基于NGO-CNN-SVM的高标准农田灌溉工程施工成本预测

为提高高标准农田项目施工成本的预测精度,控制施工成本在合理范围,减少投资风险,该研究从单体灌溉工程施工成本预测角度出发,通过随机森林（random forest,RF）筛选出高标准农田灌溉工程施工成本的关键影响因素,结合卷积神经网络（convolutional neural networks,CNN）和支持向量机（support vector machine,SVM）两种模型的优点,通过北方苍鹰优化算法（northern goshawk optimization,NGO）对模型里的惩罚因子和核参数进行寻优,构建基于NGO-CNN-SVM的施工成本预测模型。通过辽宁省2018—2023年高标准农田工程中灌溉工程的施工成本数据,选取样本决定系数R²、平均绝对误差MAE、平均绝对百分比误差MAPE和均方根误差RMSE作为精度指标进行分析,结果表明：基于NGO-CNN-SVM的施工成本预测模型在渠道工程中MAE低于0.615万元,RMSE低于0.512万元,R²达到0.968以上,相对误差小于4.210%;在进水闸工程中MAE低于0.610万元,RMSE低于0.536万元,R²达到0.966以上,相对误差小于4.410%;在桥涵工程中MAE低于0.494万元,RMSE低于0.477万元,R²达到0.970以上,相对误差小于3.548%,并相比较于反向传播神经网络,CNN和CNN-SVM模型,NGO-CNN-SVM模型的预测结果均最优。通过特征选择、模型融合、算法优化以及不同模型对比表明NGO-CNN-SVM模型具有更高的预测准确率和泛化性,可为高标准农田灌溉工程施工成本预测提供理论依据。     

基于物候特征和全连接神经网络相结合的小麦自动识别研究

风云三号气象卫星具有空间分辨率高、时效性强、幅宽广等特点,对于实现河南省冬小麦自动识别具有很大优势。分析河南省冬小麦物候特征,基于冬小麦物候特征的植被指数时序变化规律,采用聚类分析可以得出冬小麦分类样本和时序指数特征。根据上述冬小麦分类样本和时序指数特征,考虑分类方法的高效性、精确性和自适应性,提出了基于物候特征和全连接神经网络相结合的小麦自动识别技术,该技术适用于河南省大面积冬小麦的分类。识别结果显示河南省 2019 年到 2022年冬小麦的空间分布情况,采用质量检验指标对识别结果进行精度验证,得出冬小麦识别准确率为 85.1%,非冬小麦识别准确率为 84.5%。试验结果表明,基于物候特征和全连接神经网络相结合的方法在小麦自动识别方面取得了显著的性能提升,与传统方法相比,所提出的方法具有更高的准确率和更稳定的识别性能。该方法对于冬小麦监测具有重要意义,并为农业生产的智能化和可持续发展提供了新的思路。     

基于树莓派平台的道路雾气和积雪检测系统设计

在大雾天或冬季路面积雪的环境,会影响车辆驾驶的安全性,甚至发生安全事故。使用树莓派平台,提出了一种基于卷积神经网络（CNN）的图像检测算法,用于实时检测雾气和道路表面积雪。使用树莓派开发板和一个摄像头实时获取雾气和路面积雪的信息,通过Mobile Net深度学习算法检测道路情况。实验表明,其对雾气和路面积雪的检测准确率为97%以上。并且证实Mobile Net的深度学习算法的在树莓派上的工作速度优于Res Net50等算法。     

融合注意力机制的电机故障检测系统设计

针对传统电机故障检测方法需要依据专家经验进行手工特征信息提取以及卷积神经网络对相似故障类型的分辨率低等缺点,提出了一种DenseNet模型的改进结构.首先对电机信号进行滤波及预处理,将一维波形信号转换成二维频谱能量图,然后通过对DenseNet的部分卷积模块增加旁路模块进行信号的软阈值化,可以在网络训练学习时自动对信号进行降噪处理,得到足够的分类特征信息,避免了手工特征信息提取的繁琐及不确定性.最后,将改进后的模型用于电机故障类型的实时检测,并与其他几种算法进行对比,结果表明,所提出的算法特征信号分类明确、误检率低,对故障的识别准确率可以达到99.49%.     

稀燃汽油机瞬态空燃比的滑模-神经网络控制

提出了稀燃汽油机空燃比滑模-神经网络控制方案,采用滑模变结构控制对稀燃工况的空燃比进行反馈控制,采用神经网络实现对进气量的精确预测和油膜动态特性的前馈补偿,进而实现对稀燃发动机瞬态空燃比的精确控制。采用自行开发的电控系统,在一台稀燃发动机上进行了瞬态空燃比实验。实验结果表明:节气门急速变化时空燃比超调可以控制在1个空燃比单位以内,调整时间不超过3s;转速越低,节气门变化越剧烈;空燃比超调越大,调整时间越长。     

基于简化脉冲耦合神经网络的蝗虫图像二值分割

采用参数简化的脉冲耦合神经网络（PCNN）分割图像,进行了蝗虫图像分割实验,区域正确识别率达94％,为蝗虫自动侦测系统中的数据处理提供了技术支持。计算机仿真表明,采用PCNN图像分割算法,图像中的目标（蝗虫）易于发现,分割效果明显好于采用开操作处理的图像。     

桃的电特性及新鲜度识别

为了解采后果品电特性变化机理,并探索基于电特性识别果品品质的方法,研究了桃采后电特性和生理特性的变化。结果表明,随着桃新鲜度下降,相对介电常数呈余弦规律变化,损耗角正切逐渐减小,呼吸高峰时相对介电常数最大。分析了电特性变化的原因,进而建立了采后桃电特性与生理特性之间的关系模型。以相对介电常数和损耗角正切为输入特征参数,应用BP神经网络技术识别桃的新鲜度等级,平均识别率为82％。     

利用改进BP神经网络预测初产奶牛产奶量的方法

针对传统BP算法的缺陷,提出了一种采用L-M训练法的BP神经网络。在此基础上建立了基于改进BP神经网络非线性系统的奶牛305d产奶量预测模型,此模型可以提前215d预测初产奶牛305d产奶量,从而实现提早进行选择,加速奶牛育种工作进程。并通过具体的实验验证了改进BP神经网络预测模型的有效性。     

基于GF-6/WFV卫星遥感的大田冬小麦叶片氮素含量估测

为对大田冬小麦叶片氮素含量（LNC）进行快速、准确及无损监测,通过在江苏省泰州泰兴市、盐城大丰区和南通如皋市布设冬小麦遥感监测大田试验,在获取试验样点冬小麦冠层红光波段反射率（RED_ref）、近红外波段反射率（NIR_ref）和计算的十个光谱指数（RVI、NDVI、DVI、SAVI、OSAVI、MSR、RDVI、EVI2、NLI和SVI）基础上,将12个遥感光谱指标与冬小麦LNC进行相关分析,选出与LNC相关性较好的作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型, 并利用GF-6/WFV卫星遥感影像对县域冬小麦LNC的空间分布开展监测。结果表明,12个遥感光谱指标与冬小麦LNC之间存在不同程度的相关性,其中NDVI、RVI、MSR、OSAVI和NLI与冬小麦LNC的相关性较好（相关系数不低于0.65）。将优选的5个遥感光谱指标作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型（LNC-BPEM）,模型的估测精度r²=0.866,RMSE=0.246%,ARE=12.9%。将冬小麦LNC-BPEM估测模型和GF-6/WFV影像结合对县域冬小麦LNC的空间信息监测,获得了如皋县域冬小麦LNC的空间分布特征,该区域冬小麦LNC范围在0.9%~2.0%（长势正常）的种植面积为29 693.3 hm²,占冬小麦总种植面积的74%。这说明利用GF-6/WFV卫星的多个遥感光谱指标与神经网络结合建模可有效估测县域大田冬小麦叶片氮素含量。     

Smith-RBF-PID在锻造操作机大车行走速度控制系统中的研究

针对传统锻造操作机在作业过程中因自身惯量较大而导致行进速度不稳定的问题,本研究结合锻造操作机大车行走机构建立了其速度的动力学模型,采用基于径向基函数神经网络的PID控制与Smith预估器相结合的控制方法,实现对锻造操作机大车行走速度的精确控制。通过MATLAB/Simulink仿真对比分析得出：基于Smith-RBF-PID算法的控制效果与传统PID相比,其超调量以及调节时间都显著减小;与RBF-PID控制算法相比,缩短了响应时间,大大提高了操作机大车行走速度的控制精度。