农业机器完好率的灰色建模与预测

现有农机配备理论的一个重大缺陷——未考虑农业机器完好率,利用灰色理论建立起农业机器完好率的ＧＭ（１,１）模型,并阐述了其研究意义。此模型具有很高的精度,可用于预测。     

陕西汉中盆地水稻倒春寒几种预报方法的比较研究

根据倒春寒的定义,提出汉中水稻倒春寒指数．用４种统计方法试作倒春寒预报,并比较４种方法的预报效果。结果表明,灰色系统ＧＭ（１,１）－周期分析模型是一种较好的统计方法。     

晋西黄土丘陵区王家沟流域生态农业建设及趋向研究

分析了晋西黄土丘陵区王家沟流域两个不同性质、联系密切的地域系统,选择了１３个决策变量,运用线性规划方程,合理量化了庭院内外系统生态农业建设的地域格局,简述了该流域生态农业建设的主要内容及其成效,并运用灰色关联系统ＧＭ（１,１）预测模型预测了该流域生态农业发展的趋向。     

灰色消解模型的改进：前置零后的线性回归方法

本文应用ＧＭ（１，１）模型的前置零后的线性回归解法，就文献中的灰色消解模型进行了改进，实例表明，不仅计算工作量下降了，而且精度也有所提高。     

机械化农业生产系统合理化目标的实现

运用灰色系统理论对河北省芦台农场进行了实现机械化农业生产系统合理化目标的研究，通过定性和定量分析，建立了系统ＧＭ（１，６）模型，并根据模型序参量分析系统总体功能的稳定性和协调性，为寻求合理化目标和灰色决策提供理论依据。     

应用灰色动态模型预测阶段水稻产量

本文结合国家制订五年计划的年度时限划分阶段，将广西１９５１～１９９０年四十年的水稻年平均产量数据划分为８个时段（每连续５年为一时段）求各时段数据的平均值作基础，应用ＧＭ（１，１）模型建立阶段水稻年平均产量灰色预测模型，经检验，所建模型精度为一级，最后应用模型预测了广西１９９１～２０１０年４个连续时段的阶段水稻年平均产量。     

刺槐生长量的灰色预测

通过对刺槐树高、胸径连年生长量的灰色预测ＧＭ（１，１） 模型的建立，提出长武王东试区刺槐人工林应采取早期利用，以培育小径材为目标的经营原则，以提高刺槐林的经济效益。一般最经济的采伐树龄为１４－１８。     

基于气温估算参考作物蒸散量方法的对比与改进

为提高基于气温数据估算参考作物蒸散量（ET0）模型的精度,该研究对比分析了基于温度数据估算ET0的Penman-Monteith（PMT）模型、Hargreaves-Samani（HS）模型和改进HS模型,并运用基于气温数据估算实际水汽压和太阳辐射的最新进展改进PMT模型。结果表明：Paredes等提出的改进HS模型较传统HS模型提高了半干旱区到湿润区ET0的估算精度;使用Paredes等提出的PMT模型与改进HS模型估算的各气候区相关系数（r）均值相似,但PMT模型提高了除湿润区和亚湿润干旱区外各气候区的ET0估算精度,均方根误差（RMSE）和相对均方根误差（RRMSE）均值分别降低0.01～0.15 mm/d和0～0.05,且模型效率（EF）均值提高了0.01～0.06;本文提出的改进PMT模型可进一步改进PMT模型估算除干旱区和半干旱区外各气候区精度,RMSE和RRMSE均值分别降低0.04～0.12 mm/d和0.02～0.04,r和EF均值更接近于1;并且改进PMT模型估算各站点全局性能指数（Global Performance Index,GPI）值较好,90%的站点GPI值排名第一。因此,建议在仅有气温数据时,使用改进PMT模型作为估算ET0的推荐模型。研究成果可为区域农业水资源管理提供依据。     

GM(1,1)模型改进技术在咸阳市地下水动态预测中的应用

针对地下水埋深变化离散性程度较大的咸阳市,采用GM（1,1）模型改进技术对其地下水动态进行预测研究,为地下水埋深的准确预测提供支持。以灰色理论GM（1,1）模型为基础,运用滑动平均法对离散性程度较大的原始序列进行改造,使原始数据的变化变得缓慢,再利用改造后的序列建立GM（1,1）^*模型,以咸阳市地下水埋深资料为研究对象,进行地下水动态预测,并与未改进的GM（1,1）模型的预测结果进行比较。咸阳市地下水动态的预测结果显示,该区地下水埋深有逐年减小的趋势,说明该区地下水资源得到了有效的保护与利用。利用2001-2007年的地下水埋深资料建立GM（1,1）^*模型进行预测,相较于实测数据,GM（1,1）^*模型的预测结果科学合理;相较于未改进的GM（1,1）模型的预测结果,改进后的GM（1,1）^*模型具有更高的预测精度和实用性。GM（1,1）模型改进技术的应用,减小了原始序列的离散性程度,提高了预测精度,为地下水动态预测提供一种新思路。     

王家沟流域综合治理经济效益的灰色分析

本文以王家沟流域为例，应用灰色系统理论的ＧＭ（１，１）模型和关联度分析法，对反映流域综合治理经济效益指标的代表值－人均年纯收入与农、林、牧、副业各业的产值进行了灰色关闻分析，指出了流域农林牧副各业的发展态势及其发展的主导产业，为深流域治理一发，提高经济效益提供了科学依据。     

作物产量灰色马尔柯夫链预测模型

以黑龙江垦区１９４９－１９９２年小麦单产资料为例，用灰色系统ＧＭ（１，１）动态预测模拟和预测趋势产量，用马尔柯夫链动态预测模型预报气象产量，从而组合一套完整的作特意一灰色马尔柯夫链预测模型。以此模型对黑龙江垦区小麦单进行预测，其结果均怀实况基本相符。     

基于混合地理加权回归与克里格的区域降水量空间插值方法

基于四川省区域范围内144个气象站点的实测降水数据,在综合考虑空间位置、地形等影响因素的基础上,采用改进的回归克里格模型,即混合地理加权回归克里格模型（MGWRK）对四川省年降水量的空间分布进行空间插值,并与普通克里格（OK）、全局回归克里格（GRK）和地理加权回归克里格（GWRK）等模型的插值效果进行对比分析。结果表明：（1）应用逐步回归法筛选确定的用于回归分析的影响因子组合为经度、纬度和坡度,可有效消除解释变量间的多重共线性,为后续的空间插值奠定基础;（2）同一回归变量在地理加权回归（GWR）与全局回归（GR）两种回归模型中的AICc（修正的赤池信息量准则,Corrected Akaike Information Criterion）值之差（ΔAICc）可用于定量判定各回归变量的空间非平稳性类型,据此将变量坡度设为全局变量,经度和纬度设为局部变量进行处理。在此基础上,通过MGWRK模型对四川省年降水量进行空间插值;（3）MGWRK插值模型综合考虑了空间位置、地形等多个影响因素及其与降水相互关系的空间非平稳性特征,相对于传统的OK和GRK法具有更高的插值精度。     

利用改进的MOD16模型估算区域蒸散发

蒸散发（Evapotranspiration,ET）是地表水循环和能量循环的关键纽带,准确、定量地估算区域ET对于理解陆-气相互作用、全球气候变化等至关重要。MOD16模型基于Penman-Monteith（P-M）方程,是一种获取区域ET的重要遥感模型。然而,MOD16模型没有直接利用土壤水分信息,而是通过相对湿度（Relative Humidity,RH）、饱和水汽压差（Vapor Pressure Deficit,VPD）、叶面积指数（Leaf Area Index,LAI）等间接表达土壤水分信息的作用,这可能会给区域ET的估算带来一些不确定性。该研究将归一化水指数（Normalized Difference Water Index,NDWI）作为土壤水分信息的补充项,对MOD16模型的地表阻抗进行修正,以改进MOD16模型（改进后的模型为MOD16-sm）,并将改进后的模型在中国西北干旱区绿洲进行验证和应用。模型验证包括模拟值与观测值的对比及误差分析。模拟值与观测值的对比分析结果表明,MOD16-sm模型获取的ET精度较高,决定系数（Coefficient of Determination,R2）为0.77,均方根误差（Root Mean Square Error,RMSE）为0.8 mm/d,平均绝对误差（Mean Absolute Deviation,MAE）为0.46 mm/d;误差分析结果显示,MOD16-sm模型估算结果的误差控制优于MOD16模型,结合模拟值与观测值的对比分析可知,MOD16-sm模型改善了MOD16模型的部分高估现象,MOD16-sm模型能更好地反映土壤水分对ET的影响。模型应用包括ET估算值的空间分布分析及ET估算值的频率分布统计。对MOD16-sm模型的估算结果进行空间分析发现,高植被覆盖区的ET值较高,低植被覆盖区的ET值较低,说明MOD16-sm模型的ET估算结果与土地利用类型密切相关;研究区ET估算值的频率分布结果表明,MOD16-sm模型能较好地反映和表达出不同植被覆盖区的ET通量异质性。因此,利用NDWI对MOD16模型进行改进是可行的和合理的,该研究可为提高区域ET的估算精度提供参考和思路。     

基于改进YOLOv5s模型的茶叶嫩芽识别方法

现有的目标检测算法检测茶叶嫩芽的精度较低,为提高茶叶嫩芽的检测精度,该研究提出一种基于改进YOLOv5s网络模型的茶叶嫩芽检测算法。该算法将骨干特征提取网络中的空间金字塔池化结构（spatial pyramid pooling-fast,SPPF）替换为空洞空间卷积池化金字塔结构（atrous spatial pyramid pooling,ASPP）,增强模型对不同分辨率下目标的识别能力;针对茶叶嫩芽的小目标特征,在颈部网络中引入可加权重的双向特征金字塔网络（bidirectional feature pyramid network,BiFPN）,提高特征融合的效率,同时在颈部网络中的每个集中综合卷积模块（concentrated-comprehensive convolution block,C3）后添加卷积注意力模块（convolutional block attention module,CBAM）来提高模型关注小目标特征的能力。试验结果表明,改进后获得的Tea-YOLOv5s比原模型的准确率（precision,P）、召回率（recall,R）和平均精度值（mean average precision,mAP）分别高出4.4、0.5和4个百分点,且模型鲁棒性强,在多个场景下茶叶嫩芽的检测中具有更高的置信度分数。改进后的模型可为茶叶的产量估计和茶叶采摘机器人的嫩芽识别奠定基础。     

SWAT模型之初步探讨

由美国农业部农业研究中心（USDA-ARS）研发的分布式水文模型:水土评估工具（SWAT）,具有强大的物理机制。近年来,它被认为是最适合模拟在不同土壤、土地利用和管理大流域中,长期土地管理对于水、土沙、营养物质及农业化学物质的影响。介绍SWAT模型的原理及基础数据库之建立,并搜集SWAT模型应用研究之文献（1999-2008年）,以统计分析SWAT模型目前的研究现况,作为日后应用SWAT模型进行相关研究之参考。     

基于CSS-Cascade Mask R-CNN的有遮挡多片烟叶部位识别

烟叶的部位信息是进行烟叶分级的重要参考信息,准确识别烟叶部位对实现烟叶智能分级具有重要意义。在实际的烟叶智能分级应用中,为了提高分级效率,需要对多片烟叶等级进行同步识别。受现行上料方式的限制,同步识别的多片烟叶间往往存在局部遮挡的问题,给烟叶的目标检测和部位识别带来挑战。该研究提出一种基于改进Cascade Mask R-CNN,融合通道、非局部和空间注意力机制（channel-nonlocal-space attation）,并引入柔性极大值抑制检测框交并操作（soft non-max-suppression）与斯库拉交并比损失函数（SIoU）的目标检测与识别模型（CSS-Cascade Mask R-CNN）。该模型对Cascade Mask R-CNN进行了三方面的改进：一是在其骨干网络Resent101上同时引入通道、非局部、空间3种注意力机制,使网络更加关注未被遮挡且部位特征明显区域的显著度;二是将Cascade Mask R-CNN中的损失函数SmoothL1Loss替换为SIoU损失函数,将预测框与真实框之间的方向差异引入到模型训练中提高模型检测精度;三是在筛选候选框时将常规的非极大抑制（non-max-suppression）替换为柔性非极大抑制,以避免删除候选框造成信息丢失。试验结果表明,利用提出的模型对有遮挡多片烟叶进行检测和部位识别,检测框平均准确率均值（bbox_mAP50）达到了80.2%,与改进前的Cascade Mask R-CNN模型相比提高了7.5个百分点。提出的模型与多个主流的目标检测模型（YOLO VX、YOLO V3、YOLO V5、Mask R-CNN、Cascade R-CNN）相比,也分别高出7.1、10.2、5.8、9.2、8.4个百分点,尤其是对较难区分的下部烟叶优势明显,因此研究结果可以为有遮挡多片烟叶部位的检测识别提供参考。     

基于改进YOLOv7的破壳鸡蛋在线实时检测系统

针对破壳鸡蛋（破口蛋和裂纹蛋）缺陷差异性大，在线检测要求实时，以及人工检测依靠主观经验且检测速度慢、检测精度不高等问题，该研究提出一种基于改进的YOLOv7（You Only Look Once v7）模型的破壳鸡蛋在线实时检测系统。即以YOLOv7网络为基础，将YOLOv7网络的损失函数CIoU（complete-IoU）替换为WIoUv2（wise-IoU），在骨干网络（backbone）中嵌入坐标注意力模块（coordinate attention，CA）和添加可变形卷积DCNv2（deformable convnet）模块，同时将YOLOv7网络中的检测头（IDetect）替换为具有隐式知识学习的解耦检测头(IDetect_Decoupled)模块。在PC端的试验结果表明，改进后的模型在测试集上平均精度均值（mean average precision，mAP）为94.0%，单张图片检测时间为13.1 ms，与模型改进之前相比，其mAP提高了2.9个百分点，检测时间仅延长1.0 ms；改进后模型的参数量为3.64×10⁷，较原始模型降低了2.1%。最后通过格式转换并利用ONNXRuntime深度学习框架把模型部署至设备端，在ONNXRuntime推理框架下进行在线检测验证。试验结果表明：该算法相较原始YOLOv7误检率降低了3.8个百分点，漏检率不变，并且在线检测平均帧率约为54帧/s，满足在线实时性检测需求。该研究可为破壳鸡蛋在线检测研究提供技术参考。     

考虑射流破碎和液滴形状的喷灌水运动轨迹改进模型构建及验证

喷洒液滴分布特征是模拟喷头水量和能量分布的基础。为解决现有弹道轨迹模型过度简化运动液滴的破碎过程及形状变化导致模型精度不足的问题,该研究改进了弹道轨迹模型的液滴破碎过程、运动液滴形状参数和运动液滴阻力系数,提出了基于能量加权的等效液滴指标,建立了考虑射流破碎和液滴形状的喷洒水运动轨迹改进模型;采用HY50型蜗轮蜗杆式喷枪验证了模型精度,对比了不同模型的差异。结果表明：喷嘴直径20mm和工作压力0.35MPa时,改进模型的平均绝对误差MAE分别比Fukui模型和Li模型的降低了43.3%和75.1%（落地速度）、51.8%和27.1%（落地位置）和61.4%和76.1%（落地角度）;以4个验证工况中落地速度为例,改进模型、Fukui模型和Li模型的均方根误差RMSE平均值分别为0.53、0.93和2.21 m/s;归一化均方根误差NRMSE平均值分别为0.10、0.17和0.40。研究可为应用弹道轨迹模拟喷洒液滴分布特征提供新思路。     

改进SSD的灵武长枣图像轻量化目标检测方法

针对加载预训练模型的传统SSD（Single Shot MultiBox Detector）模型不能更改网络结构，设备内存资源有限时便无法使用，该研究提出一种不使用预训练模型也能达到较高检测精度的灵武长枣图像轻量化目标检测方法。首先，建立灵武长枣目标检测数据集。其次，以提出的改进DenseNet网络为主干网络，并将Inception模块替换SSD模型中的前3个额外层，同时结合多级融合结构，得到改进SSD模型。然后，通过对比试验证明改进DenseNet网络和改进SSD模型的有效性。在灵武长枣数据集上的试验结果表明，不加载预训练模型的情况下，改进SSD模型的平均准确率（mAP，mean Average Precision）为96.60%，检测速度为28.05帧/s，参数量为1.99×106，比SSD模型和SSD模型（预训练）的mAP分别高出2.02个百分点和0.05个百分点，网络结构参数量比SSD模型少11.14×106，满足轻量化网络的要求。即使在不加载预训练模型的情况下，改进SSD模型也能够很好地完成灵武长枣图像的目标检测任务，研究结果也可为其他无法加载预训练模型的目标检测任务提供新方法和新思路。     

基于改进AquaCrop模型的覆膜栽培玉米水分利用过程模拟与验证

为应用AquaCrop模型模拟覆膜玉米水分利用与产量形成过程,该文根据玉米发育阶段生长度日恒定原理,利用地积温对气积温的补偿效应,改进AquaCrop模型对覆膜玉米的气温计算方法,并根据2011年的生育期、耗水量和产量实测数据对改进模型参数进行校正,依据2012年与2013年的冠层覆盖度、土体贮水量、产量与水分利用效率试验数据对改进模型验证。结果表明,玉米地膜覆盖地积温对气积温的量化补偿系数（Cm）：播种-出苗为1.356,出苗-抽雄前为0.635;校正改进的AquaCrop模型能够较好地模拟覆膜与裸地玉米生育天数、作物耗水量、籽粒产量,相对误差（Pe）、模型效率（CE）、残差系数（CRM）变幅分别为：-4%0.88,CE>0.87,0.09相似文献