的主要问题分析 |
| 1.2.5 利用Brownfield Process方法进行IBS可重构设计的可行性分析 |
| 1.3 研究目标与内容 |
| 1.3.1 研究目标 |
| 1.3.2 主要研究内容 |
| 1.4 研究方法、技术路线与试验方案 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线 |
| 1.4.3 试验方案 |
| 1.5 本章小结 |
| 第二章 多功能智能喷杆喷雾机可重构框架分析 |
| 2.1 一般喷杆喷雾机及其结构特征分析 |
| 2.1.1 喷杆系统 |
| 2.1.2 喷雾系统 |
| 2.1.3 底盘系统 |
| 2.1.4 一般喷杆喷雾机特点分析 |
| 2.2 多功能智能变喷杆喷雾机结构特点分析 |
| 2.2.1 智能变喷杆喷雾机功能分析 |
| 2.2.2 智能变喷杆喷雾机特点分析 |
| 2.2.3 现有智能变喷杆喷雾机设计方法及其局限性 |
| 2.3 多功能智能喷杆喷雾机可重构设计思路 |
| 2.3.1 可重构模块化设计思路 |
| 2.3.2 智能喷杆喷雾机模块化分析 |
| 2.3.3 智能喷杆喷雾机可重构设计 |
| 2.4 本章小结 |
| 第三章 智能喷杆喷雾机及设计引导过程 |
| 3.1 IBS可重构系统的内涵与特征 |
| 3.1.1 IBS可重构系统的内涵 |
| 3.1.2 IBS可重构系统的特征 |
| 3.2 IBS可重构系统的ISM构建 |
| 3.2.1 ISM实施过程 |
| 3.2.2 基于ISM的IBS开发平台结构模型 |
| 3.2.3 IBS结构模型的分析 |
| 3.3 可重构IBS与一般喷杆喷雾机的比较 |
| 3.3.1 IBS与一般喷杆喷雾机的差异 |
| 3.3.2 可重构IBS的优势分析 |
| 3.4 本章小结 |
| 第四章 智能喷杆喷雾机的P-BfP过程 |
| 4.1 IBS的BfP设计 |
| 4.1.1 BfP设计步骤 |
| 4.1.2 BfP对IBS设计的适用性及其干扰分析 |
| 4.2 IBS的P-BfP设计及实现过程 |
| 4.2.1 IBS的P-BfP设计过程 |
| 4.2.2 IBS的P-BfP过程实现 |
| 4.3 P-BfP的系统动力学模型 |
| 4.3.1 SD模型构建 |
| 4.3.2 BfP与P-BfP的SD模型分析 |
| 4.4 本章小结 |
| 第五章 智能喷杆喷雾机的可重构性模糊综合评价 |
| 5.1 智能喷杆喷雾机可重构性评价指标分析 |
| 5.1.1 BfP的BIA模型 |
| 5.1.2 IBS可重构性评价指标体系构建 |
| 5.2 模糊综合评价过程 |
| 5.3 有效性检验过程 |
| 5.4 指标权值确定 |
| 5.5 本章小结 |
| 第六章 智能喷杆喷雾机的开发平台构建与控制策略 |
| 6.1 IBS开发平台构建的算法 |
| 6.2 IBS设计引导过程实现 |
| 6.2.1 IBS设计引导过程实现的理论依据 |
| 6.2.2 IBS设计引导过程的实现流程 |
| 6.3 IBS设计数据支持系统实现 |
| 6.3.1 数据支持系统实现的理论依据 |
| 6.3.2 数据支持的实现流程 |
| 6.4 IBS控制策略分析 |
| 6.5 本章小结 |
| 第七章 多功能变喷杆智能喷雾机P-BfP过程实现 |
| 7.1 智能喷杆喷雾机喷杆模块P-BfP过程的实现 |
| 7.2 喷杆模块的动态特性仿真 |
| 7.2.1 喷杆模块的软件导入及参数设置 |
| 7.2.2 喷杆模块的仿真分析 |
| 7.3 多功能变喷杆智能喷雾机模糊综合评价 |
| 7.3.1 综合评价向量的确定与评价 |
| 7.3.2 评价结果有效性检验 |
| 7.4 评价结果分析与优化 |
| 7.5 本章小结 |
| 第八章 研究总结与展望 |
| 8.1 主要研究工作和创新性结论 |
| 8.1.1 主要研究工作 |
| 8.1.2 创新性结论 |
| 8.2 进一步研究展望 |
| 攻读学位期间发表的学术成果 |
| 参考文献 |
| 附录1 英文缩写与参数表 |
| 附录2 仿真与开发程序图 |
（4）基于大数据的西藏荒漠治理植物优选决策研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 荒漠化治理中植物品种选择方法 |
| 1.2.2 荒漠治理植物优选综合评价指标体系 |
| 1.2.3 荒漠大数据研究与应用 |
| 1.2.4 国内外研究小结 |
| 1.3 研究内容、技术路线及创新点 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 创新点 |
| 1.4 课题来源 |
| 1.5 本章小结 |
| 2 相关理论与技术 |
| 2.1 荒漠治理植物优选理论基础 |
| 2.2 荒漠大数据采集技术 |
| 2.3 植物优选挖掘分析方法 |
| 2.4 系统开发关键技术 |
| 2.5 本章小结 |
| 3 荒漠治理植物优选决策模型研究 |
| 3.1 综合评价指标体系构建 |
| 3.1.1 评价对象 |
| 3.1.2 指标体系构建原则 |
| 3.1.3 指标体系的构建 |
| 3.1.4 指标的量化 |
| 3.2 基于相关系数的加权模糊相似优先比植物初选决策模型 |
| 3.2.1 基于模糊相似优先比法的决策模型 |
| 3.2.2 基于模糊相似优先比法的改进 |
| 3.3 基于层次分析的植物优选多属性决策模型 |
| 3.4 本章小结 |
| 4 西藏山南荒漠治理植物优选与验证 |
| 4.1 问题描述 |
| 4.2 植物初选流程 |
| 4.2.1 数据预处理 |
| 4.2.2 气象特征分析 |
| 4.2.3 海明距离计算 |
| 4.2.4 模糊相关矩阵建立 |
| 4.2.5 相似顺序序列评估 |
| 4.2.6 相关系数比较排序与植物初选 |
| 4.3 植物优选流程 |
| 4.3.1 综合权重确定 |
| 4.3.2 综合评价 |
| 4.4 有效性分析与验证 |
| 4.5 本章小结 |
| 5 荒漠治理植物优选系统设计与实现 |
| 5.1 大数据平台介绍 |
| 5.2 荒漠治理植物种质资源库分析与设计 |
| 5.2.1 种质资源库建设背景 |
| 5.2.2 种质资源库需求分析 |
| 5.2.3 种质资源库设计 |
| 5.2.4 种质资源库实现 |
| 5.3 荒漠治理植物品种优选系统需求分析与系统设计 |
| 5.3.1 系统需求分析 |
| 5.3.2 系统总体架构设计 |
| 5.3.3 系统功能模块设计 |
| 5.3.4 系统实现 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 硕士期间获得的研究成果 |
（6）区域种植业资源管理系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1.文献综述 |
| 1.1 国内外研究现状 |
| 1.1.1 国外研究现状 |
| 1.1.2 国内研究现状 |
| 1.2 系统的主要支撑技术 |
| 1.2.1 计算机网络技术 |
| 1.2.2 数据库技术 |
| 1.2.3 GIS技术 |
| 2.绪论 |
| 2.1 研究的意义与目的 |
| 2.2 研究目的 |
| 2.3 主要的研究内容 |
| 2.4 区域种植业资源管理系统概述 |
| 3.系统的需求分析 |
| 3.1 系统使用用户分析 |
| 3.2 业务模型的分析 |
| 3.2.1 土壤质量评价分析 |
| 3.2.2 土壤所含养分评价 |
| 3.2.3 土肥管理模块 |
| 3.2.4 作物布局模型 |
| 3.3 使用功能的需求分析 |
| 3.4 系统数据的需求分析 |
| 4.系统的总体设计 |
| 4.1 系统设计的目标 |
| 4.2 系统设计的原则 |
| 4.3 系统功能结构设计 |
| 4.4 详细设计 |
| 4.4.1 系统业务构成 |
| 4.4.2 系统功能代号 |
| 4.5 数据库建立 |
| 4.5.1 建立原则 |
| 4.5.2 数据库分类 |
| 4.5.3 数据库设计思路 |
| 4.5.4 核心数据体系设计 |
| 4.5.5 共享数据战略 |
| 4.5.6 数据库内容规划 |
| 4.6 建立流程 |
| 4.7 系统开发环境 |
| 5.系统功能实现 |
| 5.1 土壤质量评价系统 |
| 5.1.1 功能介绍 |
| 5.1.2 监测点设置 |
| 5.1.3 土壤质量评价 |
| 5.1.4 动态监测 |
| 5.1.5 业务报表 |
| 5.2 土肥管理系统 |
| 5.2.1 功能介绍 |
| 5.2.2 作物信息 |
| 5.2.3 施肥措施 |
| 5.2.4 施肥措施 |
| 5.2.5 GIS展示 |
| 5.3 作物布局分析系统 |
| 5.3.1 监测点布局 |
| 5.3.2 土壤质量评价 |
| 5.3.3 作物分布情况 |
| 5.3.4 施肥管理 |
| 5.4 农业生产管理系统 |
| 5.4.1 报表界面 |
| 5.4.2 任务制定和接受 |
| 5.4.3 GIS展示 |
| 5.5 区域特色产业管理系统 |
| 5.5.1 功能介绍 |
| 5.5.2 特色产业管理 |
| 6.总结与展望 |
| 6.1 内容总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
（7）联合收割机模型库系统构建与应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景与目的意义 |
| 1.1.1 研究背景 |
| 1.1.2 目的意义 |
| 1.2 国内外研究情况和发展趋势 |
| 1.2.1 国外研究情况 |
| 1.2.2 国内研究情况 |
| 1.2.3 存在问题及发展趋势 |
| 1.3 研究内容和方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 研究思路 |
| 1.3.4 技术路线 |
| 1.4 预期结果 |
| 2 系统设计总体方案与关键技术 |
| 2.1 系统设计目标与原则 |
| 2.1.1 系统设计目标 |
| 2.1.2 系统设计原则 |
| 2.2 总体方案布局 |
| 2.2.1 概述 |
| 2.2.2 模型库 |
| 2.2.3 模型库管理系统 |
| 2.2.4 模型字典 |
| 2.2.5 模型库管理员 |
| 2.3 技术模块与组织关系 |
| 2.3.1 模型前处理 |
| 2.3.2 检索策略 |
| 2.3.3 模型管理 |
| 2.3.4 用户界面设计 |
| 2.4 共性关键技术 |
| 2.4.1 装备谱系及拓扑图 |
| 2.4.2 谱系语义与物元标识 |
| 2.4.3 模型资源检索算法 |
| 2.4.4 参数化变形设计 |
| 3 联合收割机谱系划分及拓扑图构建 |
| 3.1 概述 |
| 3.2 联合收割机装备与功能 |
| 3.2.1 联合收割机类型 |
| 3.2.2 机具组成及功能 |
| 3.3 模块化分解与聚类分析 |
| 3.3.1 谱系层次划分 |
| 3.3.2 功能模块划分 |
| 3.3.3 零部件编号 |
| 3.3.4 模块分类影响因素 |
| 3.3.5 模糊聚类计算 |
| 3.3.6 模块聚类 |
| 3.4 谱系图绘制 |
| 4 模型库结构设计 |
| 4.1 模型概述 |
| 4.1.1 模型的特点 |
| 4.1.2 模型的表示方法 |
| 4.2 模型库数据分析 |
| 4.3 模型库的结构 |
| 4.3.1 模型库的组织与存储 |
| 4.3.2 模型字典库 |
| 4.3.3 模型文件库 |
| 5 模型表达与全息物元标识 |
| 5.1 系统模型表达 |
| 5.2 全息标识 |
| 5.2.1 全息标识结构 |
| 5.2.2 全息标识规则 |
| 5.2.3 物元标识规则 |
| 5.3 实例全息标识 |
| 5.3.1 辐板实例标识 |
| 5.3.2 滚筒实例标识 |
| 5.3.3 零部件标识对比 |
| 6 模型库管理系统设计 |
| 6.1 系统概述与功能模块划分 |
| 6.1.1 模型查询 |
| 6.1.2 模型添加 |
| 6.1.3 模型删除 |
| 6.1.4 模型修改 |
| 6.1.5 模型调用 |
| 6.2 系统接口技术 |
| 6.2.1 CATIA二次开发接口技术 |
| 6.2.2 系统数据库开发技术 |
| 6.3 模型辅助标识技术 |
| 6.3.1 技术流程 |
| 6.3.2 信息提取 |
| 6.3.3 模型资源信息另存为及标识 |
| 6.4 参数化设计 |
| 6.4.1 Skeleton Design流程 |
| 6.4.2 骨架模型的建立 |
| 6.4.3 参数化模型实体生成 |
| 7 系统集成与测试 |
| 7.1 概述 |
| 7.2 界面设计 |
| 7.2.1 模型信息浏览 |
| 7.2.2 模型检索目录 |
| 7.2.3 模型库资源管理 |
| 7.2.4 模型标识的应用 |
| 7.2.5 用户权限的管理 |
| 7.3 VB.NET编程 |
| 7.3.1 程序设计 |
| 7.3.2 参数化模型驱动 |
| 8 结论与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
（8）联合收割机知识库系统构建与智能化设计应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景与目的意义 |
| 1.1.1 研究背景 |
| 1.1.2 目的意义 |
| 1.2 国内外研究情况和发展趋势 |
| 1.2.1 国外研究情况 |
| 1.2.2 国内研究情况 |
| 1.2.3 存在问题及发展趋势 |
| 1.3 研究内容和方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 1.4 预期结果 |
| 2 知识库系统架构与技术方案 |
| 2.1 系统的功能需求分析 |
| 2.2 总体架构方案 |
| 2.3 技术模块架构 |
| 3 农机装备设计知识的分类及获取 |
| 3.1 农机装备设计的过程 |
| 3.2 装备设计知识的分类 |
| 3.2.1 装备设计知识的特点 |
| 3.2.2 装备设计知识的分类结果 |
| 3.3 装备设计知识的获取 |
| 3.3.1 装备设计知识获取的方法 |
| 3.3.2 装备设计知识获取的流程 |
| 4 联合收割机设计知识的分析与表达 |
| 4.1 联合收割机设计知识的来源 |
| 4.2 联合收割机设计知识的分析 |
| 4.2.1 设计过程分析 |
| 4.2.2 设计知识的表现形式 |
| 4.2.3 设计知识的类型 |
| 4.3 联合收割机设计知识的表达 |
| 4.3.1 框架表示法 |
| 4.3.2 产生式规则表示法 |
| 4.3.3 混合表示方法 |
| 5 联合收割机设计知识的组织与存储 |
| 5.1 联合收割机谱系拓扑图构建 |
| 5.1.1 谱系层次设置 |
| 5.1.2 功能模块划分 |
| 5.1.3 谱系拓扑图 |
| 5.2 数据关联技术实现 |
| 5.2.1 数据库的选用 |
| 5.2.2 ADO.Net连接数据库 |
| 5.3 系统中知识的存储与管理 |
| 5.3.1 数据类型及存储格式 |
| 5.3.2 知识的分离及附加 |
| 6 知识在设计过程中的运用方法 |
| 6.1 知识的查询 |
| 6.1.1 关键词定位查询 |
| 6.1.2 模糊判断查询 |
| 6.2 知识的编辑 |
| 6.3 知识的推理 |
| 6.3.1 基于规则的推理方法 |
| 6.3.2 基于实例的推理方法 |
| 6.3.3 混合推理方法 |
| 6.4 设计体系建立 |
| 7 系统技术集成与系统测试 |
| 7.1 开发工具选择与技术实现 |
| 7.1.1 开发工具及编程语言选择 |
| 7.1.2 CATIA二次开发技术实现 |
| 7.2 人机交互界面设计 |
| 7.2.1 系统登录界面及主界面 |
| 7.2.2 知识浏览与查询模块 |
| 7.2.3 知识存储与管理模块 |
| 7.2.4 基于知识的设计模块 |
| 7.2.5 系统的权限管理模块 |
| 7.3 交互式系统操作流程 |
| 7.4 实例分析 |
| 7.4.1 纹杆滚筒式脱粒装置设计 |
| 7.4.2 清选装置设计 |
| 8 结论与创新点 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
（9）基于多信息融合的不结球白菜氮营养诊断与需求研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词 |
| 第一章 绪论 |
| 1.1 不结球白菜栽培现状 |
| 1.1.1 栽培模式 |
| 1.1.2 灌溉与施肥 |
| 1.1.3 栽培存在的问题 |
| 1.1.4 氮肥减量施用技术 |
| 1.2 植物氮营养诊断技术研究进展 |
| 1.2.1 外观诊断 |
| 1.2.2 化学诊断 |
| 1.2.3 现代无损检测技术诊断 |
| 1.3 植物表型 |
| 1.3.1 表型平台发展现状 |
| 1.3.2 表型研究策略 |
| 1.4 植物氮吸收与利用研究进展 |
| 1.4.1 临界氮浓度曲线 |
| 1.4.2 植物氮浓度阈值 |
| 1.4.3 植物氮利用生理机制 |
| 1.4.4 植物氮吸收与利用的影响因素 |
| 1.5 作物模型 |
| 1.6 研究问题的提出 |
| 1.7 本研究的意义及技术路线 |
| 1.7.1 研究目标 |
| 1.7.2 研究内容 |
| 1.7.3 技术路线 |
| 第二章 不结球白菜表型与氮浓度关联模型的构建 |
| 2.1 材料与方法 |
| 2.1.1 植物样品 |
| 2.1.2 图像采集 |
| 2.1.3 图像处理 |
| 2.1.4 指标提取 |
| 2.1.5 氮相关物质的测定 |
| 2.1.6 关联模型的构建 |
| 2.1.7 不同场景下模型的评估 |
| 2.2 结果与分析 |
| 2.2.1 表型指标与氮相关物质的相关性分析 |
| 2.2.2 表型指标筛选 |
| 2.2.3 模型建立 |
| 2.2.4 模型校验 |
| 2.2.5 模型评估 |
| 2.2.6 表型性状对模型的贡献度分析 |
| 2.2.7 模型简化及评估 |
| 2.3 讨论 |
| 2.3.1 表型对植株氮营养状态预测的可行性 |
| 2.3.2 全模型较颜色模型预测植物氮素更准确 |
| 2.3.3 随机森林模型具有更强的鲁棒性 |
| 2.3.4 简化后的随机森林模型仍能有效地预测植株氮 |
| 2.4 小结 |
| 第三章 不结球白菜氮吸收的阈值研究 |
| 3.1 材料与方法 |
| 3.1.1 试验材料 |
| 3.1.2 实验设计 |
| 3.1.3 测定项目与方法 |
| 3.1.4 氮吸收阈值模型的描述 |
| 3.1.5 数据分析 |
| 3.2 结果与分析 |
| 3.2.1 地上部氮浓度 |
| 3.2.2 地上部干重 |
| 3.2.3 地上部氮积累 |
| 3.2.4 氮浓度阈值 |
| 3.2.5 鲜重与干重的关系 |
| 3.3 讨论 |
| 3.3.1 植物氮稀释的原因 |
| 3.3.2 基于临界氮浓度的氮需求分析 |
| 3.4 小结 |
| 第四章 不结球白菜氮吸收及生长的累积光热效应 |
| 4.1 材料与方法 |
| 4.1.1 实验设计 |
| 4.1.2 鲜重、干重和氮浓度的测定 |
| 4.1.3 环境参数的获取 |
| 4.1.4 累积光热效应的计算 |
| 4.1.5 模型建立及参数确定 |
| 4.1.6 模型检验 |
| 4.2 结果与分析 |
| 4.2.1 累积光热效应 |
| 4.2.2 模型描述 |
| 4.2.3 模型参数的确定 |
| 4.2.4 模型检验 |
| 4.3 讨论 |
| 4.4 小结 |
| 第五章 不结球白菜氮吸收的水氮互作效应 |
| 5.1 材料与方法 |
| 5.1.1 试验材料 |
| 5.1.2 实验设计 |
| 5.1.3 测定项目与方法 |
| 5.1.4 数据分析 |
| 5.2 结果与分析 |
| 5.2.1 植株含水率 |
| 5.2.2 生长参数 |
| 5.2.3 氮含量 |
| 5.2.4 NO_3~--N,NH_4~+-N和总的游离氨基酸含量 |
| 5.2.5 氮代谢酶活性 |
| 5.3 讨论 |
| 5.3.1 水分供应不足限制硝态氮从根部向地上部的转运 |
| 5.3.2 水分供应不足降低了不结球白菜对氮的需求 |
| 5.3.3 氮的供应可减缓水分供应不足对不结球白菜造成的不利影响 |
| 5.4 小结 |
| 第六章 基质、土壤栽培系统下不结球白菜氮利用率、产量及品质的差异 |
| 6.1 材料与方法 |
| 6.1.1 试验材料 |
| 6.1.2 实验设计 |
| 6.1.3 测定项目与方法 |
| 6.2 结果与分析 |
| 6.2.1 生物量和氮浓度 |
| 6.2.2 品质 |
| 6.2.3 氮吸收率和利用率 |
| 6.2.4 产量、硝酸盐含量和氮利用率与施氮量的关系 |
| 6.3 讨论 |
| 6.3.1 产量、氮利用率与施氮量均符合二次回归关系 |
| 6.3.2 基质栽培系统提高了氮肥吸收 |
| 6.4 小结 |
| 第七章 不结球白菜氮供应决策模型与系统设计 |
| 7.1 不结球白菜氮供应决策模型 |
| 7.1.1 实际氮浓度预测模型 |
| 7.1.2 基于光热效应的产量形成模型 |
| 7.1.3 不结球白菜临界氮浓度曲线 |
| 7.1.4 氮利用率 |
| 7.2 氮需求模型验证 |
| 7.2.1 数据采集 |
| 7.2.2 数据分析 |
| 7.2.3 验证结果 |
| 7.3 氮供应决策系统设计 |
| 7.3.1 需求分析 |
| 7.3.2 系统设计 |
| 7.4 小结 |
| 第八章 结论与展望 |
| 8.1 全文总结 |
| 8.2 创新点 |
| 8.3 展望 |
| 参考文献 |
| 附录 |
| 附录1 第二章补充材料 |
| 附录2 攻读博士学位期间科研成果及其他相关工作 |
| 博士期间发表论文 |
| 参加的国内、国际学术会议 |
| 项目支持 |
| 致谢 |
（10）基于云技术的科技惠农服务信息系统分析与设计 ——以农业生产为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 本文的研究背景与意义 |
| 1.1.1 本文的研究背景 |
| 1.1.2 本文的研究意义 |
| 1.2 国内外相关研究现状综述 |
| 1.2.1 云技术理论与应用的研究现状 |
| 1.2.2 关于科技惠农服务信息系统的研究现状 |
| 1.2.3 述评 |
| 1.3 本文的主要研究内容与研究方法 |
| 1.3.1 本文的主要研究内容 |
| 1.3.2 本文的研究方法 |
| 1.4 本文的技术路线与章节安排 |
| 1.5 本文拟解决的几个主要问题 |
| 第二章 相关理论与方法 |
| 2.1 云技术的理论 |
| 2.1.1 云技术的涵义 |
| 2.1.2 云技术的特征 |
| 2.1.3 云技术的逻辑结构 |
| 2.1.4 云技术的部署模式 |
| 2.2 云技术的方法 |
| 2.2.1 Hadoop数据处理方法 |
| 2.2.2 Spark数据处理方法 |
| 2.2.3 微服务架构方法 |
| 2.3 科技惠农服务信息系统的理论与方法 |
| 2.3.1 科技惠农服务信息系统的理论 |
| 2.3.2 科技惠农服务信息系统的方法 |
| 第三章 科技惠农服务信息系统的现状与需求分析 |
| 3.1 科技惠农服务信息系统的现状与存在问题 |
| 3.1.1 江苏农业发展现状 |
| 3.1.2 江苏科技惠农服务信息系统的现状 |
| 3.1.3 江苏科技惠农服务信息系统存在的问题 |
| 3.2 科技惠农服务信息系统的要素构成 |
| 3.2.1 涉农行政部门 |
| 3.2.2 涉农科教单位 |
| 3.2.3 涉农服务单位 |
| 3.2.4 独立经营的农户 |
| 3.2.5 涉农企业 |
| 3.3 基于云技术的科技惠农服务信息系统的功能性需求分析 |
| 3.3.1 涉农行政部门的需求分析 |
| 3.3.2 涉农科教单位的需求分析 |
| 3.3.3 涉农服务单位的需求分析 |
| 3.3.4 独立经营农户的需求分析 |
| 3.3.5 涉农企业的需求分析 |
| 3.4 基于云技术的科技惠农服务系统的非功能性需求分析 |
| 3.4.1 基于云技术的科技惠农服务信息系统的可靠性需求 |
| 3.4.2 基于云技术的科技惠农服务信息系统的易用性需求 |
| 3.4.3 基于云技术的科技惠农服务信息系统的安全性需求 |
| 3.4.4 基于云技术的科技惠农服务信息系统的可扩展性需求 |
| 3.5 本章小结 |
| 第四章 基于云技术的科技惠农服务信息系统设计 |
| 4.1 基于云技术的科技惠农服务信息系统设计目标与原则 |
| 4.1.1 基于云技术的科技惠农服务信息系统的设计目标 |
| 4.1.2 基于云技术的科技惠农服务信息系统的设计原则 |
| 4.2 基于云技术的科技惠农服务信息系统的框架结构设计 |
| 4.2.1 基于云技术的科技惠农服务信息系统的总体结构设计 |
| 4.2.2 基于云技术的科技惠农服务信息系统的运行结构设计 |
| 4.2.3 基于云技术的科技惠农服务信息系统的物理结构设计 |
| 4.3 基于云技术的科技惠农服务信息系统的功能设计 |
| 4.3.1 基于云技术的科技惠农服务信息系统的数据库设计 |
| 4.3.2 基于云技术的科技惠农服务信息系统的管理业务系统功能设计 |
| 4.3.3 基于云技术的科技惠农服务信息系统的创新业务系统功能设计 |
| 4.3.4 基于云技术的科技惠农服务信息系统的服务业务系统功能设计 |
| 4.3.5 基于云技术的科技惠农服务信息系统的生产业务系统功能设计 |
| 4.3.6 基于云技术的科技惠农服务信息系统的经营业务系统功能设计 |
| 4.4 本章小结 |
| 第五章 基于云技术的科技惠农服务信息系统的实施与维护 |
| 5.1 基于云技术的科技惠农服务信息系统的实施 |
| 5.2 基于云技术的科技惠农服务信息系统的维护 |
| 5.2.1 基于云技术的科技惠农服务信息系统的维护内容 |
| 5.2.2 基于云技术的科技惠农服务信息系统的安全维护 |
| 5.3 基于云技术的科技惠农服务信息系统的运行效果 |
| 5.3.1 基于云技术的科技惠农服务信息系统首页 |
| 5.3.2 基于云技术的科技惠农服务信息系统注册与登录界面 |
| 5.3.3 基于云技术的科技惠农服务信息系统生产业务系统界面 |
| 5.3.4 基于云技术的科技惠农服务信息系统经营业务系统界面 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 下一步研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间发表的论文和参与的项目 |
四、基于知识模型的作物适应性评价专家系统设计（论文参考文献）
- [1]基于知识工程的稻麦割晒机快速设计研究与验证[D]. 张海军. 昆明理工大学, 2021(01)
- [2]青椒集雨调亏滴灌智能需水感知与节水灌溉决策研究[D]. 刘婧然. 河北工程大学, 2021(08)
- [3]基于BfP的智能喷杆喷雾机可重构模块化设计方法研究[D]. 马鲁强. 南京林业大学, 2021(02)
- [4]基于大数据的西藏荒漠治理植物优选决策研究[D]. 王雪. 山东农业大学, 2020(01)
- [5]教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知[J]. 教育部. 中华人民共和国教育部公报, 2020(06)
- [6]区域种植业资源管理系统的设计与实现[D]. 常澍. 华北水利水电大学, 2020(01)
- [7]联合收割机模型库系统构建与应用研究[D]. 刘招金. 东北农业大学, 2020
- [8]联合收割机知识库系统构建与智能化设计应用研究[D]. 李金龙. 东北农业大学, 2020(07)
- [9]基于多信息融合的不结球白菜氮营养诊断与需求研究[D]. 熊鑫. 上海交通大学, 2019(06)
- [10]基于云技术的科技惠农服务信息系统分析与设计 ——以农业生产为例[D]. 孙筱霞. 东南大学, 2019(10)