基于信息融合的水产养殖水质监控系统的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 水产养殖水质监控的研究现状 | 第10-11页 |
| 1.2.2 信息融合技术的研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第二章 相关技术基础和系统整体方案 | 第14-21页 |
| 2.1 相关技术基础 | 第14-19页 |
| 2.1.1 养殖水质技术指标及其传感器技术 | 第14-16页 |
| 2.1.2 信息融合技术 | 第16-19页 |
| 2.2 系统整体方案 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 传感器信息采集系统 | 第21-40页 |
| 3.1 系统结构 | 第21-22页 |
| 3.2 采集系统硬件部分 | 第22-28页 |
| 3.2.1 温度采集 | 第22-23页 |
| 3.2.2 溶氧采集 | 第23-24页 |
| 3.2.3 pH值采集 | 第24-25页 |
| 3.2.4 浊度采集 | 第25-26页 |
| 3.2.5 主控制部分 | 第26-27页 |
| 3.2.6 电源部分 | 第27-28页 |
| 3.3 精度补偿研究 | 第28-39页 |
| 3.3.1 温度非线性补偿研究 | 第28-30页 |
| 3.3.2 溶氧温度补偿研究 | 第30-33页 |
| 3.3.3 pH温度补偿研究 | 第33-36页 |
| 3.3.4 浊度非线性补偿研究 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 信息融合方法在养殖水质监控中应用的研究 | 第40-67页 |
| 4.1 信息融合结构 | 第40-45页 |
| 4.1.1 融合系统结构 | 第40页 |
| 4.1.2 第一级融合模型 | 第40-44页 |
| 4.1.3 第二级融合模型 | 第44-45页 |
| 4.2 基于BP神经网络的信息融合算法研究 | 第45-54页 |
| 4.2.1 标准BP算法 | 第45-47页 |
| 4.2.2 LMBP算法 | 第47-48页 |
| 4.2.3 改进的LMBP算法 | 第48-54页 |
| 4.3 水质预报与评价 | 第54-65页 |
| 4.3.1 第一级融合结果分析 | 第54页 |
| 4.3.2 第二级融合分析 | 第54-58页 |
| 4.3.3 水质预报和评价结果分析 | 第58-65页 |
| 4.4 本章小结 | 第65-67页 |
| 第五章 水产养殖水质监控软件开发 | 第67-74页 |
| 5.1 系统概述 | 第67页 |
| 5.1.1 开发平台 | 第67页 |
| 5.1.2 开发语言和窗体 | 第67页 |
| 5.1.3 数据库 | 第67页 |
| 5.2 监控系统功能分析 | 第67-69页 |
| 5.3 各功能模块的实现 | 第69-73页 |
| 5.3.1 主界面 | 第69页 |
| 5.3.2 用户管理模块 | 第69-70页 |
| 5.3.3 操作管理模块 | 第70-72页 |
| 5.3.4 报表管理模块 | 第72页 |
| 5.3.5 水质评价和预报模块 | 第72-73页 |
| 5.3.6 视频与图像模块 | 第73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-77页 |
| 6.1 本文研究的结论 | 第74-75页 |
| 6.2 本文的创新点 | 第75页 |
| 6.3 本文的不足与展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 附录1 | 第80-84页 |
| 附录2 | 第84-90页 |
| 致谢 | 第90-91页 |
| 作者简介 | 第91页 |
