基于迁移学习的番茄叶片病害图像分类

针对卷积神经网络对番茄病害识别需训练参数较多,训练非常耗时的问题,将迁移学习应用于AlexNet卷积神经网络,对病害叶片和健康叶片共10种类别的番茄叶片进行分类研究。使用14 529张番茄叶片病害图像,随机选择70%作为训练集,30%作为验证集,对AlexNet卷积神经网络模型结构进行迁移,利用在Imagenet图像数据集上训练成熟的AlexNet模型和其参数对番茄叶片病害识别。在训练过程中,固定低层网络参数不变,微调高层网络参数,将番茄病害图像输入到网络中训练网络高层参数,用训练好的模型对10种类别的番茄叶片分类,并进行了20组试验。结果表明:该算法在训练迭代474次时使网络模型很好的收敛,网络对验证集的测试平均准确率达到95.62%,与从零开始训练的AlexNet卷积神经网络相比,本研究算法缩短了训练时间,平均准确率提高了5.6%。采用迁移学习所建立的病害分类模型能够对10种类别的番茄叶片病害快速准确地分类。     

基于人工神经网络深松机关键部件的参数优化

利用BP神经网络训练数据,以深松机关键部件的三个结构参数-翼张角、刃角和翼倾角为输入参量,输出目标参量为牵引阻力,建立深松机牵引阻力的人工神经网络模型.结果表明:训练良好的BP网络输出数据与实测数据吻合较好,网络模型具有较高的精度,并具有收敛速度快等特点.同时,确定了一组最优结构参数,为深松铲的设计提供理论依据.     

RBF神经网络在可溶性糖含量预测中的应用

在小麦(Triticum aestivum L.)幼苗生长过程中,将RBF神经网络应用到可溶性糖含量的预测和数据变化的分析中,试验数据经过RBF神经网络的训练和仿真后得到,网络输出结果的误差小,网络输出矢量与目标矢量相关性好.说明可以将RBF神经网络作为农作物幼苗生长中预测数据变化的有效方法.     

基于RBF神经网络地下水位预测

在黑龙江八五二农场,以地下水观测井测得的地下水埋深数据作为输出,以温度、湿度、降雨量、蒸发量这4个参数作为输入,一共测得54组数据,其中48组数据作为RBF神经网络的训练数据,6组数据作为测试数据。采用MATLAB2016b为平台创建RBF神经网络模型,对RBF神经网络的训练和测试最后测得最大相对误差为21.5%,最大绝对误差为0.862m。通过建模和得到的数据可以看出RBF神经网络具有较高的预测精度,学习速度也较快。     

卷烟劲头的BP神经网络模型预测

[目的]科学地评价卷烟配方中劲头的大小,通过建立BP神经网络模型预测卷烟劲头。[方法]以烟叶游离烟碱百分含量、总烟碱百分含量、结合态烟碱百分含量、游离烟碱占总烟碱比率和水浸液p H作为BP神经网络的输入,感官劲头作为输出,网络训练前对输入指标作归一化处理,然后通过训练样本数据对网络进行充分的训练,获得适宜的参数矩阵,得到卷烟劲头的网络预测模型,最后用训练好的网络模型对检验样本数据进行预测。[结果]卷烟配方中劲头大小的预测值与实际值相对标准偏差小于5%,达到了较好的预测结果。[结论]建立了卷烟劲头的BP神经网络预测模型,该模型对于预测卷烟劲头具有指导意义。     

基于BP神经网络的马尾松立木生物量模型研究

以马尾松为例,探索并验证BP神经网络模型在立木生物量估测上的适用性。通过12种算法的筛选、输入变量和输出变量的确定以及隐层节点数的选择,确定最优的模型拓扑结构,构建单隐层BP神经网络模型;对比单输入变量与多输入变量模型、单输出变量与多输出变量模型,并分析模型的输入变量数和输出变量数对模型估测精度的影响;将优选BP模型与传统相对生长模型进行对比以验证BP模型的可行性。结果表明:1）最优BP模型LM-DH-8-WtWaWr的训练算法为Levenberg-Marquardt算法,输入变量为D、H,输出变量为Wt、Wa、Wr,隐层节点数为8。2）输入变量和输出变量的增加不会降低BP神经网络模型的精度。3）模型LM-DH-8-WtWaWr能够精确地估测马尾松立木生物量,其精度高于传统的相对生长模型。该模型能够一次性地引入多个解释变量,并可以同时估测多个量,从而简化了生物量建模和估测工作,对实际生产具有一定的意义。      

模糊优选神经网络BP模型在植被生物量参数反演中的应用

根据模糊优选神经网络BP模型，利用1988年小麦生长期中生物量参数和微波（10.2GHz）主被动遥感实测数据，作为输入输出I／O矢量对，计算出网络模型的正向传输权重矩阵及反向传输权重矩阵。用1989年小麦生长期中微波实测数据和该神经网络模型得到的权重矩阵，来反演其生物量参数在整个1989年生长期中的变化，反演结果与遥感实测结果的比较说明了所提方法的准确性。     

基于多数据融合+BP神经网络的农业温室大棚环境监控系统的研究

研究了一种基于多数据融合+BP神经网络的农业温室大棚监控系统。在大棚内部设置多点传感器，避免单个传感器测量不准确的问题，通过加权平均算法进行数据融合，再结合BP神经网络对参数的变化趋势进行判断，最终得到决策后的控制策略。本研究实现了更为精准的大棚环境参数预测，多数据融合后的参数更准确，再进行神经网络的训练，获得各参数变化的趋势，为农业温室大棚提供良好的植株生长环境。     

基于时间序列和神经网络的温室传感器节点故障诊断

温室无线传感器网络中故障节点会产生并传输错误数据,不仅消耗节点的能量和带宽,而且导致错误决策。针对此问题研究一种准确判断节点故障状态的方法。采用时序分析和遗传BP神经网络,建立基于时间序列和神经网络的传感器节点故障诊断系统,通过对传感器样本数据进行时序分析,提取模型参数作为特征向量,并以此对遗传BP神经网络进行网络训练,实现传感器节点故障的诊断。试验结果表明：该方法能够有效地识别传感器节点故障类型,15组测试样本的输出矢量与同类故障基准矢量的欧式距离和为0.007,识别正确率为100%。     

应用改进的RBF方法预测粘土料力学指标的研究

 坝土料力学指标是土石坝结构稳定分析的重要依据,其传统获取方法为实验方法。本文尝试采用改进RBF神经网络模型,以不同物理指标组合为输入因子,力学指标为输出项。然后,通过改进最近邻聚类算法训练模型进行测试样本模型效果检验。结果表明,改进RBF神经网络模型可以较为快速、准确地预测粘土料力学指标。     

食肉质果鸟类笼养观察

对１１种食肉质果鸟类的喜食性、食量、取食行为等笼养观察。鸟类通常是几种食物交是食。食果肉鸟类食果后２０－３０ｍｉｎ排粪，食虫后需３０－４０ｍｉｎ开始排粪；松鸦食肉质果常是（灰喜鹊有时是）啄食果肉后，种子丢弃而入口；两类鸟同笼饲养时，食种子鸟食食果肉鸟粪中的种子，而食果肉鸟能吃被食种子鸟啄去了种子剩下的果肉；文中还讨论了食量的注意事项。     

纳豆激酶溶血栓作用的研究

本研究通过纳豆激酶纤维蛋白溶解活性实验、纳豆激酶体内血栓溶解实验对纳豆激酶的溶栓作用做了较全面的研究。对纤维蛋白溶解活性研究结果显示：高、中、低剂量的纳豆激酶均能显著地降低血浆优球蛋白的溶解时间、显著地降低血浆纤维蛋白原的含量、显著地增加纤维蛋白裂解产物的含量，表明纳豆激酶具有较强的纤维蛋白溶解性，且同等剂量的纳豆激酶和尿激酶相比，前者的纤溶性大于后者；体内血栓溶解的实验结果显示：纳豆激酶可明显地延长血栓形成时间、显著减少股动脉的长度及湿重并明显提高血栓的再通率、显著减少肺内血栓的形成，表明纳豆激酶具有较强的体内溶栓作用，且同等剂量的纳豆激酶和尿激酶相比，前者的溶栓作用高于后者。显示了纳豆激酶具有强大的溶栓作用，且起效快、药效长，有望成为一代溶栓药物。     

茶叶采摘方法对茶叶产量和效益的影响

本文详述了不同采摘方法对茶叶产量和效益的影响、对类似地区发展茶叶生产提供了一定的科学依据。     

动物附红细胞体形态结构的研究

应用光镜和电镜对几种附红细胞体显微和超微结构观察显示:附红细胞体属典型原核生物,多数为环形、球形、卵圆形、杆状等多形态生物体,直径为0.2～2.6μm,大小不等,常在红细胞表面或血浆中单个或成团寄生。该病原无细胞壁、由单层界膜包裹着,无明显细胞器和细胞核。部分附红细胞体尚见有一至数根细长的细丝结构。附红细胞体通过这些细丝连接到红细胞膜上,使红细胞膜产生小而深的凹陷,导致红细胞结构和功能改变。     

关于用材林投资效益方法研究

本文提出了用材林培育的经济效益评价原则,确定了投资效果的计算式.同时,对当前影响林业投入的资金因素和利益分配问题也阐述了自己的见解.