一、浅谈粮库智能测温（论文文献综述）
谢胜海[1]（2022）在《信息化时代中央储备粮直属库智能化粮库管理平台应用研究》文中进行了进一步梳理粮食安全问题关系着社会经济能否顺利、安全发展。随着我国信息化技术的快速进步,当前我国已经全面进入了信息化时代,现代信息化技术取得了全方面的发展,物联网和互联网技术不断地进步,这让粮食储备库能够更加规范化的管理,让管理也能够实现科技创新,这使得智能化粮库的建设所需要的业务信息化、仓储智能化以及办公自动化技术得以实现,
谢维治,张贺松,何东华,姚亚东,黎锦棠,黄晓健[2]（2021）在《智能化粮库管理系统实践应用》文中认为将云计算、大数据、物联网、自动化和智能化技术,采用技术架构把传统基础设施建设转变为IT服务建设。系统从最基础、最实用的功能入手,根据东莞直属库仓型和储粮特点,选择有价值的前沿技术进行试点应用,探索绿色、高效储粮的新技术。统一标准,实现互联互通,达到了经济实用,适度超前的目标。
姚芳明[3]（2021）在《基于5G物联网技术的智慧粮仓测控系统的设计与实现》文中进行了进一步梳理民以食为天,粮食的重要性不言而喻。粮食的安全关系到我们的日常生活和社会的稳定发展,因此保证粮食安全问题变得十分重要。本文在对相关粮仓测控系统调研的基础上,根据用户的实际需求并结合不同系统的优点,集合相关系统开发框架与技术,设计并实现了一个基于5G物联网技术的智慧粮仓测控系统,用信息化的手段满足用户对粮食存储保管的要求。本文主要工作包括:（1）进行系统需求调研,整合用户需求,设计并实现了本地客户端和移动客户端的相关功能,其中本地客户端由粮仓环境检测模块、定时检测模块、通风设备控制模块、数据显示模块、用户设置模块、视频监控模块五个核心模块组成;移动客户端由数据显示模块、定时模块组成。（2）根据系统功能性需求和技术性需求,分别采用Qt的QWidget框架、微信小程序的MINA框架设计并实现了本地客户端和移动客户端。在客户端开发中,将前端和后端进行有效的分离控制,在后端部分又将诸多公共部分封装成单独的类,让系统的代码框架结构清晰合理,有利于后续版本的系统功能扩展。（3）在数据通信和数据存储方面,搭建本地客户端与监控分机之间的自定义通信协议和无线通信方式,以及本地客户端与云数据库之间的5G通信方式。（4）通过系统软硬件联调测试,结果表明本文设计的粮仓测控系统功能较为完善,运行稳定,界面简洁,易于使用,具有一定的推广应用价值。
崔宏伟[4]（2021）在《储备粮实物数字云图监管方法和应用研究》文中研究说明粮食储藏是保障粮食生产安全和粮食流通安全的重要环节,直接影响我国粮食安全的整体水平。21世纪以来,随着“四合一”储粮技术的广泛应用,我国逐渐建成了世界上最大的粮食物联网体系,做到了“天下粮仓”紧相连,初步形成了储粮安全的“新基建”。就目前来看,“管好天下粮仓”成为当前和未来中国储粮需要解决的新课题,其中解决跨域储备粮监管是技术难点之一。我国储备粮具有粮仓储量大、分布区域广,储藏周期长的特点,该特点使得跨域储备粮监管与稽核的工作量十分巨大。另外,由于储备粮数量庞大,涉及巨大经济利益,若个别粮库发生虚库、虚报贴息、以差换好等违规违法行为,会给国家造成较大的经济损失,影响国家粮食安全。因此,改善跨域储备粮监管的方法和模式,对保障储备粮的数量与质量安全具有巨大的社会价值和经济意义。针对我国储备粮监管工作费力费时、发现问题难度大等问题,本文在研究粮堆场的时空连续性、周期性以及多场耦合的协调性三种特性的基础上,提出了基于粮堆温度场特性的储备粮实物监管技术路线和基本方法。通过分析历史粮情数据的三种特性,提出了基于粮温数字特征相关性和连续性,以及基于云图特征相关性的库存模态检测和分类方法,并针对粮仓分布广的特点,研究并应用了跨域储备粮仓群监管模式,最后搭建了储备粮数字云图监管系统。本文的主要内容如下:（1）储备粮实物监管基本原理-粮堆场特性的研究分析了正常储藏过程中（无外界干扰）,散装生物物料料堆场的三种特性变化规律,三种特性包括场的时空连续性,周期性,以及多场耦合的协调性。以粮堆为对象,分析了储藏过程中粮堆场的时空连续性,周期性,以及多场耦合的协调性,同时分析了温度场的衍生特性-时空相关性,验证了合理利用场的三种特性可以检测历史库存模态,包括空仓、新粮、通风、结露、霉变等状态。（2）基于粮温数字特征相关性和连续性的储备粮监管方法研究改进了基于粮温数字特征相关性的库存模态检测方法。进一步分析了正常储藏时粮堆测温平面、测温线与测温点的自相关性与互相关性,根据分析结果设定了自相关系数与互相关系数阈值;进行了实仓检测试验,结果显示改进的检测方法能够检测出实仓粮温异常变化。根据上述检测结果,提出了基于粮温数字特征连续性的库存模态分类方法（主要包括空仓态、新粮态、通风态3种状态）。选择宝鸡市某粮库的粮情数据,分析并验证了利用粮堆上下相邻层温差和粮温的新异众比例可以检测空仓态,利用相邻层温差和粮温标准差可以检测新粮态,利用粮温变化率和粮温标准差变化率可以检测通风态,初步设定了上述参数的阈值区间;接着选择7个不同省份粮仓的粮情数据,进行了模态分类试验,试验结果显示3种状态的平均查准率、平均查全率和F值分别为81%、80%、87%,表明该方法基本满足储备粮实物监管的工作需求;然后又计算了第2～7储粮生态区中68个平房仓粮情数据的特征参数,使用K-Means++、K-Mediods和DBSCAN聚类方法对特征参数的阈值区间进行了二次优化,并使用兰德指数RI对聚类结果进行了评价,结果显示DBSCAN方法的聚类效果较好（RI=0.9703）,验证结果表明该方法的聚类结果可用于储备粮监管。（3）基于温度场云图特征相关性的储备粮监管方法研究提出了基于温度场云图特征相似度的库存模态检测方法。首先调用历史粮温数据并进行预处理,生成温度场云图;然后提出了基于温度场云图RGB颜色特征的相似度计算方法;计算正常储藏相邻时间平面温度场云图的相似度,设定了相似度检测的阈值。利用广州市花都仓的历史粮温数据,模拟了5种粮食数量变动导致的粮温异常,进行了模态检测试验,结果显示该方法模态检测的平均查全率为98.6%,平均查准率为97.3%,其运行速率约为320 ms/次,优于对比试验方法（基于云图LBP纹理特征相似度算法的检测结果）,实现了库存模态变化的检测。在上述方法的基础上,提出了基于温度场云图相关性的库存模态分类方法。利用第2～7储粮生态区437个平房仓的历史粮温数据,搭建了由空仓态、通风态、新粮态、发热态和正常态5种模态组成的温度场云图样本集;建立了具有双隐含层的BP神经网络,提取云图的不同特征并组合作为网络的输入,5种模态作为输出进行训练;通过比较试验发现:当颜色聚合向量（CCV）（Nb=70）、纹理特征（TFV）和光滑特征（SFV）的组合作为输入时,网络具有较好的分类准确率,其中空仓态的准确率高于98%,通风态的准确率在82%至89%之间,而新粮态、发热态和正常态的分类准确率在89%至98%之间,平均准确率约为93.9%,此时网络的运行时间和预测时间约为321 s和0.123 s,试验结果表明上述库存模态分类方法可以满足库存检查的需求。（4）跨域储备粮仓群监管模式研究从不同管理者角度分析了跨域储备粮仓群监管的实现模式。分别从国家粮食和物资储备局（包括垂直管理机构）、中储粮的管理者角度研究了跨域储备粮仓群监管的实现模式,发现模式的实现需建立储备粮监管云平台和粮情数据服务器,管理机构利用云平台监管旗下不同地域的粮库,从而实现跨域储备粮仓群的监管;分析了跨域储备粮仓群监管实现的必要条件,即各粮仓粮情数据的标准化、规模化存储;分析了常用软件架构-C/S和B/S架构,研究了利用这两种架构实现跨域储备粮仓群监管的应用模式,研究结果可为跨域储备粮仓群监管的实现提供方向。（5）储备粮数字云图监管系统与应用试验分析了储备粮数字云图监管系统的架构与功能模块,使用Lab VIEW编程工具搭建了储备粮数字云图监管系统,系统主要由数据读取模块、粮仓选择模块、粮情扫描模块、云图分析模块、结果显示模块、三温分析模块组成,具有历史粮温的扫描、分析,检测结果的输出、保存等功能,该系统的搭建可为跨域储备粮藏情监管系统的构建提供支撑。利用系统检测了选自592个粮仓近1年的粮情数据,共计23万多组,试验结果显示:检测空仓态的准确率为94%,新粮态的准确率为93%,通风态的准确率为95%,结露和霉变态的准确率分别为96%和87%。于中国储备粮管理总公司某分公司进行了跨域储备粮仓群监管试验,结果显示:检测空仓态的准确率约为80%,新粮态约为76%,通风态约为84%。结果表明储备粮数字云图监管系统基本可满足储备粮监管的需求。该系统的研究和应用试验支撑了跨域储备粮仓群监管的实现。
王启阳[5]（2021）在《基于机器学习的储粮品质预测方法及应用研究》文中提出粮食是关系国计民生的战略物资,是人类赖以生存的必需品。粮食安全关涉经济发展、社会稳定,是国家安全的重要基础。粮食储备是保障国家粮食安全的重要物质基础,是从生产到消费中不可或缺的环节。在粮食储备过程中会发生数量损失和质量损失,其中质量损失会造成粮食的变质和腐败,如果人类食用了腐败变质的粮食,会对健康产生不良的影响。因此,研究如何减少储粮质量损失、提高储粮品质在提升国家粮食安全水平、保障人民身体健康等方面具有重要的理论价值和现实意义。随着机器学习方法的不断发展和创新,计算机硬件与软件的快速提升、云计算的逐步应用,机器学习在粮情大数据分析和预测方面的应用前景更加广阔。传统的储粮品质通过物理、化学等实验室检测方法获得,该方法需要经过繁杂的扦样、检测等步骤,增加了储备粮管理的操作决策周期以及粮食严重变质的风险。粮情大数据具有数据采集快、数据量大等特点,本文以机器学习方法为基本思想,提出了2种基于支持向量回归的储粮品质预测模型及其相应的优化算法。在充分考虑储粮数据特性的基础上,选择出相关的储藏因子作为模型的输入特征,对储存期间稻谷的脂肪酸值和品尝评分值的预测展开深入研究,充分发挥了机器学习方法在储粮状态判别与品质预测方面的优势。本文的重要研究结果总结如下:（1）基于粮情数据的储粮品质分析与建模方法研究通过收集大量的储粮数据,对稻谷储藏期间品质的变化规律展开研究。探讨了储粮品质的传统数据拟合方法、机器学习预测方法,对比了传统数据拟合预测方法和机器学习预测方法在储粮品质预测中的优点与不足,讨论了机器学习预测方法在储粮品质预测中的适用性。基于该认知,给出了基于机器学习的储粮品质预测的一般过程,在粮情数据的基础上,给出了建模过程中的输入特征参数、预测目标等问题。（2）数据预处理方法研究对储粮温度历史数据中出现的重复、缺失和异常情况进行了分析和处理,利用均值法修复重复检测数据、采用线性插值法对缺失的温度数据进行修复,提出一种基于滑动窗口的粮温预测算法对异常温度数据进行判断。对粮库经度、纬度、仓房类型、初始水分、测量水分、入仓月份、扦样月份、粮食平均温度、粮仓平均温度、储藏周期、粮食有效积温、粮仓有效积温、初始品尝分值、初始脂肪酸值等储藏因子间的相互作用进行综合分析,确定了储藏因子之间存在着强相关性,采用主成分分析法（PCA）对原始储藏因子进行降维和压缩处理,从14个储藏因子中提取前6个主成分作为新的模型自变量,为储粮品质预测模型的参数选择提供了依据。（3）基于多核学习的储粮品质预测模型单核学习模型的预测精度很大程度上取决于核函数及其参数的选择,而核函数的选择及构造尚未有统一的理论依据,用单一的核函数建立的模型往往难以得到理想的拟合精度。因此,本文在单核支持向量回归（SKSVR）的基础上构建多核支持向量回归（MKSVR）,采用Simple MKL算法对MKSVR模型进行参数寻优,将MKSVR模型用于稻谷储存品质的预测。基于东北地区稻谷储存品质数据集,建立了PCA-MKSVR模型,并与单径向基核函数的PCA-SKSVR模型、线性回归的PCA-MLR模型以及未经过储藏因子筛选的MKSVR模型、SKSVR模型、MLR模型进行了比较。实验结果表明,多核学习模型在预测精度、拟合优度上均优于单核学习模型。对比同类模型,即PCA-MKSVR模型与MKSVR模型、PCA-SKSVR模型与SKSVR模型、MLR模型与PCA-MLR模型进行比较,采用PCA对储藏因子降维处理后的模型,预测精度与拟合优度均高于用原始储藏因子直接建立的预测模型。因此,多核学习模型适用于储藏期间稻谷储存品质的预测。（4）基于多任务与多核学习的储粮品质预测模型常规的单任务学习方法需要对不同的预测模型进行单独训练,往往忽略了多个模型之间来的潜在联系,限制了模型的泛化性能。而多任务学习（MTL）是将多个任务放在一起同时学习,充分挖掘不同任务之间的相关性,实现多个模型或任务之间的信息共享。针对稻谷储存品质的两个关键指标,本文在单任务学习的基础上提出多任务学习的储粮品质预测方法,建立了多任务与多核学习模型（MTMKL）,采用一种基于镜面下降算法的交替优化算法对所提出的模型进行参数优化,并将MTMKL模型用于稻谷储存品质的预测。实验结果表明,MTMKL模型对稻谷脂肪酸值的预测相关系数达到了0.885,对品尝评分值的预测相关系数达到了0.933。相比MKSVR模型,脂肪酸值预测的MAE,RMSE,MAPE结果分别降低了9.48%,6.05%,9.60%,R2提升了0.009;品尝评分值预测的MAE,RMSE,MAPE结果分别降低了11.66%,12.39%,11.97%,R2提升了0.005,这说明MTMKL模型能够有效提高稻谷储存品质的预测精度,可以作为储粮品质预测的一种新方法。（5）储粮安全预警系统的开发与模拟应用通过系统的需求分析和功能设计,设计了储粮安全风险预警策略,预警等级总共可分:Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级。在此基础上,提出储粮安全预警系统的设计框架,基于Lab VIEW语言和机器学习模型,设计和开发了一套储粮安全预警与品质预测软件,实现了储粮品质的预测。以吉林省榆树市某粮库的实际粮仓为例对系统进行了验证,结果表明,系统运行情况良好,对脂肪酸值的预测误差在±1.5 mg/100g以内,品尝评分值预测误差在±1分以内。该系统以粮情大数据和机器学习为基础,实现了对储粮品质的准确、快速预测,大大降低了储粮品质检测过程中的经济成本,降低粮食储存过程中严重变质的风险,为储粮质量的精确控制提供了技术支持,对储粮安全管理具有指导意义。
邵辉,庞欢欢,张强,曹雪韬[6]（2021）在《智能安防监控在粮库安全生产中的应用探索》文中研究说明随着我国经济的飞快发展和科技的不断更新,安防技术已经在很多领域得到了广泛的应用,近几年对安防信息化平台设计力度日益增大,实现了智能化、网络化、数字化的控制水平,建立了开放的物联平台,对促进企业和社会的发展有着不可忽视的作用。本文重点阐述了智能安防在粮库系统中的应用探索。
曹磊[7]（2021）在《一种粮库粮情智能检测和控制系统的设计与实现》文中进行了进一步梳理我国是农业生产大国,近几年粮食年产量均突破一万亿斤,粮食的安全存储问题也随之而来。粮食在存储时容易受到温度、湿度、虫害等环境因素的影响,如果遇到这些问题处理不及时,很容易导致粮食的霉变和虫害。每年我国都会因为粮食的霉变造成严重的损失,所以开发一款粮库测控系统至关重要。我国现有的粮库测控系统存在很多问题,主要表现在传感器技术落后、成本高、自动化程度不高、扩展性差、缺少信息化综合管理平台、有些还需大量布线等。为此,本文基于Lo Ra无线通信技术给出一种集测量、控制、管理于一体的粮库测控系统。主要从以下三个方面考虑:1、粮库管理软件设计。主要包含粮库信息设置、粮情检测、设备控制、报警处理等功能。粮库信息设置包含对用户信息、储粮信息以及粮库信息的管理;粮情检测分为自动采集和手动采集两种方式;报警处理仅当检测的数据超过阈值时会触发;粮情显示通过立体图、折线图和报表三种方式展示温湿度数据;设备控制通过可视化界面打开或关闭对应的设备。2、测控硬件设计。测控板选用STM32F103作为主控芯片,数据采集模块基于Cortex-M3微控制器实现粮仓的温湿度检测;设备控制模块通过ULN2803A芯片调节电流驱动继电器实现对设备的控制;无线传输模块是基于E32-TTL-100无线模块实现数据和指令的无线传输。3、无线通信设计。采用Lo Ra技术实现实现无线通信,采用线性调制扩频的方式,增强信号的接收强度和灵敏度,增大通信距离。并且Lo Ra节点工作电流低,能耗小,电池不易损坏。本系统通过拟定数据包格式,基于E32-TTL-100无线模块的布设实现粮库一对多的无线通信,其信号稳定,传输速度快。本文分别从粮库测控系统总体设计再分别到其硬件设计和软件设计对系统的各部分组成和功能等展开详细和完整的描述,并对系统进行安装测试与总体性能分析。通过对系统硬件和软件的多次测试和优化后,上位机和下位机在一公里的范围内,通信信号稳定,极少出现数据丢包,数据收发错误情况。硬件电路板在模拟的极端环境下电流输出稳定,工作一切正常。图[70]表[14]参[43]
包成雷[8]（2020）在《基于储粮害虫预测的粮库测控系统研究》文中进行了进一步梳理粮食安全是国家安全的根基。近年来,我国对粮食仓储的信息化和智能化改造提出了明确的规划,“科学保粮”已经成为粮食行业的重要产业。然而,我国仍然有5%左右的仓储粮食损失率,造成这些损失的原因有粮食本身的呼吸作用,水分损耗以及储粮害虫的消耗,其中储粮害虫的消耗时主要原因。因此,科学有效地进行储粮害虫的防治对我国的粮食安全有着重大意义。目前针对储粮害虫的研究,大多都是基于害虫的图像识别进行建模。近年来也有对储粮虫害的预测研究,但许多相关研究仅仅考虑虫害的时序特征,忽略了温度、湿度等粮仓环境因素的影响。同样的,目前市面上的储粮测控系统均缺乏储粮害虫的检测、预测和预警为一体的功能模块,无法从根本上解决粮库虫害的爆发。本文结合储粮害虫的采集的时间特性,以及温度、湿度的时间序列数据,借鉴并优化实现了三层LSTM堆叠网络的害虫预测模型。考虑到粮堆中温湿度传感器和害虫诱捕器布点的空间特性,引入CNN网络对粮仓空间特征进行特征提取,并结合已经实现的三层LSTM堆叠网络进行进一步优化。另外,考虑到时序数据的前后向之间的联系,引入了双向LSTM结构,优化实现了CNN+DoubleBLSTM的网络模型。最后结合在粮库实地采集到的数据进行实验,验证了三类优化算法的有效性。此外,针对市面上储粮测控系统在害虫检测、预测和预警功能上的缺陷。本文设计并参与实现了储粮害虫智能测控系统。系统整体采用前后端分离的设计模式,可以对储粮害虫进行监测和预测,并能生成虫害报表进行预警。在参与整体粮情测控系统的项目研发中,本文结合项目进程管理的关键链技术,对整体项目进度计划进行了优化,保障研发产品质量的同时,缩短了工期,为合作企业带来了效益。
尹晶莹[9]（2020）在《A公司智能粮库改造项目进度管理优化研究》文中提出随着国家对农民、农村、农业的关注,对粮食安全的重视。近几年国家出台一系列的政策、文件,提高粮食仓储、流通等方面的技术管理。随着网络技术的不断发展,绿色粮食、科技粮食、智能粮食等与现在智能技术相关的名词层出不穷。笔者在A公司工作多年,一直从事“粮安工程”的项目管理工作,在工作过程中不断总结智能粮库改造项目的管理经验,完善项目进度管理方案,争取更高质量、更高效率、更高标准的项目进度管理,达到客户的满意效果。本文将通过搜集国外发达国家在粮食仓储方面的建设经验,根据我国当前国情及在智能粮库改造建设方面存在的弊端,通过定量分析与定性分析相结合的方法,结合A公司智能粮库改造项目的特点,重点分析A公司智能粮库改造项目现状及项目进度管理存在的问题,分析问题产生的原因并针对需要优化改进的问题进行可行性分析,设计A公司智能粮库改造项目在进度管理方面的优化方案,并对A公司智能粮库改造项目进度优化方案实施前后对比分析,为保障项目进度管理优化方案的实施,制定A公司智能粮库改造项目进度管理优化方案的实施步骤优化和保障措施优化。输出的主要研究成果是结合A公司智能粮库改造项目进度管理的现状,分析项目进度计划制定、设备供货、项目现场费用报销、进度成本质量协调等问题,对各项问题提出项目进度优化方案。针对智能粮库改造项目进度优化问题提出细化项目计划、重视调研、简化流程、加强培训、明确目标、责任矩阵、加强沟通等优化措施。通过实施方案优化、赶工优化、流程优化、协调优化等来解决项目管理的进度、质量、成本问题。
李祥喆[10]（2020）在《智能粮情测控与预警系统的设计与实现》文中认为目前储粮安全管理仍部分甚至完全依赖人工,粮食储存企业迫切需要一套成型的智能粮情测控系统。基于此本文设计实现了智能粮情测控与预警系统,辅助及时发现并解决储粮过程中异常情况。本文首先对系统进行了需求分析,并对整体以及各模块进行设计实现,最后进行了相关系统测试。技术上,本文基于B/S模式开发了一套Java WEB系统,前端使用Vue渐进式框架,后端使用Spring Boot框架进行开发,使用了SQL server数据库。目前粮情测控及预警领域仍存在许多问题:首先,对粮情诊断中粮食安全性判断仅考虑粮食内部储存情况,忽略了外界环境的影响,其次,对粮温预测中常用的粒子群算法优化RBF神经网络的算法,仍存在粒子群算法局部寻优能力较差的问题,最后,对粮情语义查询中的关键词提取数量固定,不能灵活根据查询语句进行动态调整。（1）针对粮食安全性判断,本文考虑外界环境影响,对三温、三湿分别进行加权计算得到相对温度、相对湿度,并将相对温度、相对湿度以及粮食水分的隶属度作为神经网络输入。（2）针对粒子群算法容易陷入局部最优的问题,本文将遗传算法与粒子群算法结合,在粒子群算法陷入局部最优时调用遗传算法改变粒子位置,同时,通过对比试验确定通过前几天的数据进行预测效果更佳。（3）针对粮情语义查询系统中仅针对内部数据库查询特点,提出了根据句式、词性动态改变关键词提取数量的方法。经过多次使用测试以及对比试验,结果表明本文方法提高了原有算法性能,达到预期目标。
二、浅谈粮库智能测温（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、浅谈粮库智能测温（论文提纲范文）
（1）信息化时代中央储备粮直属库智能化粮库管理平台应用研究（论文提纲范文）
| 1. 智能化粮库管理平台项目实施的目标和范围 |
| 1.1 建设智能化粮库管理平台的目的 |
| 1.2 管理平台的各项功能 |
| 1.3 管理平台基本的组织架构 |
| 2. 智能化粮库管理平台的主要管理内容 |
| 2.1 技术管理内容 |
| 2.1.1 测温系统 |
| 2.1.2 仓储绿色气调储粮智能控制系统 |
| 2.2 综合业务管理内容 |
| 2.2.1 将办公信息进行模块化管理 |
| 2.2.2 对人力资源方面进行管理 |
| 2.2.3 安全监督管理系统 |
| 2.2.4 财务管理系统 |
| 3. 粮库智能管理平台的应用情况 |
| 3.1 提供准确和多样化的信息为做决策提供支持 |
| 3.2 加强粮库的安全管理工作 |
| 4. 智能化粮库管理平台建设过程中存在的问题及处理策略 |
| 4.1 基础性研究和信息化体系建设难以实现协调 |
| 4.2 业务流程不完善 |
| 4.3 系统解决方案跟不上时代 |
| 结束语 |
（2）智能化粮库管理系统实践应用（论文提纲范文）
| 1 系统建设目标 |
| 1.1 全面提高粤储粮总公司及东莞直属库的信息化水平 |
| 1.2 粮食数量质量管理的精准化、实时化水平显着提高 |
| 1.3 业务协同及客户服务水平明显增强 |
| 1.4 将东莞直属库建成技术创新中心、管理创新中心 |
| 2 系统建设内容和架构 |
| 2.1 系统内容 |
| 2.2 系统架构 |
| 3 系统建设功能特点 |
| 3.1 开创微信公众号和“一码通”相结合的智能出入库新模式 |
| 3.2 实现多功能的智能仓储管理模块 |
| 3.2.1 粮温三维建模 |
| 3.2.2 粮温云图展示 |
| 3.2.3 智能气调管理 |
| 3.2.4 粮食安全卫士 |
| 3.2.5 数量在线检测 |
| 3.3 打造全方位多维度的智能安防模块 |
| 3.3.1 智慧消防 |
| 3.3.2 光纤测温系统 |
| 3.3.3 热成像巡检系统 |
| 3.3.4 鹰眼全景监测 |
| 3.3.5 基于VR技术的立体视觉展览展示 |
| 4 技术拓展与讨论 |
（3）基于5G物联网技术的智慧粮仓测控系统的设计与实现（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 论文工作和结构安排 |
| 第2章 系统总体架构设计 |
| 2.1 系统需求分析 |
| 2.2 系统总体架构设计 |
| 2.3 系统相关技术 |
| 第3章 系统硬件设计 |
| 3.1 下位机架构设计 |
| 3.2 系统硬件功能设计 |
| 第4章 系统软件设计 |
| 4.1 系统工作流程 |
| 4.2 本地客户端设计 |
| 4.3 移动客户端设计 |
| 4.4 数据库设计 |
| 第5章 系统实现与测试 |
| 5.1 粮情检测模块的实现 |
| 5.2 设备控制模块的实现 |
| 5.3 仓房及仓房所属方信息查询模块的实现 |
| 5.4 数据的显示及打印模块的实现 |
| 5.5 视频监控模块的实现 |
| 5.6 系统功能测试 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 在校期间公开发表论文及着作情况 |
（4）储备粮实物数字云图监管方法和应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 储备粮实物监管国内外研究现状 |
| 1.2.1 储备粮实物监管国外研究现状 |
| 1.2.2 储备粮实物监管国内研究现状 |
| 1.3 粮堆场理论与应用的国内外研究现状 |
| 1.3.1 粮堆场理论与应用的国外研究现状 |
| 1.3.2 粮堆场理论与应用的国内研究现状 |
| 1.3.3 课题研究基础 |
| 1.4 研究目标、主要内容与技术路线 |
| 1.4.1 研究目标 |
| 1.4.2 主要内容 |
| 1.4.3 技术路线 |
| 第2章 储备粮实物监管原理与可行性分析 |
| 2.1 散装生物物料监管基本原理 |
| 2.1.1 生物物料料堆场的连续性 |
| 2.1.2 生物物料料堆场的周期性 |
| 2.1.3 生物物料料堆内多场耦合的协调性 |
| 2.2 储备粮实物监管基本原理 |
| 2.2.1 粮堆场特性 |
| 2.2.2 衍生特性 |
| 2.3 储备粮实物监管原理应用的可行性分析 |
| 2.3.1 储备粮实物监管的库存模态 |
| 2.3.2 不同库存模态对温度场特性的影响分析 |
| 2.4 本章小结 |
| 第3章 基于粮温数字特征相关性与连续性的储备粮监管方法研究 |
| 3.1 数据与处理 |
| 3.1.1 储粮生态区 |
| 3.1.2 粮情数据 |
| 3.1.3 数据预处理 |
| 3.2 方法 |
| 3.2.1 改进的基于粮温数字特征相关性的库存模态检测方法 |
| 3.2.2 基于粮温数字特征连续性的库存模态分类方法 |
| 3.3 结果与分析 |
| 3.3.1 库存模态检测试验与结果分析 |
| 3.3.2 库存模态分类试验与结果分析 |
| 3.4 阈值的二次优化 |
| 3.4.1 数据来源 |
| 3.4.2 优化算法原理 |
| 3.4.3 不同算法的阈值优化结果与评价 |
| 3.4.4 优化结果应用 |
| 3.5 本章小结 |
| 第4章 基于温度场云图特征相关性的储备粮监管方法研究 |
| 4.1 材料与方法 |
| 4.1.1 粮情数据来源与处理 |
| 4.1.2 温度场云图生成 |
| 4.1.3 基于温度场云图特征相似度的库存模态检测方法 |
| 4.1.4 基于温度场云图特征相关性的库存模态分类方法 |
| 4.2 结果与分析 |
| 4.2.1 库存模态检测试验结果与分析 |
| 4.2.2 库存模态分类试验结果与分析 |
| 4.3 本章小结 |
| 第5章 跨域储备粮仓群监管模式研究 |
| 5.1 不同管理者角度的跨域储备粮仓群监管模式 |
| 5.1.1 国家粮食和物资储备局及其垂直管理机构的监管模式 |
| 5.1.2 中国储备粮管理集团有限公司的监管模式 |
| 5.2 跨域储备粮仓群监管实现的必要条件 |
| 5.2.1 多参数的规模化采集与集中化存储 |
| 5.2.2 数据的标准化存储 |
| 5.3 跨域储备粮仓群监管的系统应用模式 |
| 5.3.1 基于B/S结构的储备粮监管系统应用模式 |
| 5.3.2 基于C/S架构的储备粮监管系统应用模式 |
| 5.3.3 单机版的应用模式 |
| 5.4 实现跨域储备粮仓群监管的结构 |
| 5.5 本章小结 |
| 第6章 储备粮数字云图监管系统及应用 |
| 6.1 储备粮数字云图监管系统 |
| 6.1.1 系统框架 |
| 6.1.2 功能模块 |
| 6.1.3 检测系统界面 |
| 6.1.4 监管系统的工作流程 |
| 6.2 储备粮数字云图监管系统应用试验 |
| 6.2.1 粮情数据 |
| 6.2.2 应用试验 |
| 6.2.3 试验结果与分析 |
| 6.3 跨域储备粮仓群监管应用试验 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 7.1 主要结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简介及在学期间研究成果 |
| 致谢 |
| 附录1 DBSCAN算法聚类结果 |
（5）基于机器学习的储粮品质预测方法及应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 粮食安全问题仍是中国未来发展面临的挑战 |
| 1.1.2 储存损失已成为中国粮食安全的潜在威胁 |
| 1.2 研究意义 |
| 1.3 研究现状 |
| 1.3.1 储粮品质研究现状 |
| 1.3.2 机器学习算法 |
| 1.3.3 机器学习在粮食储藏中的应用 |
| 1.4 论文的研究目标与研究内容 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 1.5 本文的结构 |
| 第2章 基于粮情数据的储粮品质分析与建模方法研究 |
| 2.1 引言 |
| 2.2 储粮生态区的选择 |
| 2.3 数据检测方法与标准 |
| 2.3.1 粮情数据采集 |
| 2.3.2 扦样方法 |
| 2.3.3 水分测定 |
| 2.3.4 品尝评分值测定 |
| 2.3.5 脂肪酸值测定 |
| 2.4 储粮数据处理与统计规律分析 |
| 2.4.1 储藏温度变化规律 |
| 2.4.2 储粮水分变化规律 |
| 2.4.3 储粮品质变化规律 |
| 2.5 数据驱动的储粮品质预测方法研究 |
| 2.5.1 储粮品质预测方法研究 |
| 2.5.2 数据驱动的预测方法分析 |
| 2.6 基于机器学习方法的储粮品质预测过程 |
| 2.6.1 建模过程 |
| 2.6.2 预测过程 |
| 2.7 本章小结 |
| 第3章 数据预处理方法研究 |
| 3.1 引言 |
| 3.2 粮温数据预处理方法研究 |
| 3.2.1 重复及缺失的历史温度数据修复方法 |
| 3.2.2 异常的历史温度数据判断方法 |
| 3.3 基于滑动窗口的粮温预测算法 |
| 3.3.1 预测模型的建立 |
| 3.3.2 滑动窗口算法 |
| 3.3.3 不同参数选择分析与讨论 |
| 3.4 预测因子的筛选与处理 |
| 3.4.1 数据统计 |
| 3.4.2 主成分分析法的基本原理与过程 |
| 3.4.3 主成分分析结果 |
| 3.5 本章小结 |
| 第4章 基于多核学习的储粮品质预测模型研究 |
| 4.1 引言 |
| 4.2 多核学习理论 |
| 4.2.1 多核学习方法 |
| 4.2.2 单步多核学习算法 |
| 4.2.3 两步多核学习算法 |
| 4.3 基于多核学习的储粮品质预测模型 |
| 4.3.1 多核支持向量回归模型 |
| 4.3.2 模型优化算法 |
| 4.4 实验与分析 |
| 4.4.1 实验数据介绍 |
| 4.4.2 实验设置与评价指标 |
| 4.4.3 多核学习模型的影响因素 |
| 4.4.4 脂肪酸值预测结果分析 |
| 4.4.5 品尝评分值预测结果分析 |
| 4.4.6 不同模型的对比实验 |
| 4.5 本章小结 |
| 第5章 基于多任务与多核学习的储粮品质预测模型研究 |
| 5.1 引言 |
| 5.2 多任务学习理论 |
| 5.2.1 基本概念 |
| 5.2.2 多任务学习的正则化模型 |
| 5.3 基于多任务与多核学习的储粮品质预测模型 |
| 5.3.1 多任务与多核学习框架 |
| 5.3.2 模型优化算法 |
| 5.4 实验与分析 |
| 5.4.1 实验设置与评价指标 |
| 5.4.2 多任务与多核学习模型的影响参数分析 |
| 5.4.3 样本数量对多任务与多核学习模型的影响 |
| 5.4.4 多任务与多核学习模型预测结果分析 |
| 5.5 本章小结 |
| 第6章 储粮安全预警系统的设计与开发 |
| 6.1 引言 |
| 6.2 储粮安全预警系统的构建 |
| 6.2.1 软件系统需求分析 |
| 6.2.2 系统功能分析 |
| 6.2.3 系统功能设计 |
| 6.2.4 警级规则制定 |
| 6.2.5 系统流程图 |
| 6.3 系统功能模块实现 |
| 6.3.1 登陆访问模块 |
| 6.3.2 数据连接 |
| 6.3.3 数据清洗 |
| 6.3.4 预测模块 |
| 6.3.5 文件保存 |
| 6.4 系统运行效果的验证及分析 |
| 6.4.1 实仓基本信息 |
| 6.4.2 结果与分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 特色与创新 |
| 7.3 本文工作不足与展望 |
| 参考文献 |
| 作者简介及在学期间研究成果 |
| 攻读博士学位期间参与的项目 |
| 致谢 |
（6）智能安防监控在粮库安全生产中的应用探索（论文提纲范文）
| 1 概述 |
| 2 现状及隐患 |
| 2.1 出入仓粮食传送安全 |
| 2.2 重点区域、重要设备的安检工作 |
| 2.3 重点区域的视频监控工作 |
| 2.4 车辆出入口管理 |
| 2.5 库区消防设备的安检 |
| 2.6 高温设备、易发生火灾区域检测 |
| 3 智能安防应用实践 |
| 3.1 视频监控子系统 |
| 3.2 智慧消防子系统 |
| 3.3 电子巡更子系统 |
| 3.4 光纤测温子系统 |
| 4 平台特点 |
| 5 结束语 |
（7）一种粮库粮情智能检测和控制系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.1.1 课题的研究背景 |
| 1.1.2 课题的研究意义 |
| 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 主要研究内容及本文结构 |
| 1.3.1 本文主要研究内容 |
| 1.3.2 章节安排 |
| 第二章 粮库测控系统总体设计 |
| 2.1 粮库测控系统功能需求 |
| 2.1.1 粮仓类型 |
| 2.1.2 技术指标 |
| 2.1.3 功能需求 |
| 2.2 系统总体方案设计 |
| 2.2.1 硬件结构设计 |
| 2.2.2 软件结构设计 |
| 2.3 本章小结 |
| 第三章 粮库测控系统硬件设计 |
| 3.1 主控芯片及外围电路设计 |
| 3.1.1 传感器选型 |
| 3.1.2 主控模块电路设计 |
| 3.1.3 外围电路设计 |
| 3.2 无线通讯模块设计 |
| 3.2.1 通信方式选择 |
| 3.2.2 LoRa技术介绍 |
| 3.2.3 E32-TTL-100 无线模块 |
| 3.3 数据采集模块设计 |
| 3.3.1 温湿度传感器布置 |
| 3.3.2 DS18B20 温度检测 |
| 3.3.3 AM2301 温湿度检测 |
| 3.4 设备控制模块设计 |
| 3.5 本章小结 |
| 第四章 粮库测控系统软件设计 |
| 4.1 相关技术介绍 |
| 4.1.1 体系架构 |
| 4.1.2 Delphi开发环境 |
| 4.1.3 Access数据库 |
| 4.2 无线通讯协议 |
| 4.3 数据库设计 |
| 4.4 功能实现 |
| 4.4.1 软件注册 |
| 4.4.2 系统登录和权限设置 |
| 4.4.3 粮库信息设置 |
| 4.4.4 粮情监测 |
| 4.4.5 粮情显示 |
| 4.4.6 通风管理 |
| 4.4.7 报警管理 |
| 4.5 本章小结 |
| 第五章 系统安装测试与分析 |
| 5.1 系统硬件安装测试 |
| 5.2 系统软件测试 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（8）基于储粮害虫预测的粮库测控系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1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 粮库害虫检测的方法及研究现状 |
| 1.2.2 害虫预测的理论研究 |
| 1.3 课题研究的目的和内容 |
| 1.4 论文的组织结构 |
| 第2章 理论知识基础 |
| 2.1 储粮害虫发育的影响因子概述 |
| 2.2 预测算法模型的评价指标 |
| 2.3 传统机器学习回归算法 |
| 2.3.1 线性回归算法 |
| 2.3.2 岭回归算法 |
| 2.3.3 支持向量回归算法 |
| 2.4 深度学习算法 |
| 2.4.1 深度学习模型和神经网络 |
| 2.4.2 循环神经网络和卷积神经网络 |
| 2.4.3 LSTM网络结构和双向LSTM |
| 2.4.4 Keras框架简介 |
| 2.5 本章小结 |
| 第3章 储粮害虫预测算法研究 |
| 3.1 数据源介绍 |
| 3.2 温湿度传感器与害虫诱捕器布点方案 |
| 3.2.1 温湿度传感器布点方案 |
| 3.2.2 害虫诱捕器布点方案 |
| 3.3 数据预处理 |
| 3.4 基于粮堆虫害数据的预测算法研究 |
| 3.5 实验结果 |
| 3.6 本章小结 |
| 第4章 储粮害虫智能测控系统设计 |
| 4.1 储粮害虫智能测控系统的产品调研 |
| 4.2 储粮害虫智能测控系统的功能需求分析 |
| 4.2.1 储粮害虫监测功能 |
| 4.2.2 储粮害虫预测功能 |
| 4.2.3 储粮害虫预警和除虫功能 |
| 4.2.4 虫害报告的生成与导出功能 |
| 4.2.5 可视化呈现 |
| 4.2.6 用户和权限管理功能 |
| 4.3 储粮害虫智能测控系统设计 |
| 4.4 储粮害虫智能测控系统功能展示 |
| 4.4.1 粮库总览 |
| 4.4.2 温度、害虫情况监测 |
| 4.4.3 储粮害虫预测和预警 |
| 4.4.4 除虫作业 |
| 4.5 储粮害虫智能测控系统的测试 |
| 4.6 本章小结 |
| 第5章 关键链技术在智慧粮库项目管理中的应用 |
| 5.1 关键链技术概述 |
| 5.2 智能粮情测控系统研发项目简介 |
| 5.3 智能粮情测控系统研发项目管理现状及分析 |
| 5.4 关键链技术在智能粮情测控系统研发项目中的应用 |
| 5.4.1 项目WBS与初始进度计划 |
| 5.4.2 运用关键链技术进行优化 |
| 5.4.3 实际实施结果 |
| 5.5 本章小结 |
| 第6章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者在学习期间取得的科研成果 |
（9）A公司智能粮库改造项目进度管理优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 序言 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 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 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 项目管理与项目进度管理基础理论简介 |
| 2.1 项目管理概述 |
| 2.1.1 项目管理的定义 |
| 2.1.2 项目管理的特点 |
| 2.2 项目进度管理概述 |
| 2.2.1 项目进度管理原理 |
| 2.2.2 项目进度管理内容 |
| 2.2.3 平衡项目进度与质量、成本的关系 |
| 2.2.4 项目进度管理方法及管理支撑工具 |
| 2.2.5 项目进度管理应用综述 |
| 3 A公司智能粮库改造项目进度管理现状与问题分析 |
| 3.1 A公司介绍及智能粮库改造项目背景及内容介绍 |
| 3.1.1 A公司介绍 |
| 3.1.2 A公司智能粮库改造项目背景介绍 |
| 3.2 A公司智能粮库改造项目进度管理现状 |
| 3.2.1 A公司智能粮库改造项目组织架构及职责 |
| 3.2.2 A公司智能粮库改造项目进度管理现状 |
| 3.3 A公司智能粮库改造项目进度存在的问题分析 |
| 3.3.1 A公司智能粮库改造项目进度实施计划问题 |
| 3.3.2 A公司智能粮库改造项目设备供货问题 |
| 3.3.3 A公司智能粮库改造项目现场采购费用报销问题 |
| 3.3.4 A公司智能粮库改造项目进度与成本、质量协调问题 |
| 3.4 A公司智能粮库改造项目进度问题原因分析 |
| 3.4.1 项目人员沟通、技术能力问题 |
| 3.4.2 项目进度管理不合理问题 |
| 3.4.3 项目质量的制约 |
| 3.4.4 项目风险、变更管控不足 |
| 3.4.5 外界因素 |
| 4 A公司智能粮库改造项目进度管理优化方案设计 |
| 4.1 A 公司智能粮库改造项目进度优化可行性分析 |
| 4.1.1 A 公司智能粮库改造项目进度优化可行性分析要求 |
| 4.1.2 A 公司智能粮库改造项目进度优化可行性分析结论 |
| 4.2 A公司智能粮库改造项目进度管理有关要素 |
| 4.3 A公司智能粮库改造项目进度管理优化原则 |
| 4.4 A公司智能粮库改造项目进度管理优化方案设计 |
| 4.4.1 A公司智能粮库改造项目进度拟定优化方案 |
| 4.4.2 A公司智能粮库改造项目进度设备供货优化方案 |
| 4.4.3 A公司智能粮库改造项目现场采购费用报销优化方案 |
| 4.4.4 A公司智能粮库改造项目进度与成本、质量协调优化方案 |
| 4.5 A公司智能粮库改造项目进度优化方案实施前后对比分析 |
| 5 A公司智能粮库改造项目进度优化方案实施及效益分析 |
| 5.1 A公司智能粮库改造项目进度优化方案实施步骤优化 |
| 5.2 A公司智能粮库改造项目进度优化方案保障措施优化 |
| 5.2.1 制度保障措施优化 |
| 5.2.2 人员保障措施优化 |
| 5.2.3 资金保障措施优化 |
| 5.2.4 项目技术保障措施优化 |
| 5.3 A公司智能粮库改造项目进度优化方案效益分析 |
| 6 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录A 智能粮库改造项目现场实施周报 |
| 附录B 土建施工工程量确认单 |
| 附录C 设备质量验收单单 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 |
| 学位论文数据集 |
（10）智能粮情测控与预警系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外相关工作研究进展 |
| 1.2.1 粮情测控研究 |
| 1.2.2 粮情预测研究 |
| 1.2.3 语义搜索研究 |
| 1.3 本文主要研究内容 |
| 1.4 本文结构 |
| 2 相关技术与算法概述 |
| 2.1 模糊推理 |
| 2.1.1 模糊逻辑 |
| 2.1.2 隶属度函数 |
| 2.1.3 多输入模糊推理 |
| 2.2 语义分析 |
| 2.2.1 中文分词 |
| 2.2.2 近义词匹配 |
| 2.2.3 关键词排序算法 |
| 2.3 神经网络相关技术介绍 |
| 2.3.1 PBF网络 |
| 2.3.2 PSO寻优 |
| 2.4 相关开发技术介绍 |
| 2.4.1 Vue |
| 2.4.2 Spring与 SpringBoot |
| 3 系统需求分析 |
| 3.1 可行性分析 |
| 3.1.1 社会可行性 |
| 3.1.2 经济可行性 |
| 3.1.3 技术可行性 |
| 3.2 功能需求分析 |
| 3.2.1 系统整体用例 |
| 3.2.2 储粮信息查询子系统用例 |
| 3.2.3 粮情诊断子系统用例 |
| 3.2.4 粮情预测子系统用例 |
| 3.2.5 语义查询子系统用例 |
| 3.3 本章小结 |
| 4 系统设计 |
| 4.1 系统整体设计 |
| 4.2 系统详细设计 |
| 4.2.1 储粮信息查询子系统设计 |
| 4.2.2 粮情诊断子系统设计 |
| 4.2.3 粮情预测子系统设计 |
| 4.2.4 语义查询子系统设计 |
| 4.2.5 数据库设计 |
| 4.3 本章小结 |
| 5 系统实现 |
| 5.1 储粮信息查询子系统实现 |
| 5.2 粮情诊断子系统实现 |
| 5.2.1 传感器输入数据的处理实现 |
| 5.2.2 图形化粮情展示实现 |
| 5.2.3 粮情异常判断及处理实现 |
| 5.2.4 粮食安全性判断实现 |
| 5.3 粮情预测子系统实现 |
| 5.3.1 输入时滞的确定 |
| 5.3.2 基于改进PSO优化RBF神经网络的粮温预测算法实现 |
| 5.4 语义查询子系统实现 |
| 5.5 本章小结 |
| 6 系统测试 |
| 6.1 储粮查询子系统测试 |
| 6.1.1 储粮查询子系统测试用例及结果 |
| 6.1.2 储粮查询子系统测试分析 |
| 6.2 粮情诊断子系统测试 |
| 6.2.1 粮情诊断子系统测试用例及结果 |
| 6.2.2 粮情诊断子系统测试分析 |
| 6.3 粮情预测子系统测试 |
| 6.3.1 粮情预测子系统测试用例及结果 |
| 6.3.2 粮情预测子系统测试分析 |
| 6.4 语义查询子系统测试 |
| 6.4.1 语义查询子系统测试用例及结果 |
| 6.4.2 语义查询子系统测试分析 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
四、浅谈粮库智能测温（论文参考文献）
- [1]信息化时代中央储备粮直属库智能化粮库管理平台应用研究[J]. 谢胜海. 食品界, 2022(02)
- [2]智能化粮库管理系统实践应用[J]. 谢维治,张贺松,何东华,姚亚东,黎锦棠,黄晓健. 粮油仓储科技通讯, 2021(03)
- [3]基于5G物联网技术的智慧粮仓测控系统的设计与实现[D]. 姚芳明. 阜阳师范大学, 2021(12)
- [4]储备粮实物数字云图监管方法和应用研究[D]. 崔宏伟. 吉林大学, 2021(01)
- [5]基于机器学习的储粮品质预测方法及应用研究[D]. 王启阳. 吉林大学, 2021(01)
- [6]智能安防监控在粮库安全生产中的应用探索[J]. 邵辉,庞欢欢,张强,曹雪韬. 粮油仓储科技通讯, 2021(02)
- [7]一种粮库粮情智能检测和控制系统的设计与实现[D]. 曹磊. 安徽建筑大学, 2021(08)
- [8]基于储粮害虫预测的粮库测控系统研究[D]. 包成雷. 浙江大学, 2020(02)
- [9]A公司智能粮库改造项目进度管理优化研究[D]. 尹晶莹. 北京交通大学, 2020(03)
- [10]智能粮情测控与预警系统的设计与实现[D]. 李祥喆. 大连理工大学, 2020(02)