一、基于Web的渔业数据库系统设计与实现(论文文献综述)
张广亭[1](2021)在《船岸一体化远洋渔业信息管理平台与实现》文中进行了进一步梳理
李智[2](2021)在《基于WebGIS的模块化海域管理分析平台设计与实现》文中进行了进一步梳理为了提高城市海域地理数据管理的灵活性,增强海域范围内的空间分析分析深度,在综合研究了诸多类型的Web GIS系统设计、架构设计、开发技术以后,本文以模块化的方式设计并实现了海域管理分析平台。研究区域以大连市沿海区域为主,研究数据为大连市围填海、海岸线、港口、船舶航道、近海域POI等。平台主要包含:近海域POI管理模块、近海域航道管理模块、围填海区域管理模块、海域三维建模、海上应急预警模块。近海域POI模块主要对于近海域的兴趣点作分类管理,包含基本属性信息展示、POI的检索与拾取、以及结合多尺度格网分析的POI的空间范围统计等功能。近海航道管理模块包含航道动态展示、船舶模拟航道运行、实时分析等功能。围填海区域管理主要包含各类围填海区域类型划分管理、区域汇总统计、面积测算等功能。海域三维建模是系统中三维GIS方面的突破,该功能在海域周边(港口,渡口等)建立三维实景模型并存储相应信息,对于模拟规划建设沿海区域起到了帮助作用。海域应急预警将动态的生成实时预警信息。平台在管理层面采用二三维联动技术,将二维、三维地图数据融合在一起,能够更好的帮助分析海域三维空间内的变化。海域模块化管理平台整体上基于Web GIS的技术手段,采用成熟的Java EE框架Spring Boot搭建服务端程序,数据库采用Postgre SQL存储地理数据,前端主要采用Open Layers和Cesium构建二维三维地理数据可视化平台。配合Vue构建公共地理功能组件,供模块间调用。本文主要做了以下工作:(1)收集并整理大连市海域周边相关数据。利用Web GIS相关技术设计并实现了对大连市近海域地理要素的模块化管理。(2)在空间分析层面有所创新,将多尺度格网分析与空间范围统计功能相结合,对划定范围内的POI均衡度,密集度进行了计算。大大提高了分析深度,并将分析结果进行可视化。(3)平台通过二、三维联动技术来进行对海域周边动态的监测和治理。并实现了动态建模技术等新型Web GIS技术。本平台通过模块式的管理方式使管理类目更加清晰,提高海域数据管理的灵活性;创新的统计分析算法能够提供深层次的,全面的分析结果;二三维联动的方式能够更加直观,立体的展示和管理大连市近海域地理信息。
李润煦[3](2021)在《水产加工云计量系统设计》文中提出随着经济的快速发展,传统产业发展逐渐走向瓶颈,高速发展的科学技术为其注入新动力,使得劳动密集型产业逐渐发展为技术密集型产业。水产加工经过多年的快速发展逐渐出现动力不足,因此在水产加工业的生产过程中如计量环节结合现今的新技术解放人力资源、提高企业效益具有很高的应用价值和发展前景。本文提出了水产加工云计量系统的设计方案,该系统由水产秤终端、水产加工云端管理平台以及手机APP三部分组成。水产秤终端能够对重量信息和刷卡信息进行初步处理并通过4G无线通信将相关数据上传至云端管理平台;水产加工云端管理平台主要负责对水产秤终端上传的数据进行统计、存储以及报表处理;手机端APP则从云平台获取相关统计数据供用户查询。主要工作如下:(1)设计了水产秤终端的软硬件系统。该部分硬件主要由称重模块、RFID读卡模块以及安卓智能平板组成,软件部分则是基于Android平台的软件开发。称重模块和读卡模块负责采集称重产品的重量信息以及IC卡内的员工信息,安卓智能平板负责向两个模块下发命令获取相关数据并显示相关信息且实现可视化分级管理等,同时将相关数据上传至云端管理平台。(2)构建了水产加工云端管理平台。云平台部署于云服务器中的Tomcat Web服务器中,相关数据则存储于MySQL数据库中。云平台软件是基于Spring Boot+MyBatis框架的Java Web开发,主要实现登录、数据统计、数据接收、记录查询、查询结果下载、人员分级管理以及产品信息分级管理等,并通过网页为用户实现可视化服务。(3)完成了手机端APP设计。基于Android开发的手机端APP主要供管理人员以及普通员工两种用户使用,提供两种登录界面并可自由切换,管理人员登录后可以按条件查询整个公司的数据统计(提交重量以及发放工资),而普通员工登录后则只可查询本人的数据统计。水产加工云计量系统测试表明系统各项功能正常,称重准确度符合水产称重的要求,达到了预期目标,实现了更加便捷化的操作,节省了人力资源。
邓立向[4](2021)在《60马力以下船舶管理系统设计与实现》文中研究说明随着海洋渔业捕捞业的蓬勃发展,近海60马力以下船舶数量不断增加,我国小型船舶数以十万计,广泛应用于渔业捕捞、养殖辅助、交通、旅游等领域,由此产生的违规作业、安全事故等问题日益突出。依靠人工监督和执法的传统方法,现已无法满足现阶段60马力以下船舶管理的需求,运用卫星定位、移动通信、物联网、大数据和数据处理与可视化等技术,实现小型船舶信息化管理,解决当前小型船舶面临的监管难题,势在必行。本文以60马力以下船舶作为研究对象,研究并构建了船舶异常行为研判模型和船舶违章评估体系,应用小型渔船身份与轨迹数据,开展小型渔船作业类型识别研究,设计并开发了60马力以下船舶管理系统。主要工作如下:论文运用AHP和模糊评价方法,研究并构建了船舶异常行为研判模型,实现对船舶异常行为特征值提取;以船舶走私行为为例,依据船舶历史轨迹数据,研究并建立船舶走私研判模型,对船舶走私可能性进行评估,论文还开发了船舶走私专家评估系统;借鉴汽车违规违章处理机制,针对船舶操作违章行为,研究并构建船舶违章扣分处罚体系。依据小型渔船作业轨迹和身份数据,研究并建立小型渔船作业类型研判模型,对小型渔船作业类型进行识别,实现小型船舶规范化操作管理。针对60马力以下船舶,应用B/S架构,利用热力图、电子围栏等数据处理和可视化技术,开发了小型船舶管理系统平台,实现了小型船舶违章管理、作业类型识别和进出港管理。
朱羽[5](2020)在《基于4G网络的海警无线视频监控系统设计与实现》文中研究表明随着“一带一路”战略的深入推进,国家越来越重视维护海洋权益和发展海洋经济,急需营造平安、和谐、稳定的海上治安环境。因此,海警部队应运而生,肩负起海上维权执法的职责。由于当前海上违法犯罪活动日趋隐蔽,作案地点分散、偏远,海警部门现有的手段和装备难以满足执法取证的需要。因此,建设一套方便、简易、实用的监控系统显得尤为重要。随着移动通信技术特别是4G技术的发展成熟以及手机等移动终端的应用普及,为建设海警无线视频监控系统提供了良好的条件。本文依据某省海警部门的业务需要,依托中国电信4G网络,设计并建成具有可视化指挥调度、远程视频语音通信、实时监控、一体化管理以及图像数据传输、存储、回放等多功能的海警无线视频监控系统。本系统兼具实用性、安全性、可靠性、易操作性、可扩展性,预计能够满足该省海警部门未来5年或更长时间的工作需要。本文的主要工作及创新点如下:首先,本文深入分析当前海警执法取证工作存在的问题和不足,结合海上执法工作形势,有针对性地提出基于4G网络的海警无线视频监控系统的功能需求,明确系统的建设意义和预期目标。从组网方式、应用场景、各功能结构以及设备选型等方面提出满足海警执法需要的设计方案,并说明该方案如何实现系统的各项功能。其次,论述4G通信技术、数据存储技术、视频数据压缩编码及传输技术,特别是L2TP隧道、VPDN、二次AAA认证、安全网闸、IPSEC等安全技术措施在本系统中的应用,在充分保障系统安全的情况下兼顾建设成本、通信质量、传输效率。随后,安装设置Oracle数据库和海康威视i VMS-7800集中监控应用管理平台。在整体完成系统软硬件建设和调试后,给出两个真实案例,进一步说明在海警执法实践中本系统所具有的作用和价值。
刘艳琳[6](2020)在《大规模海洋鱼类图像数据库的构建与应用》文中认为尽管我国现有许多从事海洋相关研究的工作者,但是目前公开的大规模海洋鱼类图像数据库较少。随着深度学习方法在图像分类上的广泛应用,研究人员对海洋鱼类图像的需求与日俱增,但是一些分散的小型数据集存在数据样本少、分类不准确、查询不方便的问题,给相关研究工作带来诸多不便。鉴于这些现状,本文的研究目的是构建大规模海洋鱼类图像数据库,主要研究内容如下:(1)开发了基于CNN-4神经网络模型的鱼图像处理方法:以Fishbase和WildFish为基础数据库,采用网络爬虫方法进行数据扩展;针对采集到的数据,用图像感知哈希算法进行去重;然后针对存在噪声的海量数据,采用卷积神经网络模型CNN-4进行数据清洗,提高图像整理效率;实验结果表明数据清洗有效降低了数据集的噪声程度,提升了数据集的质量。(2)研究了基于VGG-16神经网络模型的鱼图像自动分类方法:根据鱼类图像的特性研究利用了VGG-16模型结构用于提高图像分类整理的效率,减少图像整理过程中耗费的人力及物力成本,降低对搜集人员的海洋生物专业背景要求;最后通过实验从图像分类准确度和识别时间上验证了VGG-16模型的分类效果,实验结果证明该方法既可以保证图像识别的准确率,又可以缩短图像识别的时间,加速了图像分类过程。(3)构建了大规模海洋鱼类图像数据库系统:通过设计检索程序,结合HBase数据库完成系统构建,输入鱼的类别进行模糊查找或精确检索,可以得到相关类别的鱼类图像;不同于已有的海洋鱼类图像数据库,该系统结合深度学习方法实现了图像识别和图像检索,用户通过系统输入鱼类图像可以检索到鱼的类别和相似鱼图像;提高了数据获取的效率。通过本课题的研究,最终建立了一个真实场景下的大规模海洋鱼类图像数据集。该数据集目前包含了3,766类鱼类图像,共计107,935张图像。通过本课题研究开发的方法,逐步提升了数据集的质量。而这一特性将满足广大科研工作者的数据需求,为研究自动化海洋鱼类识别技术提供便利,从而推动深度学习在海洋生物方面的研究。在该数据集的基础上,本课题构建了大规模海洋鱼类图像数据库,实现了精确查找和模糊搜索功能;并基于深度学习方法实现了图像识别和相似图像检索功能;为科研教育、渔业生产等不同层面的需求应用提供了一个方便检索的平台。
郭宁[7](2020)在《智慧水产养殖应用与发展模式研究》文中提出我国是水产养殖大国,已经连续27年水产品总量始终保持着世界第一的位置。然而,在水产养殖业蓬勃发展的同时,各种问题也应运而生,我国在水产领域的生产、加工、运输、销售以及服务等方面都面临着极大考验。伴随着信息技术在各个行业的发展与应用,以及5G时代的到来,为了克服传统水产养殖的种种弊端,提高水产养殖业的生产质量和工作效率,智慧型水产养殖模式呼之欲出。当前,特别是十九大以来,党中央、国务院高度重视水产养殖业的绿色发展和生态建设并制定了一系列相应的政策举措,各级政府也积极贯彻落实,在推进渔业智能化建设方面组织开展了大量工作,加速了水产养殖业转型升级的进程,如今智慧水产养殖技术已经不同程度的渗透到水产养殖从生产、管理、销售、服务等各个过程,以期提升管理效率和竞争力,是现今全球养殖业的发展趋势。本文运用文献研究法、经验总结法、对比分析法、走访调研法,针对目前水产养殖业深入研究和综合相关研究成果的基础上,首先分析了水产行业在国民经济中的基础性地位和其战略作用,指出我国发展智慧水产养殖的重要意义;然后对我国智慧水产养殖应用现状进行深入研究,并进一步剖析我国智慧水产的成功示范案例,最后为我国智慧水产养殖发展模式提出科学可行的政策建议,为实现水产业智能化、集约化、高效化、生态化的战略目标。本文围绕水产产业如何从智慧养殖技术、模式、管理等方面调整升级,政府如何从政策方面加强引导、健全调控机制,如何推动我国水产养殖产业向规模化、标准化、信息化和智能化顺利转型升级,有很好的借鉴意义。
崔建军[8](2020)在《基于窄带物联网的渔业水质智能监控系统设计与实现》文中研究指明我国是渔业养殖大国,养殖的规模和产量都位居世界前列,而渔业水质的好坏直接关系到渔业养殖效益的高低。在现代万物互联的大背景下,将窄带物联网新技术引入到渔业养殖当中,并实现养殖水质预测预警,改善渔业养殖水质条件,可以很好地促进渔业养殖信息化、智能化的发展。本文基于窄带物联网技术(Narrow Band Internet of Things,NB-IoT)设计了渔业水质智能监控系统,实现了对渔业养殖过程中的水环境参数的实时监测和动态预测预警并能够对养殖水质自动调节,同时系统可以根据动态预测预警信息提前调节养殖水质,确保渔业养殖水质安全和稳定。本文主要做了以下工作:(1)设计了渔业水质监控终端,提出并采用NB-IoT搭建分布式渔业水质监控网络,完成了系统硬件设计。现场终端设备有水质采集终端和控制终端,利用NB-IoT的广覆盖、低功耗和海量连接等特点,实现了现场终端与远程服务器的信息交互。系统硬件电路采用模块化设计,包括NB-IoT无线通信模块、基于STM32的核心控制器模块以及相关的外围接口电路等,方便后期升级和维护,保障系统稳定运行。(2)基于应用需求完成了系统的软件设计,主要有嵌入式软件设计、云服务器设计和手机客户端软件设计等部分。嵌入式软件设计是基于STM32实现了现场终端与云服务器的信息交互以及现场设备控制;在云服务器部分,搭建通信服务器实现了底层设备与上层应用的即时交互,基于关系型数据库MySQL完成了系统数据库设计,数据接口程序设计实现了对水质数据的查询、分析等功能;同时设计了手机客户端,实现了对水质数据查询、预测预警信息查询以及现场终端的控制管理等功能。(3)构建了渔业水质预测预警模型。针对支持向量回归机(Support Vector Regression,SVR)在对渔业水质参数预测中存在精度低的问题,提出并采用了基于集合经验模态分解法(Ensemble Empirical Model Decomposition,EEMD)、灰狼优化算法(Grey Wolf Optimizer,GWO)、支持向量回归机(SVR)的EEMD-GWOSVR组合模型预测方法,建立了渔业水质预测模型。试验结果表明,该模型具有较好的预测能力,能够满足渔业养殖水质在线预测的实际需求,为渔业水质预警提供了数据支持。在渔业水质预测的基础上,建立了渔业水质预警模型。(4)完成系统的部署和测试。根据系统整体设计要求,对系统进行了安装部署和整体测试验证。测试结果表明,现场NB-IoT信号质量良好且信号稳定,系统通信稳定可靠,数据监控准确及时,同时通过手机客户端测试验证,系统功能实现完整且运行稳定,现场水质安全、稳定,满足渔业养殖水质监控的需求。
蔡铖勇[9](2020)在《高效生态循环水养殖智能管控技术及系统研发》文中认为水产品是人类重要的营养物质来源,海洋资源的日益紧缺使水产养殖业得到了快速发展。然而,我国的养殖模式粗放,养殖管理主要依赖人工,存在水质管控滞后、水产疾病预警智能化程度低、投喂不合理等诸多问题。因此,渔业现代化养殖转型已迫在眉睫。随着科学技术的不断发展,水产智能化、信息化养殖已成为我国水产养殖的必然趋势。目前,我国的水产养殖智能管控技术有了初步研究,但应用场景不一,且少有多功能养殖管控系统。针对以上问题,本文将高效生态循环水养殖模式与物联网技术、机器视觉等技术相结合,搭建了一种水产养殖智能化管控系统,实现水质管控、水产品疾病预警与智能投饵三种功能,为水产养殖管控系统研究与应用提供了方案与经验。本文主要研究内容与成果包括以下三部分:(1)设计并研制了一种移动式的水产养殖在线水质-对虾病害监测与智能化管控设备,研发了以机器视觉为基础的南美白对虾自动化疾病诊断与预警平台,研究了基于图像处理的病死虾快速检测方法。根据颜色特征,应用灰度直方图确定分割阈值,运用逻辑回归(LR)、K最近邻(KNN)、决策树(DT)、随机森林(RF)、Adaboost算法、朴素贝叶斯(NB)、二次判别分析(QDA)共计七种机器算法分别对十九种特征与目标进行分类,结果发现,KNN的目标分类效果最佳,分类精确率达到99%。(2)改进了基于DCS分布式系统的智能投饵装备,研发了基于实时图像监测的南美白对虾饥饿程度检测平台,研究了基于图像处理技术的饵料识别与饥饿判别方法。应用局部自适应阈值法与Canny边缘检测方法实现了饵料目标分割,并分析比较了机器学习算法对饵料的识别效果。结果表明,基于逻辑回归的分类模型精确率达到91%且饵料计数的相对误差控制在10%以内。(3)以建立工厂化循环水养殖与陆基多生态位循环水养殖智能化工厂为目标,研制了基于溶解氧、p H、水温、氨氮、亚硝酸盐传感器为核心的水质在线检测装备,开发了基于MODBUS-RTU工业控制总线的在线增氧与给排水智能化控制平台,构建了基于以太网的分布式在线检测与实时智能化控制的工厂化循环水养殖智能管理系统。应用交互式以太网组网方式实现数据自动接收传输;建立了基于云服务技术的物联网数据管理与现场控制系统,完成了数据平台的设计。
刘奕[10](2020)在《5G网络技术对提升4G网络性能的研究》文中指出随着互联网的快速发展,越来越多的设备接入到移动网络,新的服务与应用层出不穷,对移动网络的容量、传输速率、延时等提出了更高的要求。5G技术的出现,使得满足这些要求成为了可能。而在5G全面实施之前,提高现有网络的性能及用户感知成为亟需解决的问题。本文从5G应用场景及目标入手,介绍了现网改善网络性能的处理办法,并针对当前5G关键技术 Massive MIMO 技术、MEC 技术、超密集组网、极简载波技术等作用开展探讨,为5G技术对4G 网络质量提升给以了有效参考。
二、基于Web的渔业数据库系统设计与实现(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于Web的渔业数据库系统设计与实现(论文提纲范文)
(2)基于WebGIS的模块化海域管理分析平台设计与实现(论文提纲范文)
摘要 |
Abstract |
引言 |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 数据来源与研究区域概况 |
1.4 论文组织结构 |
2 系统架构设计 |
2.1 系统整体架构 |
2.2 地理数据的表现形式 |
2.3 二三维联动的设计 |
3 数据库的设计 |
3.1 表结构设计 |
3.2 空间扩展函数的使用 |
4 平台功能设计与实现 |
4.1 模块功能设计 |
4.2 通用功能抽象 |
4.3 POI管理与分析 |
4.3.1 数据的划分 |
4.3.2 基础信息的展示 |
4.3.3 POI的拾取 |
4.3.4 船舶动态监测 |
4.4 船舶航道管理 |
4.5 围填海区域与港口管理 |
4.6 Cesium海域三维管理 |
4.6.1 3D视图的切换 |
4.6.2 3D动态建模 |
4.7 海域动态实时预警 |
5 分析功能的创新 |
5.1 空间范围统计 |
5.2 多尺度格网分析 |
6 平台UI设计 |
6.1 Vue构建重复可用组件 |
6.2 MapStyle的配置 |
6.3 整体界面设计 |
总结与展望 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(3)水产加工云计量系统设计(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 选题背景及意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 论文研究内容及安排 |
第二章 水产加工云计量系统总体设计 |
2.1 系统功能分析 |
2.1.1 系统设计目标 |
2.1.2 水产秤终端功能分析 |
2.1.3 云端管理平台及APP功能分析 |
2.2 水产加工云计量通信实现 |
2.2.1 通信方式的选择 |
2.2.2 传输协议的选择 |
2.3 本章小结 |
第三章 水产秤终端软硬件设计 |
3.1 水产秤终端硬件架构 |
3.1.1 主控制器的选择 |
3.1.2 称重模块设计 |
3.1.3 RFID读卡器模块设计 |
3.2 水产秤终端软件设计 |
3.2.1 启动模块软件设计 |
3.2.2 称重模块软件设计 |
3.2.3 锁定确认模块软件设计 |
3.3 本章小结 |
第四章 水产加工云端管理平台及手机APP设计 |
4.1 水产加工云端管理平台软件设计 |
4.1.1 软件总体设计 |
4.1.2 数据库设计 |
4.1.3 云平台功能及页面设计 |
4.2 手机端APP设计 |
4.3 本章小结 |
第五章 水产加工云计量系统测试 |
5.1 水产称终端称重准确度测试 |
5.2 水产秤终端程序功能测试 |
5.3 云端管理平台功能测试 |
5.4 手机端APP功能测试 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
(4)60马力以下船舶管理系统设计与实现(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.3 论文研究内容和章节安排 |
第2章 船舶异常行为研判与违章评估体系构建 |
2.1 基于AHP和模糊评价的船舶异常行为研判 |
2.1.1 船舶异常行为参数表达与权重方法确定 |
2.1.2 模糊综合评价建模 |
2.1.3 船舶走私行为案例分析 |
2.2 渔船违章评估体系构建 |
2.2.1 渔船违章行为分析 |
2.2.2 违章行为详解 |
2.2.3 违章扣分处罚体系构建 |
2.3 本章小结 |
第3章 基于小型渔船轨迹数据的作业类型识别 |
3.1 北斗导航定位系统 |
3.2 渔船身份与轨迹数据来源 |
3.2.1 数据介绍 |
3.2.2 数据预处理 |
3.3 渔船作业特征与运动模式分析 |
3.3.1 渔船作业特征分析 |
3.3.2 渔船运动模式分析 |
3.4 特征工程构建 |
3.4.1 基于小型渔船位置的向量特征构建 |
3.4.2 渔船在不同航行状态下的特征构建 |
3.5 Light GBM算法 |
3.6 模型搭建 |
3.7 本章小结 |
第4章 60 马力以下船舶管理系统实现 |
4.1 系统相关技术 |
4.1.1 平台前端技术介绍 |
4.1.2 平台后端技术介绍 |
4.1.3 My SQL数据库 |
4.1.4 热力图概述 |
4.1.5 电子围栏 |
4.1.6 前后端分离架构 |
4.2 系统整体架构与总体功能设计 |
4.3 系统开发环境 |
4.4 后台数据库搭建 |
4.5 系统功能实现 |
4.5.1 登录界面 |
4.5.2 区域热力图与轨迹热力图页面 |
4.5.3 渔船类型识别页面 |
4.5.4 港口管理页面 |
4.5.5 违章管理页面 |
4.6 本章小结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
在学期间科研成果情况 |
(5)基于4G网络的海警无线视频监控系统设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 论文研究的目的和意义 |
1.3 视频监控系统的发展阶段 |
1.4 论文章节安排 |
第二章 系统使用的相关技术 |
2.1 LTE技术 |
2.1.1 LTE的技术简介 |
2.1.2 LTE的网络结构 |
2.2 H.264 视频编码技术 |
2.3 RTP协议 |
2.4 RTCP协议 |
2.5 数据存储技术 |
2.5.1 CVR存储 |
2.5.2 RAID |
2.6 本章小结 |
第三章 系统的总体设计 |
3.1 当前海警部门执法取证工作的问题和局限 |
3.2 功能分析 |
3.3 设计原则 |
3.4 系统拓扑结构 |
3.5 本章小结 |
第四章 系统的安全措施 |
4.1 VPDN |
4.2 安全网闸 |
4.3 IPSEC加密 |
4.4 系统的安全配置 |
4.5 其他的安全措施 |
4.6 本章小结 |
第五章 平台软件架构 |
5.1 平台整体架构 |
5.2 平台关键技术 |
5.2.1 中间件技术 |
5.2.2 UML |
5.2.3 Web Service技术 |
5.3 平台的各功能模块 |
5.4 数据库的安装和设置 |
5.5 本章小结 |
第六章 测试与应用 |
6.1 测试目的 |
6.2 测试环境 |
6.3 测试内容 |
6.3.1 测试通信连接的稳定性 |
6.3.2 测试传输数据的完整性 |
6.3.3 测试网络传输时延 |
6.3.4 测试系统终端容量 |
6.4 本系统在海警执法工作中的具体应用 |
6.5 本章小结 |
第七章 结论与展望 |
参考文献 |
致谢 |
(6)大规模海洋鱼类图像数据库的构建与应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状及问题分析 |
1.2.1 国内外研究现状 |
1.2.2 问题分析 |
1.3 研究内容和创新点 |
1.3.1 研究内容 |
1.3.2 创新点 |
1.4 本文组织结构 |
第2章图像数据库构建及图像处理相关技术 |
2.1 图像数据库构建 |
2.1.1 数据库概述 |
2.1.2 鱼类图像数据库 |
2.1.3 检索系统开发 |
2.2 图像处理相关技术 |
2.2.1 哈希图像算法 |
2.2.2 支持向量机 |
2.2.3 自编码器 |
2.2.4 贝叶斯模型 |
2.2.5 卷积神经网络 |
2.3 研究框架 |
2.4 本章小结 |
第3章 基于CNN-4 神经网络模型的鱼图像处理 |
3.1 基于Scrapy爬虫技术的海洋鱼类图像采集 |
3.2 基于神经网络的海洋鱼类图像清洗 |
3.2.1 基于感知哈希算法的图像去重 |
3.2.2 基于CNN-4 卷积神经网络模型的图像清洗 |
3.3 实验结果与分析 |
3.3.1 数据集质量进展 |
3.3.2 清洗效果评估 |
3.3.3 结果分析 |
3.4 本章小结 |
第4章 基于VGG-16 神经网络模型的鱼图像自动分类 |
4.1 引言 |
4.2 数据集特征分析 |
4.3 基于VGG-16 神经网络模型的鱼图像自动分类方法 |
4.3.1 模型结构 |
4.3.2 实验细节 |
4.3.3 参数调优 |
4.4 实验结果与分析 |
4.4.1 数据集完善效果 |
4.4.2 模型评估 |
4.4.3 结果分析 |
4.5 本章小结 |
第5章 大规模海洋鱼类图像数据库系统构建 |
5.1 大规模海洋鱼类图像数据库系统设计 |
5.1.1 系统需求分析 |
5.1.2 系统功能设计 |
5.1.3 系统数据库设计 |
5.1.4 系统构建 |
5.2 大规模海洋鱼类图像数据系统研发与应用 |
5.2.1 搭建环境 |
5.2.2 平台研发技术 |
5.2.3 系统功能应用 |
5.2.4 界面设计 |
5.3 系统测试 |
5.3.1 功能测试 |
5.3.2 性能测试 |
5.3.3 系统评价 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 本文总结 |
6.2 研究展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(7)智慧水产养殖应用与发展模式研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 论文研究的组织架构 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.3.3 技术路线 |
1.3.4 创新点 |
2 相关理论基础 |
2.1 “互联网+”现代农业理论分析 |
2.1.1 现代农业与“互联网+”现代农业理论综述 |
2.1.2 “互联网+”现代农业重要意义 |
2.1.3 促进“互联网+”现代农业的发展思路 |
2.2 智慧水产 |
2.2.1 智慧水产的内涵 |
2.2.2 智慧水产的特征 |
2.2.3 智慧水产的功能 |
2.3 水产品质量追溯 |
2.3.1 水产品质量追溯体系内涵 |
2.3.2 水产品质量追溯原理 |
2.3.3 水产品质量追溯实现方式 |
3 智慧水产养殖应用研究 |
3.1 生产管理领域的应用研究进展 |
3.1.1 养殖环境监测与智能管控应用系统研究 |
3.1.2 智能投喂与疾病预警诊断应用系统研究 |
3.2 经营服务领域的应用研究进展 |
3.2.1 全程质量追溯服务 |
3.2.2 在线经营服务 |
4 我国智慧水产养殖模式研究 |
4.1 九洲农信鱼大夫系统 |
4.1.1 建设背景介绍 |
4.1.2 示范建设方案介绍 |
4.1.3 实施亮点 |
4.2 潜江小龙虾质量安全追溯服务体系示范建设 |
4.2.1 建设背景 |
4.2.2 服务平台管理模式 |
4.2.3. 应用效果 |
4.3 武汉康生源生态农业集装箱循环水养殖模式 |
4.3.1 基本建设情况 |
4.3.2 养殖模式 |
4.3.3 产业扶贫 |
4.4 模式评价与分析 |
4.4.1 智能化生产服务 |
4.4.2 信息化综合管理 |
4.4.3 生态化养殖模式 |
4.5 水产养殖升级建议 |
4.5.1 创新渔业渔政管理新平台 |
4.5.2 创新水产绿色健康养殖新模式 |
4.5.3 创新智能化养殖新技术 |
5 我国智慧水产养殖发展政策建议 |
5.1 总体思路 |
5.2 建设路径 |
5.2.1 强化政府职能,提供政策支撑 |
5.2.2 实施渔业智能化建设示范工程,提供示范样板 |
5.2.3 坚持资源开放和共享,提供决策平台 |
5.2.4 全面推进人才计划,提供智力保障 |
6 总结与展望 |
参考文献 |
致谢 |
(8)基于窄带物联网的渔业水质智能监控系统设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 物联网国外研究现状 |
1.2.2 NB-IoT国内研究现状 |
1.2.3 水质预测预警国内外研究现状 |
1.3 本文主要研究内容 |
1.4 本文的结构安排 |
第二章 渔业水质智能监控系统的总体设计 |
2.1 系统需求分析 |
2.2 系统总体设计方案 |
2.2.1 系统总体结构 |
2.2.2 系统工作过程 |
2.3 NB-IoT的关键技术 |
2.3.1 常用通信技术 |
2.3.2 NB-IoT技术优势 |
2.3.3 NB-IoT网络架构 |
2.4 本章小结 |
第三章 渔业水质智能监控系统硬件设计 |
3.1 系统硬件结构 |
3.2 系统硬件选型 |
3.2.1 继电器选型 |
3.2.2 传感器选型 |
3.2.3 NB-IoT芯片选型 |
3.3 硬件电路设计 |
3.3.1 硬件电路模块化分析 |
3.3.2 开发环境简介 |
3.3.3 核心控制器模块 |
3.3.4 NB-IoT无线通信模块 |
3.4 本章小结 |
第四章 渔业水质智能监控系统软件设计 |
4.1 嵌入式软件设计 |
4.1.1 需求分析 |
4.1.2 开发环境简介 |
4.1.3 远程通信模块 |
4.1.4 数据采集模块 |
4.1.5 设备控制模块 |
4.2 云服务器设计 |
4.2.1 需求分析 |
4.2.2 开发环境简介 |
4.2.3 数据库设计 |
4.2.4 数据接口设计 |
4.2.5 通信服务器设计 |
4.3 手机客户端软件设计 |
4.3.1 需求分析 |
4.3.2 开发环境简介 |
4.3.3 手机客户端功能模块设计 |
4.4 本章小结 |
第五章 渔业水质预测预警模型构建 |
5.1 总体设计 |
5.2 建模方法 |
5.2.1 集合经验模态分解法(EEMD) |
5.2.2 支持向量回归机(SVR) |
5.2.3 灰狼优化算法(GWO) |
5.2.4 灰狼优化算法优化SVR预测原理 |
5.3 预测模型建立 |
5.3.1 基于EEMD的渔业水质降噪预处理 |
5.3.2 SVR回归预测模型建立 |
5.4 预警模型建立 |
5.4.1 警级划分 |
5.4.2 渔业水环境参数标准分析 |
5.4.3 警级判别 |
5.5 本章小结 |
第六章 系统测试 |
6.1 NB-IoT信号质量测试 |
6.2 通信稳定性测试 |
6.3 监测准确性验证 |
6.4 手机客户端测试 |
6.4.1 用户注册和登录界面 |
6.4.2 在线终端管理界面 |
6.4.3 水质监控界面 |
6.4.4 水质预测预警查询界面 |
6.4.5 历史数据查询界面 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
攻读硕士期间发表论文和科研情况 |
(9)高效生态循环水养殖智能管控技术及系统研发(论文提纲范文)
致谢 |
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.2.1 循环水养殖研究现状 |
1.2.2 基于物联网技术的水产养殖水质管控技术研究现状 |
1.2.3 基于机器视觉技术的水产养殖管控技术研究现状 |
1.3 研究内容及技术路线 |
第二章 水产养殖环境监控系统设计 |
2.1 概述 |
2.2 信息采集 |
2.2.1 多功能水产养殖装置 |
2.2.2 水质指标 |
2.2.3 硬件设计 |
2.3 网络通信 |
2.4 管控平台 |
2.4.1 平台架构设计 |
2.4.2 平台模块设计 |
2.5 本章小结 |
第三章 基于机器视觉的病死虾预警与智能投饵系统设计 |
3.1 概述 |
3.2 水产与饵料图像获取 |
3.2.1 现场节点图像获取 |
3.2.2 重要部件组成 |
3.2.3 相机触发方式 |
3.3 系统软件设计 |
3.3.1 软件框架设计 |
3.3.2 软件实现设计 |
3.3.3 软件界面设计 |
3.4 本章小结 |
第四章 基于图像处理的病死虾识别与饵料计数研究 |
4.1 概述 |
4.2 图像预处理 |
4.3 目标提取与分割 |
4.3.1 南美白对虾目标分割与提取 |
4.3.2 饵料目标分割与提取 |
4.4 病死虾分类研究 |
4.5 饵料识别与计数研究 |
4.6 本章小结 |
第五章 循环水养殖管控系统实现与应用 |
5.1 概述 |
5.2 基于陆基多生态位循环水养殖的管控系统 |
5.2.1 陆基多生态位循环水养殖系统 |
5.2.2 管控系统实现 |
5.3 基于工厂化循环水养殖的管控系统 |
5.3.1 工厂化循环水养殖系统 |
5.3.2 管控系统实现 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 主要创新点 |
6.3 未来展望 |
参考文献 |
作者简介 |
(10)5G网络技术对提升4G网络性能的研究(论文提纲范文)
引言 |
1 4G网络现处理办法 |
2 4G网络可应用的5G关键技术 |
2.1 Msssive MIMO技术 |
2.2 极简载波技术 |
2.3 超密集组网 |
2.4 MEC技术 |
3 总结 |
四、基于Web的渔业数据库系统设计与实现(论文参考文献)
- [1]船岸一体化远洋渔业信息管理平台与实现[D]. 张广亭. 浙江海洋大学, 2021
- [2]基于WebGIS的模块化海域管理分析平台设计与实现[D]. 李智. 辽宁师范大学, 2021(08)
- [3]水产加工云计量系统设计[D]. 李润煦. 华中师范大学, 2021(02)
- [4]60马力以下船舶管理系统设计与实现[D]. 邓立向. 集美大学, 2021(01)
- [5]基于4G网络的海警无线视频监控系统设计与实现[D]. 朱羽. 广西大学, 2020(12)
- [6]大规模海洋鱼类图像数据库的构建与应用[D]. 刘艳琳. 中国科学院大学(中国科学院深圳先进技术研究院), 2020(07)
- [7]智慧水产养殖应用与发展模式研究[D]. 郭宁. 华中师范大学, 2020(07)
- [8]基于窄带物联网的渔业水质智能监控系统设计与实现[D]. 崔建军. 江苏大学, 2020(02)
- [9]高效生态循环水养殖智能管控技术及系统研发[D]. 蔡铖勇. 浙江大学, 2020(01)
- [10]5G网络技术对提升4G网络性能的研究[J]. 刘奕. 数码世界, 2020(04)