摘要：为解决北方日光温室内传统的番茄产量预测方法预测精度低,预测结果与实际产量相差较大,无法保证资源的合理利用和经济效益最大化等问题,提出运用将小波分析和BP网络结合的方式预测温室内番茄产量。首先,利用相应的传感器设备获取温室内的各种变量数据,应用MATLAB R2017a软件对其进行处理并分类,剔除掉偏差较大的数据,并进行特征提取,筛选出8种与番茄产量相关的特征参数作为模型的输入变量。然后,设计构建小波神经网络预测模型,将处理后的数据作为模型的输入变量,并且不断修正模型参数,通过多次训练和校正提升预测精度,并将该模型与BP神经网络模型、作物机理模型相比较。试验结果表明,此模型的预测结果与实际产量间的平均相对误差为1.02%,预测精度和拟合效果均优于BP神经网络模型和作物机理模型,运算速度较快,且具有较好的鲁棒性和函数逼近能力,能够为定量预测北方日光温室番茄产量提供一定的理论和技术依据。

摘要：本系统是基于太阳能供电,综合运用了AT89C51系列单片机,土壤温度检测模块,DS18B20湿度检测模块和LCD1602液晶显示模块等实现花盆智能化管理的一套装置。系统可以对花卉生长环境实时检测和显示,并能实现对花盆的智能浇水功能。