公开(公告)号：CN112352523A

公开(公告)日：2021-02-12

申请号：CN202010941855.X

申请日：2020-09-09

Applicant: 安徽农业大学

Inventor： 张武 ,  苗犇犇 ,  冯金磊 ,  万盛民 ,  汪涛 ,  金秀 ,  饶元 ,  江朝晖 ,  李绍稳

IPC: A01C23/04 ,  A01C21/00 ,  G06K9/62 ,  G06F16/2458

Abstract: 本发明公开了一种基于智能决策的茶园水肥灌溉控制方法和系统，该方法包括：构建茶园灌溉及施肥的决策模型，所述决策模型以与茶园灌溉、施肥需求相关的多种属性数据为输入，以灌溉、施肥的决策需求为输出；采集茶园的多种属性数据，将其输入至茶园灌溉及施肥的决策模型中，输出灌溉和/或施肥的决策需求；以及根据灌溉需求和/或施肥的决策需求，结合预先设置的水量和施肥量对茶园进行水肥一体灌溉。与传统方法相比，使用数据挖掘算法对茶园水肥灌溉进行决策，避免了人为凭经验进行灌溉的弊端。由于输入了多种影响灌溉及施肥的属性，使得决策能够更加准确。

公开(公告)号：CN112352523B

公开(公告)日：2022-10-04

申请号：CN202010941855.X

申请日：2020-09-09

Applicant: 安徽农业大学

Inventor： 张武 ,  苗犇犇 ,  冯金磊 ,  万盛民 ,  汪涛 ,  金秀 ,  饶元 ,  江朝晖 ,  李绍稳

IPC: A01C23/04 ,  A01C21/00 ,  G06K9/62 ,  G06F16/2458

Abstract: 本发明公开了一种基于智能决策的茶园水肥灌溉控制方法和系统，该方法包括：构建茶园灌溉及施肥的决策模型，所述决策模型以与茶园灌溉、施肥需求相关的多种属性数据为输入，以灌溉、施肥的决策需求为输出；采集茶园的多种属性数据，将其输入至茶园灌溉及施肥的决策模型中，输出灌溉和/或施肥的决策需求；以及根据灌溉需求和/或施肥的决策需求，结合预先设置的水量和施肥量对茶园进行水肥一体灌溉。与传统方法相比，使用数据挖掘算法对茶园水肥灌溉进行决策，避免了人为凭经验进行灌溉的弊端。由于输入了多种影响灌溉及施肥的属性，使得决策能够更加准确。

公开(公告)号：CN112226050B

公开(公告)日：2022-08-02

申请号：CN202011091242.8

申请日：2020-10-13

Applicant: 安徽农业大学

Inventor： 章亚琼 ,  陈佳伟 ,  汪钟凯 ,  戚嘉璐 ,  汪涛

IPC: C08L67/02 ,  C08L77/02 ,  C08K5/20 ,  C08K5/134 ,  C08J5/18 ,  C08G69/42 ,  G09F3/02

Abstract: 本发明公开一种具有高透明性的可生物降解热收缩膜，包括由以下重量份数的原料：聚乳酸935‑1000份，生物基聚酰胺1‑50份，开口剂1‑10份，抗氧化剂1‑5份；生物基聚酰胺的结构通式如下：其中5≤n≤5000，R1和R3为脂肪族主链结构，R2为带有酯基官能团的侧链结构，R4为带有硫醚的主链结构。本发明的有益效果在于：本发明的生物基热收缩膜不仅可以代替PET热收缩膜，而且部分性能超越了PET热收缩膜，制备的热收缩膜具有高透明性，且具有良好的耐穿刺性能，利用力学拉伸机可以拉出明显的细颈，将拉伸过后的聚乳酸复合材料放入100℃热水中观察其热收缩性能，通过对比原始样条的长度，发现该复合材料的收缩率达到100％。

公开(公告)号：CN112226050A

公开(公告)日：2021-01-15

申请号：CN202011091242.8

申请日：2020-10-13

Applicant: 安徽农业大学

Inventor： 章亚琼 ,  陈佳伟 ,  汪钟凯 ,  戚嘉璐 ,  汪涛

IPC: C08L67/02 ,  C08L77/02 ,  C08K5/20 ,  C08K5/134 ,  C08J5/18 ,  C08G69/42 ,  G09F3/02

Abstract: 本发明公开一种具有高透明性的可生物降解热收缩膜，包括由以下重量份数的原料：聚乳酸935‑1000份，生物基聚酰胺1‑50份，开口剂1‑10份，抗氧化剂1‑5份；生物基聚酰胺的结构通式如下：其中5≤n≤5000，R1和R3为脂肪族主链结构，R2为带有酯基官能团的侧链结构，R4为带有硫醚的主链结构。本发明的有益效果在于：本发明的生物基热收缩膜不仅可以代替PET热收缩膜，而且部分性能超越了PET热收缩膜，制备的热收缩膜具有高透明性，且具有良好的耐穿刺性能，利用力学拉伸机可以拉出明显的细颈，将拉伸过后的聚乳酸复合材料放入100℃热水中观察其热收缩性能，通过对比原始样条的长度，发现该复合材料的收缩率达到100％。

公开(公告)号：CN112115984A

公开(公告)日：2020-12-22

申请号：CN202010887051.6

申请日：2020-08-28

Applicant: 安徽农业大学

Inventor： 张武 ,  冯金磊 ,  万盛民 ,  苗犇犇 ,  王瑞卿 ,  汪涛 ,  江朝晖 ,  饶元

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N20/10

Abstract: 本发明公开了一种基于深度学习的茶园异常数据校正方法、系统和存储介质，该校正方法包括：采集目标茶园的环境数据并对此预处理，将预处理后的目标茶园的环境数据作为输入数据输入到卷积神经网络‑支持向量机CNN‑SVM中，对数据进行异常检测，同时还输入到长短期记忆神经网络LSTM中，对环境数据进行预测；当CNN‑SVM模型检测数据为异常数据时，提取出由CNN‑SVM模型检测出异常数据的时间特征，并在LSTM模型预测的数据中选取具有相同时间特征的数据进行校正，然后输出到茶园数据集中。本发明不仅能够校正异常数据，还能根据异常数据判断传感器故障具体地点，具有较高的校正准确率、特异度和泛化能力。