主成分分析和长短时记忆神经网络预测水产养殖水体溶解氧

为了提高水产养殖溶解氧预测的精度,提出了基于主成分分析(principal component analysis,PCA)和长短时记忆神经网络(long short-term memory,LSTM)的水产养殖溶解氧预测模型。首先通过主成分分析提取水产养殖溶解氧的关键影响因子,消除了原始变量之间的相关性,降低了模型输入向量维度;然后,在Tensorflow深度学习框架的基础上建立LSTM神经网络的水产养殖溶解氧预测模型;最后,利用该模型对浙江省淡水水产养殖研究所综合实验基地某池塘溶解氧进行验证。试验结果表明:该模型与BP神经网络等其他浅层模型相比,模型评价指标平均绝对误差、均方根误差和平均绝对误差分别为0.274、0.089和0.147,均优于传统的预测方法;该模型具有良好的预测性能和泛化能力,能够满足水产养殖溶解氧精确预测的实际需要,可以为水产养殖水质精准调控提供参考。     

果园风送喷雾机的改进设计与喷雾高度调控模型构建

【目的】针对第一代果园喷雾机存在的风箱角度不能电动控制且调节精度不高、传动装置设计欠合理和体积偏大等问题进行改进,并建立喷雾高度调控模型,为新一代果园喷雾机的设计提供参考。【方法】对喷雾机导流风箱的固定方式、传动方案和通过性能进行了改进,并通过喷雾沉积分布试验及数学方程拟合,建立沉积分布重心高度、喷雾宽度与风箱角度之间的数学模型。【结果】与改进前相比,该喷雾机不仅支持风箱角度电动精确调控,而且其理论功耗还减少了8%,长度尺寸减小了32.6%。风箱旋转角度对喷雾机尺寸影响的测试结果表明,旋转角度对风箱组宽度有一定的影响,旋转角度为最大值30°时风箱组宽度最大,为0.95m,但仍然小于喷雾机轮距1.0m;风箱旋转角度对喷雾机高度基本没有影响。改进后的喷雾机喷雾沉积分布试验表明,风箱与铅垂线夹角分别为0°,15°和30°时,喷雾沉积分布重心高度分别为1.14,1.55和2.20m,70.7%的药量分别垂直集中分布于0.72~1.56,1.15~1.94和1.71~2.69m,拟合得到的沉积分布重心高度、喷雾宽度和风箱角度之间的数学方程均为线性方程,其R2值分别为0.982和0.996。【结论】改进后喷雾机支持喷雾高度电动精确调节;所建立的喷雾高度智能调控模型可为果园喷雾机的改进完善提供支持。     

基于支持向量机的鱼群摄食行为识别技术

应用计算机视觉技术对镜鲤鱼群的摄食行为进行识别,减少养殖过程中人力的损耗,提出了一种基于图像纹理的鱼群摄食的自动检测识别方法。首先利用相机采集鱼群正常状态和摄食时的图片,之后对图片进行预处理,利用灰度差分统计法、灰度共生矩阵和高斯马尔科夫随机场模型提取鱼群的13个纹理特征,最后利用支持向量机(support vector machine,简称SVM)算法对鱼群图像进行分类识别。结果表明,支持向量机对测试集的识别率达到96.5%,运行时间为39.04 s,且使用主成分分析(principal component analysis,简称PCA)算法后,支持向量机对测试集的识别率达到93.5%,运行时间为0.63 s,可以达到对鱼群摄食自动识别的要求。     

基于众包的农业大数据采集平台构建

众包可以将非特定社会大众引入到农业大数据采集中,能有效扩充数据采集队伍,扩大数据采集范围。介绍了众包及农业大数据采集的内涵,针对参与众包大数据采集的农户、农场、农企的特性进行分析,并建立数据采集平台运行机制,设计平台多种数据接入、数据源质量评级、数据隐私分级等功能,分析众包农业大数据采集平台对现有农业数据采集工作的优势,为农业大数据的采集工作进一步提升助力。     

基于Lab颜色空间的棉花覆盖度提取方法研究

基于手持高清可见光图像和无人机可见光遥感影像中植被与非植被像元在不同颜色空间单通道上分布的差异性,以苗期和蕾期的棉花为对象,进行了棉花覆盖度的提取方法研究。基于不同天气状况和不同采集时刻等光照条件下采集的29幅具有不同覆盖度的棉花地面可见光图像,分别对比分析了Lab颜色空间a通道、RGB颜色空间2G-R-B指数和HIS颜色空间H通道对棉花的识别能力,以及使用动态阈值和固定阈值两种情况下的棉花覆盖度提取精度。其中动态阈值通过植被与非植被像元的高斯分布交点确定,固定阈值在3种颜色空间分别设置为动态阈值的均值。结果表明,植被像元与非植被像元在a通道、2G-R-B指数和H通道上呈现高斯分布,可以采用非线性最小二乘算法实现高斯分布拟合。通过高斯分布拟合求解交点得到的动态分类阈值分布范围较为集中,将其均值-3.78、0.06、0.13设定为固定分类阈值。相比于2G-R-B指数和H通道,a通道对绿色植被的识别能力最好,更适合提取棉花植被覆盖度;相比于动态阈值,固定阈值的提取精度更好,平均提取误差为0.009 4。将该方法应用到无人机尺度时,同样可以较好地提取不同天气状况和不同土壤干湿类型的棉花覆盖度,且总体平均提取误差为0.012。经过初步检验和分析认为,基于植被与非植被像元在Lab颜色空间a通道上分布的差异性,结合固定分类阈值,可以精确地提取不同光照条件下的苗期和蕾期棉花覆盖度。     

基于机器视觉的冬枣病害检测

冬枣皮薄肉脆,富含维生素C和矿物质,深受消费者喜爱,目前冬枣的销量逐年增加,产业得到迅猛发展。但是,冬枣病害种类繁多,如日灼伤、炭疽病、轮纹病、裂纹病及缩果病等,采用人工分级方式成本高、效率低,严重制约了冬枣的产业化发展,可见研究冬枣病害的自动化检测方法具有重要意义。本研究对冬枣的轮纹病、日灼伤、炭疽病和裂纹病等黑斑类病害和缩果病病害采用机器视觉技术进行无损检测,利用单因素方差分析(one-way ANOVA)和费希尔最小显著差异检验(Fisher’s LSD)获得有效识别黑斑类病害的颜色分量为RGB模型的R分量,HSB模型的S分量和L*a*b*的b分量,建立Bayes线性判别函数得到黑斑类病害的分类正确率达到89.6%。通过计算基于灰度共生矩阵的纹理特征对缩果病进行检测,探索纹理特征最优构造参数距离d为1,灰度级为3 2,建立SVM模型得到缩果病的分类正确率达到9 9.4%。该方法为冬枣病害的自动化分级提供了基础和依据。     

“互联网+”种业下的产业融合与产业链分析

分析了传统产业链育种、繁种和推广的链式结构和利益主体博弈关系,提出互联网与种业产业融合点及双向交互式发展模式。在互联网技术环境下,种业产业将逐步向育种专业化、生产标准化、技术精准化、服务综合化和管理信息化方向发展。针对我国种质资源建设落后、质量监管困难和商业化育种信息化水平低等问题,从完善种质资源库建设、加快种业产业链一体化体系建设和全程信息化建设三个方面提出了促进现代种业产业链持续健康发展的几点启示。     

基于多特征提取和选择的木材分类与识别

木材与人们的生活息息相关,不同品种木材的用途各不相同。如何快速并正确地识别不同种类的木材是目前亟须解决的问题。纹理是木材表面重要的天然属性,也是区分木材的重要依据,因而如何准确地提取木材的纹理特征是本文研究的重点。本文设计了一种木材自动识别系统,其基本工作流程如下:首先,使用K-means聚类算法,根据图像的纹理采用SPPD(导管分布的统计特性)及BGLAM(基本灰度级氛围矩阵)特征对木材进行预分类,实现对木材数据库的降维,为提高识别效率做好准备;其次,使用GA(遗传算法)挑选出对木材纹理具有较强区分度的LBP(局部二值模式)特征;最后,用KNN(K最近邻)分类器根据挑选出的LBP特征对木材图像进行最终的分类识别。试验结果表明,木材样本类别个数为20时,识别率较高,可以达到98.13%以上;当木材样本类别个数增加为30时,识别率也在95%以上。     

采样数量和分布模式对土壤有机质空间插值精度的影响

基于北京市大兴区南部郊区平原农用地的高密度土壤样点,结合GIS和空间插值方法,对研究区的样点数据进行随机抽样生成不同数量的数据集,探讨采样点数量和分布模式对土壤有机质空间预测插值精度的影响。研究结果表明:(1)利用不同方式确定的合理采样点数量由高到低依次是插值方法的精度要求、变异函数拟合效果、正态分布法和均值及变异函数的满足小于5%相对误差;(2)变异函数拟合效果总体随着采样点数量的增加呈梯度式增强,但495点集优于825点集;相同样点分布模式下变异函数拟合效果相似;(3)相同样点集的不同插值方法预测精度存在差异,最佳插值方法不同;2272、825、115点集BEK都是最优,1485、495和83点集分别是SWT、SK和LPI最优;(4)样点间最近邻距离分布模式中P值小于0.05,插值模型对土壤有机质插值精度低;P0.05,R比率接近1,样点分布强于样点数量对插值模型对预测精度的影响;其P0.05且R比率大于1.20,各常规插值方法能得到较稳定的插值精度。     

基于无人机数码影像的冬小麦叶面积指数探测研究

叶面积指数(LAI)是评价作物长势的重要农学参数之一,利用遥感技术准确估测作物叶面积指数(LAI)对精准农业意义重大。目前,数码相机与无人机系统组成的高性价比遥感监测系统在农业研究中已取得一些成果,但利用无人机数码影像开展作物LAI估测研究还少有尝试。为论证利用无人机数码影像估测冬小麦LAI的可行性,本文以获取到的3个关键生育期(孕穗期、开花期和灌浆期)冬小麦无人机数码影像为数据源,利用数字图像转换原理构建出10种数字图像特征参数,并系统地分析了3个生育期内两个冬小麦品种在4种氮水平下的LAI与数字图像特征参数之间的关联性。结果表明,在LAI随生育期发生变化的同时,10种数字图像特征参数中R/(R+G+B)和本文提出的基于无人机数码影像红、绿、蓝通道DN值以及可见光大气阻抗植被指数(VARI)计算原理构建的数字图像特征参数UAV-based VARIRGB也有规律性变化,说明冬小麦的施氮差异不仅对LAI有影响,也对某些数字图像特征参数有一定影响;在不同条件(品种、氮营养水平以及生育期)下的数字图像特征参数与LAI的相关性分析中,R/(R+G+B)和UAV-based VARIRGB与LAI显著相关。进而,研究评价了R/(R+G+B)和UAV-based VARIRGB构建的LAI估测模型,最终确定UAV-based VARIRGB为估测冬小麦LAI的最佳参数指标。结果表明UAV-based VARIRGB指数模型估测的LAI与实测LAI拟合性较好(R2=0.71,RMSE=0.8,P0.01)。本研究证明将无人机数码影像应用于冬小麦LAI探测是可行的,这也为高性价比无人机遥感系统的精准农业应用增添了新成果和经验。