基于云平台的大米产地确证方法研究

针对大数据背景下地理标志大米产地真伪鉴别的算法模型与实现技术,以大米中矿物质元素含量数据为基础,运用Hadoop分布式集群技术,构建了基于MapReduce的并行化随机森林、支持向量机、人工神经网络与线性判别分析算法模型.结果表明,并行化随机森林模型的判别准确率为97.55％,与相同条件下并行化构建的支持向量机、人工神经网络与线性判别分析模型相比具有更好的产地判别精度,同时依托并行化随机森林模型构建的云平台能获取到较好加速比,不仅能够实现对未知地区大米数据进行准确的产地鉴别,而且能够通过提升数据量或计算节点数,更高效地处理大规模数据.     

高等农业院校计算机网络课程创新型人才培养探索

针对当前高等农业院校培养创新人才的问题,分析了当前的社会需求,提出了以农为特色的课程改革思路,阐述了计算机网络课程在创新型人才培养方面所采取的方法与手段,对计算机网络课程的改革进行了初步探讨。     

基于C4.5决策树算法的农安县农田管理区划分

针对吉林省长春市农安县2012年耕地地力调查数据,使用数据挖掘中的C4.5决策树算法(以下简称C4.5算法)对土壤中速效氮、速效磷和速效钾3种主要养分含量进行分析,并根据各养分间差异划分管理区。结果表明,使用C4.5算法对农安县924、1 840、2 756组土壤速效养分数据进行分析得到的模型精度分别为95.81%、95.59%、95.13%,对测试样本的分类精度分别为88.25%、90.50%、91.57%。使用C4.5算法对农安县进行管理区划分准确度高、效率高、易于推广,是一种指导农安县精细农业实施的有效管理区划分方法。     

基于主成分分析方法的蓝莓矿质营养吸收综合评价

以湖南省汩罗市6种主栽蓝莓品种的叶片和土壤中矿物质营养含量为主要研究对象,利用主成分分析法对蓝莓中矿物质营养吸收情况进行了综合评价。结果表明,6个蓝莓品种对矿质营养的吸收均有所不同,其中Zn元素与其他矿质营养的吸收均出现拮抗现象,经主成分分析得出前3个主成分累计贡献率达93.202 8%,并得出主成分的表达式,证明Ca、Fe、Mn、Cu为主要特征性元素,而雷戈西、都克、蓝丰3个品种综合得分依次为1.707 3、0.718 5、-0.107 2,表明这3个蓝莓品种对矿质营养的吸收较好,与实际检测结果相吻合,从而表明构建的主成分分析综合评价模型科学合理,评价方法可行。     

基于迁移学习与卷积神经网络的玉米植株病害识别

大数据背景下产生了海量图像数据,传统的图像识别方法识别玉米植株病害准确率较低,已远远不能满足需求。卷积神经网络作为深度学习中的常用算法被广泛用于处理机器视觉问题,能自动识别和提取图像特征。因此,本研究提出一种基于数据增强与迁移学习相结合的卷积神经网络识别玉米植株病害模型。该算法首先通过数据增强方法增加数据,以提高模型的泛化性和准确率;再构建基于迁移学习的卷积神经网络模型,引入该模型的训练方式,提取病害图片特征,加速卷积神经网络的训练过程,降低网络的过拟合程度;最后将该模型运用到从农田采集的玉米病害图片,进行玉米病害的精确识别。识别试验结果表明：使用数据增强与迁移学习的卷积神经网络优化算法对玉米主要病害（玉米大斑病、小斑病、灰斑病、黑穗病及瘤黑粉病）的平均识别准确度达96.6%,和单一的卷积神经网络相比,精度提高了25.6%,处理每张图片时间为0.28s,比传统神经网络缩短了将近10倍。本算法的精确度和训练速度上比传统卷积神经网络有明显提高,为玉米等农作物植株病害的识别提供了新方法。     

基于区块链的水稻供应链溯源信息保护模型研究

针对水稻供应链在使用区块链技术追溯过程中数据共享时隐私数据容易泄露的问题,在分析水稻供应链业务流程和信息分类的基础上,建立了以区块链节点授权保护方法为核心的水稻供应链信息保护模型。在供应链溯源隐私数据上传区块链网络前,利用密码分组链接模式(Ciper block chaining,CBC)对其进行对称加密,采用椭圆曲线算法(Elliptic curve cryptography,ECC)对密钥加密后写入区块链网络中,区块链网络中存储隐私数据加密后的密文,授权节点利用私钥查看区块链上溯源隐私数据,实现在区块链网络中共享隐私数据。在此基础上对方法的安全性能进行了分析,加密算法的扩散性测试密文改变率平均值为0.838。最后,基于Hyperledger Fabric平台设计实现了水稻全供应链信息溯源系统,并通过具体应用案例进行了验证分析。结果表明,本文提出的节点授权法对需要保护的隐私数据进行了节点间的差异化,兼顾了企业隐私数据需要加密保护和供应链溯源数据需要公开监管两方面的问题,解决了水稻供应链生产、加工、流通等多节点之间的数据共享问题,为水稻供应链区块链溯源研究提供了借鉴和参考。     

改进层次分析法在生猪养殖工艺评估的应用

针对养猪业养殖工艺评估问题,基于层次分析法(AHP)建立相对规范的生猪养殖技术评价体系模型。引入智能算法思想对层次分析法中一致性问题做出解决方案。试验将采用模拟退火算法(SA)与粒子群算法(PSO)相结合的方式优化一致性。首先构建分层递进的层级模型,其次初始化粒子和给定起始温度和退火系数利用模拟退火粒子群算法更新粒子状态优化判断矩阵一致性参数。试验结果表明:初始一致性参数0.231 9,0.127 3,0.130 4,0.130 4,粒子群优化参数为0.094 7,0.098 1,0.099 2,0.099 5,经本文方法优化后为0.085 7,0.097 3,0.098 1,0.098 7。该方法能够有效避免单一粒子群算法陷入局部最优问题,并且能得到更好的一致性指标。说明此种方法可以有效评估分析出生猪养殖工艺中较重要指标,充分反映专家评估意愿,减少个人主观因素的影响,能较为理想地得出评估结果。     

基于优化卷积神经网络的玉米螟虫害图像识别

【目的】随着人工智能和大数据技术的不断发展,针对常规玉米虫害识别方法存在的准确率和效率低等问题,本文提出了一种基于改进GoogLeNet卷积神经网络模型的玉米螟虫害图像识别方法。【方法】首先通过迁移学习将GoogLeNet的Inception-v4网络结构知识转移到玉米螟Pyrausta nubilalis虫害识别的任务上,构建模型的训练方式;然后通过数据增强技术对玉米螟虫图像进行样本扩充,得到神经网络训练模型的数据集;同时利用Inception模块拥有多尺度卷积核提取多尺度玉米螟虫害分布特征的能力构建网络模型,并在试验过程中对激活函数、梯度下降算法等模型参数进行优化;最后引入批标准化(BN)操作加速优化模型网络训练,并将该模型运用到玉米螟虫害识别中。【结果】基于TensorFlow框架下的试验结果表明,优化后的神经网络算法对玉米螟虫害图像平均识别准确率达到了96.44%。【结论】基于优化的卷积神经网络识别模型具有更强的鲁棒性和适用性,可为玉米等农作物虫害识别、智能诊断提供参考。     

基于模糊综合评判理论下的具有农业特色的物流绩效评价模型

本文通过对具有农业特色的物流配送特点的分析,依托国内外绩效研究现状,借鉴其他物流企业及物流配送中心的绩效评价体系的建立,以及国内外相关研究成果,以鲜活农产品物流配送中心的配送过程为例,应用模糊数学中的综合评判理论,设计了鲜活农产品物流配送绩效评价系统的模型,通过它能够完成物流配送过程中绩效评价指标体系的选取、评价指标权重的计算和鲜活农产品物流配送绩效的综合测评。     

基于作物生长模型和遥感数据同化的区域玉米产量估算

为了将遥感观测到的玉米生长期间作物冠层方向反射波谱的时间序列变化信息用于区域玉米产量估算,该文将时间序列中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)数据和高空间分辨率LandsatTM遥感观测数据相结合,以叶面积指数(LAI)作为耦合作物生长模型(crop environment resource synthesis-Maize,CERES-Maize)和植被冠层反射率模型(scattering by arbitrarily inclined leaves,SAIL)的关键参数,提出了将耦合模型与时间序列遥感观测数据同化进行区域玉米产量估算的方案。该文选择吉林省榆树市为研究区,采用MODIS和LandsatTM2种尺度数据集,利用SCE-UA(shuffled complex evolution method developed at the University of Arizona)算法分别进行玉米产量同化估产研究,得到玉米单产空间分布的估计结果,结合遥感估算的种植面积求算榆树市玉米总产量。结果表明,与玉米统计总产量相比,2007、2008和2009年遥感数据同化估算的总产量误差分别为9.15%、14.99%和8.97%;与仅利用CERES-Maize模型模拟得到的产量误差相比,3a间遥感估算总产量的误差分别减小了7.49%、1.21%和5.23%,且采用MODIS和TM遥感数据估算的玉米产量表现了其空间差异性。利用榆树市3a间玉米产量的明显差异,分析了时序遥感数据对作物长势和产量变化信息的表达能力,同年份内时序归一化差值植被指数越大,对应的玉米产量越高;年际间遥感观测反射率的差异通过数据同化方法能够反映年际间玉米产量差的变化。该文提出的玉米估产方案为将来进一步结合多源遥感数据、植被冠层反射率模型与作物生长模型进行区域玉米估产研究提供了参考。