- 综合排序
- 最热优先
- 最新优先
- 来自专栏智能化转型黑科技分享
浅谈全自动扦样机存在的数据型“漏洞”是否有解，如何解？
扦样是粮食质检不可或缺的环节，其扦取样品的检验结果直接决定整车粮食的等级、价格，因此取样是否均匀且具备代表性至关重要。随着工业革命带来的科技进化，扦样设备在一代代的升级更迭。 第一代到第二代，是从手工方式到代替扦样员登高作业的遥控固定式单臂扦样机的过程，但仍以人控制为主，取样效率低、随机性差、操控性强。 第三代则升级成为使用机电一体化技术，将车型，扦样选点进行数字化设定，依据车型数据自动完成扦样，多为2-8扦杆，效率显著提升。 由此可见，传统全自动扦样机提前将数据作为识别车型信息的方式，在实际应用中仍无法避免人为干预，达不到使扦样快速且客观的实质目标。 ，更是目前行业内唯一对稻壳实现全自动扦样的产品。
49320编辑于 2022-11-17 - 来自专栏粮食检验
科技实弹丨酿酒企业原料收购如何实现“靶向”智能化升级
在一代代工业革命的驱使下，酒企作业方式也得到了相应的信息化升级，但在收购关键环节（扦样、检验、过磅）依然无法摆脱人为操控，反而成了违规牟利、违反廉洁行为的“庇护所”。 ，均匀采样、不混样；扦样种类覆盖所有谷物，目前行业内唯一对稻壳实现全自动扦样的产品。 图片科技实弹2 多谷物自动在线检验采用一体化设计，全流程谷物种类智能判断，以自动化机械与多维度控制系统，按执行标准与扦样环节形成联动的数字化流程，参照国标以机器建立统一的检测标准，实现多谷物杂质、容重、 水分、不完善粒自动在线检验，减少以往因两套系统而造成的瓶颈效应，从扦样到以上主要指标检验完成仅需5分钟，最大限度地“去人化”，所有检验指标均实现溯源。 特别是在不完善粒检验方面，根据国标实现了任何谷物和粮食以颗粒数和重量两种不同方式的在线检测，同时得出小麦千粒重数据，具备深度学习功能，实时动态提升检验准确度。
39480编辑于 2022-11-09 - 来自专栏3D可视化
智慧粮仓可视化价值
今天是第39个世界粮食日，各地也都在开展粮食安全的宣传，我国是粮食大国，粮食产业强国，但偏远地区仍然有一些人吃不饱，粮食匮乏，我们平时除了帮助这些人脱离困境，还要注重自己的饮食安全，世界粮食日，我们一起努力 、存储、出库过程中的信息并整合到三维模型中，构建粮情数字化、标准化、智慧化、一体化的3D可视化平台，实现视频监控、粮情监控、智能保粮、出入库作业、告警信息等可视化功能。 ，实时掌握粮仓运营状态; 日常监控可视化：CamBuilder可对接所有粮食库房温湿度传感器、日常扦样监控数据，随时可视化展示告警或形成整体监控态势图等，使粮仓粮食状况一目了然 今天是第39个世界粮食日 ，构建粮情数字化、标准化、智慧化、一体化的3D可视化平台，实现视频监控、粮情监控、智能保粮、出入库作业、告警信息等可视化功能。 ，实时掌握粮仓运营状态; 日常监控可视化：CamBuilder可对接所有粮食库房温湿度传感器、日常扦样监控数据，随时可视化展示告警或形成整体监控态势图等，使粮仓粮食状况一目了然https://www.thingjs.com
1.5K11发布于 2019-10-16 - 来自专栏数字孪生可视化
“智慧粮仓”守卫中国饭碗
农业农村部宣布，秋粮增产已成定局，全年粮食产量将再创历史新高，连续7年保持在1.3万亿斤以上。在疫情冲击、极端天气影响和农资价格上涨的多重影响下，我国粮食生产再获丰收，牢牢把住了粮食安全的主动权。 粮仓是粮食建设的根基，对保障粮食安全尤为重要。 数字粮仓3D可视化系统通过集成多个粮情监控系统，实时可视化展示一个或多个粮仓的粮情，如（大气）气温、粮温、仓温、仓内湿度、粮食水分、粮食质量（宜存率、达标率）、仓库容量比等；还可根据历史数据形成监控数据态势图 3、人车作业可视化 数字粮仓3D可视化系统集成粮食出入库作业系统，在三维可视化环境中展示出入库的车辆信息及车辆位置，还可以展示车上粮食的重量、种类、入库仓号、该车粮食扦样的结果等信息；展示园区内部不同角色的员工信息 各个信息系统在独立运转的同时，能够实现可视化、一体化的管理，才能真正实现粮仓管理的智慧性。
28420发布于 2021-11-04 - 来自专栏数字孪生可视化
“智慧粮仓”守卫中国饭碗
农业农村部宣布，秋粮增产已成定局，全年粮食产量将再创历史新高，连续7年保持在1.3万亿斤以上。在疫情冲击、极端天气影响和农资价格上涨的多重影响下，我国粮食生产再获丰收，牢牢把住了粮食安全的主动权。 粮仓是粮食建设的根基，对保障粮食安全尤为重要。 数字粮仓3D可视化系统通过集成多个粮情监控系统，实时可视化展示一个或多个粮仓的粮情，如（大气）气温、粮温、仓温、仓内湿度、粮食水分、粮食质量（宜存率、达标率）、仓库容量比等；还可根据历史数据形成监控数据态势图 3、人车作业可视化 数字粮仓3D可视化系统集成粮食出入库作业系统，在三维可视化环境中展示出入库的车辆信息及车辆位置，还可以展示车上粮食的重量、种类、入库仓号、该车粮食扦样的结果等信息；展示园区内部不同角色的员工信息 各个信息系统在独立运转的同时，能够实现可视化、一体化的管理，才能真正实现粮仓管理的智慧性。
48740发布于 2021-11-04 - 来自专栏十二惊惶的网络安全研究记录
数学建模：全球食品系统再优化
样例分析 4.1、 发展中国家：中国 获取到的数据中，最早时间是1960年，那时的中国还是一个较为落后的农业国家，但通过不断改革和优化其粮食农业体系，是中国的农业发展有了明显的上升趋势，具体表现为近一段时间与上世纪 这些主成分系数可以通过SPSS进行计算 5.2 模型在软件中的实现 将数据放入SPSS中并进行主成分分析，就可获得我们想要的数据 5.2.1 检验各元素之间的关联程度 KMO和巴特利特检验 KMO 取样适切性量数 .686 巴特利特球形度检验 近似卡方 90.887 自由度 6 显著性 <.001 一般情况下，KMO值应大于等于0.6，Sig值应小于等于0.05，元素之间关联程度。 过于的理想化，在具体与测时存在较大误差 本优化只涉及到粮食生产环节，在整个粮食系统中生产只占据其中的一个环节。 作为研究对象的中美两个国家在全球粮食生产上都占有的举足轻重的地位，美国是世界上最大的粮食出口国，中国是世界最大的粮食生产国，且两者在全球范围上耕地面积十分巨大；从事粮食生产与加工的人员也是占据着大量的全球人口比重
37010编辑于 2024-02-28 - 来自专栏镁客网
融了1000万，只为让它们好好吃饭！
李全永：“其实很多人都是宠物小白，不懂狗，缺乏科学喂养知识， 不知道狗狗一天应该吃多少粮食，可能凭感觉‘抓一把’，‘一把’粮食到底有多少，每个人的差异就太大了。 第一、是监测功能，用户可通过手机看到宠物是否进食、进食多少；第二，储量监测功能，当粮食不足时，App自动提醒用户购买宠粮。 李全永：“传统的喂食器出粮就像水车一样，机械式地将粮食一直往前拨。我们改变了喂食器的内部结构，将其设计为水平运作的螺旋桨，可减少了卡粮概率”。并且一旦出现卡粮，机器可自动修复。 李全永：“我只能说我们的商业模式不一样 ，传统的产品重视利润，要将利润做到2倍至4倍。我们不需要那么高的利润，而是重视积累用户的服务，我们的想法是让养狗这件事情尽量变得有趣起来。” ? 在李全永看来， 积累一定用户后，未来“旺角宠物”要从工具转向服务平台 ，打造宠物管家模式的宠物生态圈，为宠物提供吃喝拉撒的一体化解决方案。包括狗粮的销售、提供宠物服务等。
45120发布于 2018-05-25 - 来自专栏全栈程序员必看
AjaxPro使用说明[通俗易懂]
6 2.1、添加AjaxPro.dll应用 6 2.2、配置web.config 8 2.3、添加服务端方法 9 2.4、添加前台代码 11 2.5、运行程序，检验结果 ch33/ajaxpro/ch33.Verify,ch33.ashx”></script> 2.3.2、添加数字加一的方法，首先在方法前加[AjaxPro.AjaxMethod]，然后像写C#方法一样写方法 ，如图3-2 图3-2 注意：需要加上[Ajax.AjaxMethod]标识，这样才能够被客户端访问 2.4、添加前台代码 在前台添加JS脚本，调用服务器端方法，如图4-1所示（Try.AjaxTest.Add (num)，Try为页面类，即AjaxTest类所在的命名空间，这里是Try；而AjaxTest即为类名，Add为方法名） 图4-1 2.5、运行程序，检验结果 按以上四个步骤，就可以实现预期的效果
1.3K20编辑于 2022-09-14 - 来自专栏机器学习算法与Python学习
解决决策树的过拟合
，PlayTennis=No> 对于本来没有错误的数据，ID3生成图3-2表示的决策树。 然而，增加这个不正确的样例导致ID3建立一个更复杂的树。确切地讲，新的样例会被排列到图3-2表示的树的左起第二个叶子结点，与以前的正例D9和D11排在一起。 这样的结果是ID3会输出一个决策树(h)，它比图3-2中原来的树（h´）更复杂。当然，h会完美地拟合训练样例集，而较简单的h´不会。 然而，由于新的决策结点只是拟合训练样例中噪声的结果，我们可以断定在取自同一实例分布的后续数据上，h´会胜过h。 ? 图3-2 决策树 上面的例子演示了训练样例中的随机噪声如何导致过度拟合。 所以，验证集合可以用来对过度拟合训练集中的虚假特征提供一个防护检验。当然，很重要的一点，验证集合应该足够大，以便它本身可提供具有统计意义的实例样本。
2.3K80发布于 2018-04-08 - 来自专栏华章科技
终于有人把准确率、精度、召回率、均方差和R²都讲明白了
如果我们认为数据点是正样例，但是该数据点实际是一个负样例，那么我们错误地预测了一个正样例（因此就有了假阳性这个术语）。 类似地，如果我们认为数据点是负样例，但是该数据点实际是一个正样例，那么我们就错误地预测了一个负样例（假阴性）。 最后，如果我们预测了一个负样例，而且该数据点确实是一个负样例，那么我们就找到了一个真阴性。 在统计学假设检验中，假阳性也称为I型错误，而假阴性也称为II型错误。 ▼表3-2 混淆矩阵 ? 要保证我们做的都是正确的，让我们再计算一下准确率。 ▲图3-2 使用matplotlib生成的可视化结果 确定我们的模型预测性能最直接的评估指标是均方误差。对于每个数据点，我们看预测值和实际y值之间的差异，然后对其进行平方。
1.7K30发布于 2021-04-20 - 来自专栏机器学习与统计学
终于有人把准确率、精度、召回率、均方差和R²都讲明白了
如果我们认为数据点是正样例，但是该数据点实际是一个负样例，那么我们错误地预测了一个正样例（因此就有了假阳性这个术语）。 类似地，如果我们认为数据点是负样例，但是该数据点实际是一个正样例，那么我们就错误地预测了一个负样例（假阴性）。 最后，如果我们预测了一个负样例，而且该数据点确实是一个负样例，那么我们就找到了一个真阴性。 在统计学假设检验中，假阳性也称为I型错误，而假阴性也称为II型错误。 ▼表3-2 混淆矩阵 ? 要保证我们做的都是正确的，让我们再计算一下准确率。 ▲图3-2 使用matplotlib生成的可视化结果 确定我们的模型预测性能最直接的评估指标是均方误差。对于每个数据点，我们看预测值和实际y值之间的差异，然后对其进行平方。
4.1K40发布于 2021-04-20 - 来自专栏携程技术
干货 | 因果推断在项目价值评估中的应用
本文采用因果推断中的PSM方法，在满足项目要求的未参与项目用户池中，筛选与参与项目的用户在混杂特征上分布一致（相近）的用户人群，匹配后的实验组和对照组之间的差值即可认为是项目带来的间接价值，整体的分析流程如图3- 图3-2 项目间接价值评估分析流程 3.1 对照人群候选池筛选 考虑到携程平台全量用户量较大，且因为项目进行周期长达一年，对照用户的候选池是用户id和日期的笛卡尔积，整体数量可达到千亿级别。 完成提取特征后，在数据预处理阶段，首先针对特征数据的质量进行了校验，未发现单一信息特征（即特征在样本数据集中的取值完全一样），其次针对变量中的缺失值进行了填充处理，最后因为不同的特征之间量纲不同对所有连续变量进行了 效应量指标根据问题场景的需要有多种计算方式，本文针对连续变量和类别变量分别采用Cohen’s d(式3-2)和Cohen’s w(式3-3)来比较两组均值的差异[2]。 为了逻辑的严谨性和结果的稳健性，我们必须也要对假设的正确性做出证明，虽然我们并不知道真实的因果结构/关系式怎么样的，但是我们可以创造一些检验环境，然后采用已知的事实来反驳推断[4]。
2K20编辑于 2022-12-14 - 来自专栏软件开发
Word基础
奇偶页不同与首页不同只是作用在同一节中 13、SmartArt 14、形状 15、格式刷 格式刷的作用：复制格式与风格 16、批注 17、加密与保护文档 点击左上角文件 18、分栏与水印 素材 智慧科研一体化系统帮助文档 用户手册 2016/8/24 智慧科研一体化系统基于Web技术开发的应用系统，不仅对高校科研工作的规范管理、科研信息资料库的建设、无纸化办公、建设节约型校园具有重要意义，而且有助于教师建立健全个人科研档案 一、系统介绍 智慧科研一体化系统主要包含科研业绩考核子系统、科研项目管理子系统、系统设置与系统配置与维护功能模块。 添加立项批次包括“课题类别”、“年度”、“立项申请开始与结束时间”这些信息是所有课题共享的；而“开题报告开始与结束时间”、“中期检查开始与结束时间”、“结题开始与结束时间”将根据实际业务智能计算得出，每个课题都不一样， 3.2.1、立项批次管理 点击“导航菜单”->“科研项目管理”->“立项批次管理"，成功加载后如图3-2所示： 图3-2 进入立项批次管理 3.2.2、查看立项批次 点击如图3-2所示的操作列“查看”图标就可以查看到立项批次的详细信息
1.5K90发布于 2018-01-04 企业级AI平台的能力架构与模块化规划
数据服务层：AI的"粮食" 数据是AI的生命线，这一层负责： 数据接入：多源异构数据统一接入 数据处理：清洗、转换、标注一体化 特征工程：自动化特征提取与选择 数据治理：质量监控、血缘管理、合规审计 3 就像搭积木一样，我们要根据自己的"设计图纸"，一步步搭建属于自己的AI城堡。 在这个AI浪潮席卷的时代，拥有一个强大而灵活的AI平台，就是拥有了面向未来的核心竞争力。
4.4K10编辑于 2025-06-24- 来自专栏气象学家
欧洲气象数据刚开放，中国已超越!
气象数据的价值从来不在于"有"，而在于"用"——超长预测期与高时空分辨率的结合，才让数据从"可用"跃升到"适用"，进而在能源安全、粮食安全、低空经济、巨灾保险等战略领域形成"数据-算法-决策"的闭环。 动力物理一体化计算突破“灰区”问题，通过系统考虑了米级尺度的地形拖曳作用，物理方案与动力内核的深度耦合，突破了高分辨率模式普遍存在的“灰区”（Gray Zone）问题。 中国区域公里级融合数据（TJ-CN）：依托中科天机全球-区域一体化数值模式，采用"全球自由变焦"技术实现中国区域2.5公里分辨率（0.025°）网格加密输出，叠加AI融合算法与米级地形参数化能力，生成逐小时高分辨率气象数据 全球次季节12公里融合数据（TJ-GB）：基于中科天机全球-区域一体化模式，通过多模式集成与智能算法优化，生成46天预测时效的全球12公里分辨率数据集。 就中科天机与欧美主流机构的预报效果的动态检验对比，可以在网站随时查看（https://www.tjweather.com/info/Verify）。
17710编辑于 2026-03-25 - 来自专栏工业数字孪生
比尔·盖茨买百万亩农地成美“头号地主”，图扑数字孪生农场
保障粮食安全至关重要，而在保障粮食安全中，农业机械化起到主力军的作用。另外，无人智慧农场还可以缓解农村劳动力短缺、推进现代农业建设的一个重要途径，代表着最先进农业生产力，是未来农业的发展方向。 可根据侦测到的土壤墒情、生长阶段、植被指数，自主预测其种植面积、作物长势、产值预估，同时输出化肥与农药的用量数值预设建议，结合水肥一体化技术提高肥料利用率，达到变量施肥精量播撒，提高农作物生长速度及生长质量 智慧农场需要让机器和人一样具有感知、驱动、导航、作业的能力，如这四方面真正成熟落地，就真正地实现了自主无人系统的搭建，无人农场才真正达到智慧的“无人境界”。
64210编辑于 2022-07-08 - 来自专栏ToB行业头条
中国CRM的新底色
— 在中国CRM赛道，那些抗住时间检验的“常青树”们到底做对了什么？ 01 中国需要什么样的CRM？ 中国CRM行业发展至今，有两大关键词一直烙印在身上：市场渗透率低、客户需求多样。 那么，什么样的CRM产品能够满足中国客户如此多样性的需求呢？ 夏海峰笑着解释说，“其实没有一款普适性的CRM，能够满足中国所有客户的需求，因为每个客户的需求是不一样的，管理侧重点也不一样。 那么，在中国CRM赛道，那些抗住时间检验的“常青树”们到底做对了什么呢？ 「ToB行业头条」认为第一点就是对趋势的认知和把握。 回过头看，Zoho在一体化、本土化以及产品力方面的布局，使得他们在中国市场扎稳了根基，在浮浮沉沉的行业变化中，抗住了时间的检验。
88510编辑于 2022-11-17 - 来自专栏腾讯专有云
腾讯专有云 TCE ：赋能深圳二院龙华医院，打造大湾区智慧医疗新标杆
借助这一平台，医院实现了业财融合，塑造出统一工作界面与一体化操作体验，有力支持多院区、多角色线上线下协同作业，让门诊、急诊、住院等业务流程无缝衔接。 这不仅极大提升了医务人员的工作效率与协同质量，还帮助医院更好地管理核心数据资产，全面释放数据要素价值，让数据像“血液”一样在医院业务体系中顺畅流通，持续为各项医疗业务供能。 “无纸化处方、无纸化申请单、无纸化检查检验报告、无纸化病历”等优质数字化服务，贯穿患者就诊全流程，让群众就医更便捷、更舒心。 此次腾讯专有云 TCE 赋能龙华医院建成新一代智慧医院，进一步推动医院形成“一院多区、一体多翼”的发展格局，满足集团统一管理的更高要求——实现集团内患者档案、检查检验、在线审方、病历调阅共享协同，统一运营监管多院区诊疗业务 ，统一运维确保一体化运维管控。
40310编辑于 2025-11-19 - 来自专栏腾讯文旅
@文旅人，扩大内需怎么干？中央发文定任务——
构建多层级、一体化综合交通枢纽体系。 加强能源基础设施建设。 紧扣“一体化”和“高质量”，提升长三角一体化发展水平。协调上中下游共抓大保护，扎实推进黄河流域生态保护和高质量发展。 加强检验检测体系建设。 持续提高产品和服务质量。加强质量安全监管，推进质量分级，稳步提高消费品质量安全水平。健全质量认证体系，完善质量认证采信机制。 健全粮食产购储加销体系。落实粮食安全党政同责要求。深化粮食等重要农产品收储制度改革，加快培育多元市场购销主体，科学确定粮食储备规模、结构、布局，完善粮食储备管理体制和运行机制。 加强粮食、棉、糖等重要农产品仓储物流设施建设。强化地方储备体系建设，健全层级分明、运作高效的农产品储备体系。深入推进优质粮食工程，加快构建现代化粮食产业体系。持续倡导节粮减损。 加强种子安全保障。
47420编辑于 2022-12-20 - 来自专栏腾讯云 TO B产业生态
【直播预约】看AI与大数据能力，如何让基层治理更“智”理
其中基于了了科技开发的业务引擎可实现流程类、收集类、通知类、宣传类业务的快速配置，运营人员也能快速上手，像搭积木一样最快10分钟可就能实现定制业务的上线。 目前，自“基层治理一体化”平台在成都高新区上线以来，已实现共计1000+项以上的业务线上化，服务人群近百万，成为成都市在街镇一级智慧化的标杆。 基层工作更高效 同时，「基层治理一体化」方案也为社区工作人员带来巨大的效益。 在成都高新区芳草街街道，如果按照传统的模式排查疫情工作，全社区网格员出动也要至少1-2星期才能完成工作。 社区工作人员通过「疫情一表通」系统，可批量导入辖区居民信息，一键实现居民的基础信息、疫苗接种信息以及核酸检验等各类防疫信息的同步。 想了解更多「基层治理一体化」方案详情与落地实践 立即预约直播 扫码进入腾讯云WeCity学习交流群 还有更多惊喜~ - End - 想了解更多资讯 欢迎点击关注公众号/视频号
91220编辑于 2022-07-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号