区晶莹
作品数: 85被引量:331H指数:11
  • 所属机构:华南农业大学公共管理学院
  • 所在地区:广东省 广州市
  • 研究方向:经济管理
  • 发文基金:国家社会科学基金

相关作者

俞守华
作品数:122被引量:540H指数:12
供职机构:华南农业大学
研究主题:影响因素 结构方程模型 农业信息化 广东农业 农民工
黄灏然
作品数:50被引量:184H指数:8
供职机构:仲恺农业工程学院
研究主题:农业信息化 多属性 核心竞争力 多属性决策 农产品批发市场
许丹纯
作品数:5被引量:26H指数:4
供职机构:华南农业大学
研究主题:新市民 城镇化 LOGISTIC回归模型 信息需求 互动关系
刘智华
作品数:26被引量:87H指数:5
供职机构:华南农业大学工程学院
研究主题:线性规划 单纯形表 影子价格 高校研究生教育 研究生教育
韩方珍
作品数:25被引量:63H指数:4
供职机构:华南农业大学
研究主题:实验教学 教学改革 系统设计 LIMS 高校院系
基于主成分分析法的农业信息化评价研究
从农业信息化基础、工程建设和发展前景三个方面构建农业信息化评价指标体系,结合广州农业信息化实际确定具体评价指标,并应用主成分分析法对广州农业信息化进行实证评价.
俞守华区晶莹黄灏然
关键词:农业信息化主成分分析法
文献传递
猪舍智能监控系统中猪只识别算法研究被引量:3
2011年
猪只识别是猪舍智能监控系统中一个重要的环节。提出了一种运用色彩空间聚类模型的猪只识别算法。该算法首先根据YCrCb色彩空间里的Cb分量进行灰度化处理,接着运用最大类间方差法进行阈值分割,最后运用形态学方法去除噪声与区域判断法去除非猪只区域,得到图像中猪只的位置。使用猪场采集的50张现场图像对该算法进行验证,结果表明单只猪正确识别率达到80%。
陈吉宏俞守华区晶莹
关键词:智能监控灰度化阈值分割
多特征Camshift和Kalman滤波结合的猪只智能跟踪被引量:12
2013年
为了实现猪只的智能跟踪,提出了一种多特征Camshift和Kalman滤波结合的猪只跟踪算法。首先采用最大类间方差法从背景中分割出猪只,从而统计出猪只的颜色特征和纹理特征;然后获取当前帧图像的联合特征概率分布图,利用Camshift算法求得猪只的位置;最后使用Kalman滤波预测猪只下一帧位置,实现多猪只跟踪。研究结果表明,猪只跟踪算法具有较强的鲁棒性,且更好满足实时性的要求。研究结果可为猪只健康养殖提供技术上的支持。
周勇钧俞守华区晶莹
关键词:健康养殖智能监控LBPCAMSHIFTKALMAN滤波
中日农产品贸易摩擦博弈分析被引量:3
2008年
中日贸易伙伴关系是亚洲以至全世界重要的贸易伙伴关系,中日农产品贸易对双方国内经济的发展具有重大意义,可是相互间贸易摩擦纷繁不断。该文阐述了中日双方的贸易地位,回顾中日贸易摩擦历史,以博弈论为基础,对两国之间贸易摩擦的产生、激发及其策略选择进行分析,得到改善中日贸易的启示。
李银妹区晶莹俞守华
关键词:农产品贸易摩擦博弈论囚徒困境
台山市林业总体开发的系统分析
1995年
运用系统工程原理,借助环境辩识模型,对台山市的自然环境和社会环境进行了辨识,获得优势、制约和潜力环境因子,分析了该市林业发展的阶段性和林业资源特点,并进一步用系统诊断模型对该市森林生态经济系统进行诊断,把现实系统在时间、空间上层层展开,从而找出问题的根源、潜力、途径、优势和突破口,在全面研究的基础上,提出该市林业总体开发规划的总目标,并用层次分析模型进行总体开发规划的系统分折,提出总体开发规划的目标、规划区和措施。
区晶莹刘智华俞守华
关键词:林业层次分析法
基于结构方程模型的广东农村社区信息化服务满意度分析被引量:4
2011年
以广东农村社区信息化服务为研究对象,提出了农村社区信息化服务满意度的内涵,构建了农村社区信息化服务满意度潜在变量结构方程模型及其观测模型。通过对广东农村社区进行实际调查获得统计数据,应用结构方程模型方法和SmartPLS软件对广东农村社区信息化服务满意度进行实证分析,找出影响农村社区信息化服务满意度的主要因素,为相关部门进一步完善农村社区信息化服务提供决策依据。
区晶莹方婷俞守华
关键词:农村社区信息化服务满意度结构方程模型
台山县林业总体开发规划的决策分析
区晶莹
广州农业信息化发展现状及对策被引量:3
2005年
本文以广州市农业信息化调研项目为基础,通过对广州市农业信息化现状的充分调研,分析了广州市农业信息化存在的问题,并提出了相应的对策措施。
俞守华区晶莹易雅馨刘华
关键词:信息化发展农业信息化
Quantitative Detection Model of Pernicious Gases in Pig House Based on BP Neural Network
2009年
To find a neural network model suitable to identify the concentration of mixed pernicious gases in pig house, the quantitative detection model of pernicious gases in pig house was set up based on BP ( Back propagation) neural network. The BP neural network was trained separately by the three functions, trainbr, traingdm and trainlm, in order to identify the concentration of mixed pernicious gases composed of ammonia gas and hepatic gas. The neural network toolbox in MATLAB software was used to simulate the detection. The results showed that the neural network trained by trainbr function has high average identification accuracy and faster detection speed, and it is also insensitive to noise; therefore, it is suitable to identify the concentration of pemidous gases in pig house. These data provide a reference for intelligent monitoring of pemicious gases in pigsty.
俞守华张洁芳区晶莹
基于KANO模型的农民工信息需求类型实证分析
要有效地开展农民工信息服务,须深入分析农民工信息需求。本文应用KANO模型对农民工信息需求类型进行实证分析,将农民工信息需求从广度结构上划分为8个方面,从深度结构上划分为3个层次,并通过KANO问卷法调研分析,确定了农民...
区晶莹俞守华林泳雄
关键词:KANO模型农民工信息需求
文献传递