目录
摘 要 I
ABSTRACT II
第一章 文献综述 1
1农机作业类型识别的背景和意义 1
1.1 选题背景 1
1.2 选题意义 1
2 国内外研究现状 1
3 研究内容与研究思路 4
3.1 研究内容 4
3.2 技术路线 4
5 小结 5
第二章 农机作业类型及其特征参数 6
1 常见农机作业类型 6
1.1 犁耕 6
1.2 旋耕 6
1.3 圆盘耙 6
1.4 深松 6
1.5 灭茬 7
2 特征参数 7
2.1 作业速度 7
2.2 作业深度 7
2.3 牵引力 7
2.4 PTO扭矩 8
2.5 滑转率 8
3 小结 8
第三章 农机识别模型的神经网络选型 9
1 人工神经网络结构及类型 9
1.1 神经元模型及函数 9
1.2 神经网络拓扑结构选择 11
1.3 神经网络学习方式 11
2 Matlab建立神经网络模型 11
2.1 基于函数名创建方法 12
2.2 基于界面化的神经网络创建方法 12
3.2.3 农机识别采用的神经网络类型 12
3 BP神经网络 12
3.1 BP神经网络结构 12
3.2 BP神经网络学习算法 13
4 小结 14
第四章 农机识别模型的BP神经网络实现 15
1 上海农场所采集的数据准备 15
2 BP神经网络模型实现 15
2.1 BP神经网络设计步骤 15
2.2 BP神经网络代码编写 16
3 BP神经网络结果分析 17
3.1 农机识别结果 18
3.2 BP算法的优化 21
3.3 BP算法的不足 23
4 小结 23 *51今日免费论文网|www.51jrft.com +Q: ￥351916072$ 

第五章 经济性与环保性分析 24
1 经济性分析 24
2 环保性分析 24
3 农机具验证 24
4 小结 26
第六章 结论与展望 27
1 结论 27
2 展望 28
参考文献 29
致 谢 30
基于神经网络的农机作业类型识别研究
摘 要
目前，农业与计算机编程的结合越来越紧密。与以往相比，只有在技术人员或农户的帮助下才能完成农机作业类型的鉴定，存在着浪费各种资源、可信赖度低等问题，本文提出了一种基于神经网络的农机作业类型识别研究认证方案，解决了农业机械作业数据获取的和后续资料处理、分析的困难。首先，本文选取了常见的五种农机作业类型作为研究对象，分别是犁耕、旋耕、圆盘耙、深松、灭茬，并提取了这五种农机作业类型有代表性的特征参数，分别为作业速度、作业深度、滑转率、PTO扭矩以及牵引力。在神经网络方面，BP神经网络是在多个领域都会应用到的基础网络。它能存储和训练足够数量的从输入到输出的非线性规律，却可以不用在进行前用数学语言列出表示映射关系的方程，此种易实现特点能够指导本课题的研究。Matlab软件能够为建立神经网络模型创造必要的环境条件。因此在收集足够多的样本后，运用Matlab软件，使用BP神经网络算法对相应的农机作业类型进行识别，识别成功率最高可达99%，基本能够达到精准识别的目的。增加测试样本并将算法进行优化后的识别成功率接近98%，同样能满足要求，这就说明了神经网络识别的实践可行性。将此技术运用到智能农机作业管理系统中，与现代计算机技术充分结合，有利于推动我国农业向智能化、未来化发展。

原文链接：http://www.jxszl.com/jtgc/jjtys/610140.html