基于J2ME的医院远程信息系统的研究应用

针对现在医院系统中存在的内部管理不当以及医患关系的信息不对称等问题,提出了基于J2ME的医院远程信息系统的研究应用。本文采用当前移动开发领域较为流行的J2ME和Web Service技术,通过J2ME核心的技术标准JSR172实现移动设备上的Web服务的调用,采用面向对象的程序设计方法,利用软件工程的管理方法,设计并开发了医院远程信息系统。     

汽车远程故障诊断系统研究

文章首先对汽车远程故障诊断的可行性进行了全面分析,提出了系统的框架设计构架,并描述了远程诊断技术的实现方法及远程诊断系统的应用,最后展望了汽车远程故障诊断在汽车诊断领域中的应用前景。     

远动控制技术在电力系统自动化中的应用

改革开放以来,国内的经济得到了飞速发展,我国的电力系统发展空前,同时随着计算机及网络通信技术在电力系统中的广泛应用,使得电力系统自动化程度越来越高。远动控制技术在电力系统自动化中的广泛应用,一方面完善了电力系统自动化管理模式,另一方面还有效提高了电力系统的交互性和智能性。而且,随着科学技术的不断发展,特别是计算机及网络通信技术在各个领域中的广泛应用,电力系统自动化的范畴将进一步丰富和拓展,电力系统的故障分析能力、远程设备的可维护性和正常运行的可靠性将得到进一步提高,远动控制系统在电力系统自动化中的作用也将更具重要性。     

基于单片机的红外遥控风扇的设计与制作

文中设计以MCS-8051单片机为核心,巧妙的采用了红外线遥控技术、单片机控制技术、液晶显示技术、红外编码解码技术。把智能控制技术用于家用电器的控制中,用遥控器对风扇进行变档调速。     

基于时序遥感影像的城市规模扩张研究——以重庆主城为例

本文通过对城市规模的概念介绍,以及检测城市规模使用的技术方法,本文主要是利用1988,1996,2001,2007四年的TM时序遥感影像,对重庆主城区的城市规模扩展进行了监测,分析了自1988-2007年该区域用地规模的动态变化过程及时空特征。同时还对重庆城市用地的规模检测的结果进行了评价。评价结果表明,近二十年来,重庆主城区城市规模扩展迅速,并先后经历了"向西扩展"和"向北扩张"的两个阶段。     

无人机遥感技术在长输管道中的应用探讨

无人机遥感技术之所以在长输管道中得到广泛的应用,其原因是长输油气管道距离长,分布广,管道险要地段的巡线,管道保卫等困扰着管道管理难题。需要借助无人机遥感技术加以解决。本文针对无人机遥感技术在长输管道的应用,结合无人机遥感技术原理,论述如何加强无人机在管道管理中的作用。     

智能控制开关的制作和调试

智能控制开关应用广泛,其核心技术是声光控制的制作和调试。文章介绍了智能控制开关的元器件检测、工作原理、制作和调试等各环节,分析并根据实际工作经验给出了调试方法。     

脑卒中治疗与远程监测系统设计

为了满足脑卒中出院患者对居家康复治疗及复发预警监测的需求,设计集治疗、人体生理信号采集和数据分析、预警等多功能为一体的家用脑卒中治疗及远程监测系统.首先,基于经颅直流电刺激技术设计治疗仪,输出恒定、精确的直流电,其次,开发智能手环作为辅助监测设备,实时记录患者心率等数据,通过蓝牙将数据发送至手机APP,最后,通过手机A...     

遥感技术农业资源台账建设应用潜力分析

目的 为了系统地分析遥感技术在农业资源台账建设中的应用潜力。方法 文章通过文献研究,阐述了农业资源台账的研究现状,分析了农业资源遥感监测数据源与监测技术的发展趋势,研判了当前遥感技术在农业资源台账建设中的应用潜力。结果 （1）农业资源台账的建设内容主要包括农业资源清单、农业资源评价两个方面,具有空间与时间两种属性。（2）农业遥感数据源向着高空间分辨率、高时间分辨率、高光谱分辨率的方向发展,其监测技术向着多源遥感数据融合应用、智能分类、多维海量数据高效计算的方向发展。（3）遥感技术可对农业资源清单中的主要农业自然资源和社会经济资源的信息进行获取,对农业资源组分评价与农业生态系统整体评价也有很大潜力。结论 总的来看,农业资源台账建设内容不断丰富,遥感技术在农业资源台账建设中的应用能力显著提升,其应用潜力仍有很大的上升空间,对高效开展农业资源台账建设具有积极作用。     

基于深度学习模型的种植结构复杂区农作物精细分类研究

目的 卫星遥感技术具有覆盖范围广、探测周期短、调查成本低等优势而广泛应用于大区域农作物分类。然而在种植结构复杂区（如城乡结合部）,因其地块破碎、同期生长的作物种类多且分布分散,利用传统的统计分类或机器学习方法进行农作物分类时仍存在精度不高的问题。为提高种植结构复杂区农作物分类精度。方法 文章选取河北省廊坊市广阳区为研究区,以GF-1 PMS全色多光谱融合影像为数据源,采用U-Net、PSPNet及DeepLabv3+,3种深度学习模型进行农作物分类研究。分析模型参数对农作物分类精度的影响,评价3种深度学习模型的农作物分类精度,优选农作物精细分类方法。结果 （1）学习率与3种深度学习模型的分类精度呈正相关关系,较大的学习率（0.01,0.001）下,3种模型收敛速度快,分类精度高。批样本量与模型分类稳定性相关,批样本量设为100时,3种模型的分类稳定性最好。（2）相比PSPNet、DeepLabv3+模型,U-Net模型分类效果最好,总体分类精度为89.32%。（3）GF-1 PMS影像结合U-Net模型可有效提升种植结构复杂区农作物分类精度,大宗作物春玉米、夏玉米的分类精度在80%以上,花生、红薯、蔬菜小宗作物分类精度在60%以上。结论 该研究可为准确获取种植结构复杂区的农作物类型、面积及空间分布信息提供参考依据。