刘景艳
- 作品数：9 被引量：24H指数：4
- 供职机构：河北农业大学机电工程学院更多>>
- 发文基金：国家自然科学基金国家重点实验室开放基金河北省科技攻关计划更多>>
- 相关领域：农业科学自动化与计算机技术轻工技术与工程理学更多>>
- 近机械类及非机械类专业“机械设计基础”课程教学的探讨被引量：1
- 2016年
- 机械设计基础是近机械类专业和非机械类专业开设的专业基础课程。在教学过程中面对此类专业学生出现的思维方式、厌学心理、实践能力不足等问题,从教学方法、教学内容和实践环节与考核方式等方面给出实施方案。经过实践证明,课堂教学效果和学生学习动力均得到显著提高。
- 张博张秀花李昕王鹏飞刘景艳
- 关键词：机械设计基础教学方法学习动力
- 基于STC89C52的家用自动浇灌装置被引量：4
- 2017年
- 本系统采用STC89C52单片机为核心芯片,利用湿度传感器YL-69来采集土壤的湿度,将采集到的数据传送到ADC0832,并在LCD1602显示芯片上进行显示。利用单片机程序设计浇水的上下限值,与土壤湿度值进行比较。当低于下限值时,单片机采用模糊控制的方式输出一个浇水控制信号,控制水泵,实现自动浇灌;当高于上限值时再由单片机输出一个终止浇水的信号。
- 张博刘景艳霍倩
- 关键词：STC89C52LCD模糊控制
- 《机械CAD/CAM》课程教学方法探讨被引量：1
- 2016年
- 《机械CAD/CAM》是机械专业开设的专业课程。在教学过程中学生学习兴趣不足,教学重理论轻实践等问题导致教学效果不佳,笔者从课堂教学、实践环节、考核方式上总结出了改进方案。
- 张博马志凯孔德刚张淼刘景艳
- 关键词：CAD/CAM教学方法
- 基于并行粒子群算法的LED植物最优补光系统设计被引量：4
- 2018年
- 针对发光二极管(light emitting diode,简称LED)植物光照分布不均匀的问题,设计基于并行粒子群算法的温室LED植物最优补光系统,系统提出利用STC89C51单片机与BH1750FVI光照度传感器模块的结合实现光照度数据的检测与采集;根据专家系统及并行粒子群算法推算出最优补光量及补光位置;采用PT4115降压恒流源驱动LED灯组工作的方法实现温室中植物光照度的实时监测及最优补光。结果表明,应用并行粒子群算法寻找LED补光最优位置方法是可行的,同时方便用户合理补光,减少补光不均匀对植物生长造成的不良影响。
- 贺斐斐曹春雨刘景艳任振辉
- 关键词：LED补光专家系统并行粒子群算法
- 基于近红外光谱技术的苹果霉心病检测方法被引量：5
- 2019年
- 为实现苹果霉心病无损检测,提高果实品质,以斗南苹果为研究对象,利用MPA近红外光谱仪,采集了100个苹果,4 000～12 500 cm-1波长范围内的漫反射光谱。将主成分分析(PCA)分别与马氏距离判别模型和Fisher判别模型结合,比较两种判别模型对霉心病的判别精度。试验结果表明:在对苹果样品全波段光谱数据进行主成分分析后,将前10主成分作为输入变量建立判别模型,马氏距离判别模型正确识别率为97. 14%,Fisher判别模型的正确率为88. 57%,马氏距离判别模型明显优于Fisher判别模型。
- 王梓萌刘景艳姚腾飞李东明
- 关键词：苹果霉心病近红外光谱
- 基于机器视觉的茄子种子发芽率预测方法
- 2023年
- 为了研究茄子种子的发芽能力,提出了1种基于机器视觉的快速无损预测茄子种子发芽率的研究方法。为了探索种子发芽能力与表型特征之间的关系,本研究选用具有五通道的多光谱相机对新鲜的茄子种子进行图像信息采集。本试验设计了2种机器学习模型,含基于所提取表型数据的预测模型与基于五通道多光谱图像的深度学习预测模型,对茄子种子的发芽率进行预测。首先利用颜色空间转换、形态学处理等图像处理算法对种子表型特征数据进行提取,结合主成分分析以及连续投影算法对数据进行降维分析,建立了基于支持向量机的种子发芽率预测模型。同时建立了基于原始多光谱图像的卷积神经网络预测模型。通过2种模型的对比,基于多光谱成像技术的深度学习模型在对茄子种子的发芽率预测有着更高的准确率,其验证集准确率为84.3%。本研究对茄子种子图像代表性特征的选择和识别样本的简化使得分类系统更符合实际生产需要,在茄子种子发芽率的预测中有着积极的意义。
- 海妍张君张东方李玉超刘景艳范晓飞索雪松
- 关键词：多光谱成像茄子种子发芽率
- 农业工程学科创新性人才培养探索——评《中外农业工程学科发展比较研究》被引量：1
- 2022年
- 2021年5月28日,习近平总书记出席了两院院士大会、中国科协全国代表大会并发表重要讲话,明确指出:"培养创新型人才是国家、民族长远发展的大计"。国发[2018]42号文件指出:"健全新型农业工程人才培养体系",提出需要加强农业工程学科建设,同时引导高校设置相关专业并培养具有创新型、应用型和复合型人才。在此背景下,农业工程学科迎来了新发展机遇,也带来了新挑战。《中外农业工程学科发展比较研究》一书,由中国农业大学出版社出版。本文以该书为切入点,对照国内外发展现状,借鉴国际先进发展经验,探索提高学生创新能力,拓展专业思维的新型农业工程学科人才培养模式。
- 李东明刘伟娜刘景艳谢云芳刘永福
- 关键词：创新性人才培养中国科协农业工程学科新型农业
- 基于分水岭算法结合卷积神经网络的玉米种子质量检测被引量：5
- 2021年
- 为实现玉米种子快速、准确地优选,以不同质量的玉米种子为研究对象,提出一种分水岭算法结合卷积神经网络对玉米种子进行质量检测的方法。首先利用分水岭算法分割出单粒玉米种子,然后通过卷积神经网络模型对每粒种子进行质量分类,根据分水岭算法得到的单粒种子的位置,将结果在图像中进行标注,实现种子质量检测。使用改进型的InceptionV3模型进行试验,模型测试结果表明:质量良好和带有缺陷的两类种子的平均准确率为94.18%,平均召回率为94.61%,F1值(调和平均评价)为94.39%。同时为突出卷积神经网络模型的性能,将结果与传统的机器学习方法进行比较,其F1值高出LBP+SVM模型20.39%。
- 王林柏刘景艳周玉宏张君李兴旺范晓飞
- 关键词：玉米种子目标检测卷积神经网络
- 基于改进YOLO v4的玉米种子外观品质检测方法被引量：5
- 2022年
- 针对玉米种子在外观品质检测中需要快速识别与定位的需求,提出了一种基于改进YOLO v4的目标检测模型,同时结合四通道(RGB+NIR)多光谱图像,对玉米种子外观品质进行了识别与分类。为了减少改进后模型的参数量,本文将主干特征提取网络替换为轻量级网络MobileNet V1。为了进一步提升模型的性能,通过试验研究了空间金字塔池化(Spatial pyramid pooling,SPP)结构在不同位置上对模型性能的影响,最终选取改进YOLO v4MobileNet V1模型对玉米种子外观品质进行检测。试验结果表明,模型的综合评价指标平均F1值和mAP达到93.09%和98.02%,平均每检测1幅图像耗时1.85 s,平均每检测1粒玉米种子耗时0.088 s,模型参数量压缩为原始模型的20%。四通道多光谱图像的光谱波段可扩展到可见光范围之外,并能够提取出更具有代表性的特征信息,并且改进后的模型具有鲁棒性强、实时性好、轻量化的优点,为实现种子的高通量质量检测和优选分级提供了参考。
- 范晓飞王林柏刘景艳周玉宏张君索雪松
- 关键词：玉米种子多光谱图像
