基于多特征融合的茶叶鲜叶等级识别的方法研究

茶叶鲜叶等级直接影响优质绿茶成品的等级,如果在鲜叶阶段就茶叶的芽叶数量进行等级识别,并将不同等级鲜叶分离出来,制作不同等级的绿茶成品,从一定程度上解决了优质绿茶鲜叶采摘环节的难题.提出基于茶叶形态、纹理和HOG特征的鲜叶分级方法,采集鲜叶样本图片,对样本图片进行预处理操作,再提取鲜叶形态和纹理特征等特征参数,建立机器学习模型支持向量机、随机森林和线性判别法K-最近邻对新鲜茶叶样本进行分类,得到各等级的茶叶识别结果.试验结果表明,单独使用一种特征分类效果不佳,也不符合茶叶本身的复杂性.将多种特征融合有更好的分类效果;3种算法中,随机森林算法有较高的优越性,准确率达97.06％.该研究提取的多特征参数和分类模型,为实际鲜叶的生产加工等级识别提供参考.     

基于离子选择电极和单片机技术的电子舌设计与试验

设计了一套基于离子选择电极和单片机技术的电子舌系统,并基于机器学习方法对饮用矿泉水及苹果汁进行了检测.使用离子选择电极组成传感器阵列,并通过单片机系统和串行A/D模块实现了高可靠性、低硬件成本的数据采集;在Matlab环境下实现了对实验数据的主成分分析、BP和PNN神经网络以及SVM分析,探讨了神经网络的优化设计方式.实验结果表明,该电子舌系统能够准确识别饮用水类别,并具有良好的可扩展性及成本低廉等优点.     

基于形状特征和支持向量机(SVM)的茶叶病害识别方法

【目的】探索基于形状特征和支持向量机(SVM)的茶叶病害识别方法,为茶叶病害的智能准确识别提供技术支撑。【方法】采集贵州铜仁茶区茶炭疽病、茶饼病、茶白星病的病斑图像,使用MATLAB提取并计算3种病害的病斑面积、周长、外接矩形和外接椭圆面积、复杂性、伸长度、矩形度、圆度、面积凹凸比8种形状特征值,分别建立基于单一形状特征和复杂性、伸长度、矩形度、圆度及面积凹凸比5种组合形状特征、4种不同核函数的SVM,对3种茶叶病害进行分类识别,比较其正确识别率,筛选最优识别算法。【结果】基于单一特征的SVM对3种茶叶病害的识别率低于组合形状特征下的正确识别率;基于组合形状特征的SVM中,线性核函数、多项式核函数、径向基核函数、Sigmoid核函数的SVM总识别率分别为90.00%、88.00%、83.33%、86.05%。【结论】基于复杂性、伸长度、矩形度、圆度及面积凹凸比5种组合形状特征,采用线性核函数的SVM对茶炭疽病、茶饼病、茶白星病的分类识别效果较优。     

小议智能信息检索的智能性

智能信息检索是信息检索的高级阶段,是在进行智能研究和尝试,寻找更为人性化、个性化的信息检索方式,其实质是在信息检索过程中实现"智能性"。文章重点讨论智能信息信息检索系统各组成要素及其智能实现:本体论给智能信息检索系统以强大的知识保证;元搜索不仅扩大信息检索的广度,更是根据用户需求偏好处理信息检索结果;智能代理协调智能信息系统各组成要素;机器学习在智能信息检索中加入人的因素,使智能信息检索更加的个性化,它们共同支持着信息检索的智能化。     

渔情预报技术及模型研究进展

随着渔业资源的衰退和渔业生产成本的增加,渔业企业对于渔情预报的要求不断提高,渔情预报技术和模型的研究受到了越来越多地重视,已经成为渔场学研究的重点之一。渔情预报可分为关于资源状况的预报、关于时间的预报和关于空间的预报,各类预报对渔业生产和管理都具有重要的意义。本文结合国内外研究现状,简要概述了渔情预报的理论和方法,包括渔情预报相关的渔场学基础、数据模型和预报模型,重点介绍了基于统计和机器学习、人工智能方法的渔情预报模型,并对各种模型在渔情预报应用中的优势与缺陷进行了总结,最后针对渔情预报系统应用中存在的问题,对渔情预报研究提出了一些建议：建立专为渔业服务的海洋环境预报系统;进行长期和系统的渔业资源调查,并针对不同鱼种和海区对数据获取和处理方法进行标准化和规范化;借助随机模拟方法降低模型不确定性,提高预报精度。     

基于无人机航拍图像的水稻叶片SPAD值反演

为利用无人机航拍图像实现水稻叶绿素含量的高通量检测,以籼型三系杂交水稻品种兆优5431为材料,设置3个密度水平和5个施氮量水平,共15个处理,在水稻不同生育期通过大疆精灵4RTK无人机获取航拍图像和人工测定水稻叶片SPAD值,并选取7种与水稻叶片SPAD值显著相关的可见光植被指数,采用线性回归和机器学习方法构建了水稻叶片SPAD值反演模型,通过精度验证确定水稻叶片SPAD值最优预测模型。结果表明,机器学习模型中,随机森林模型精度均高于其他回归模型,该算法构建的模型具有较高的预测精度,其模型各项指标分别是建模集R2为0.85、RMSE为2.73,验证集R2为0.76、RMSE为3.64。因此,机器学习模型能为水稻叶片SPAD值进行无损、快速监测提供参考。     

基于机器学习算法的甘肃省草原地上生物量

为评估甘肃省草原地上生物量的变化情况,本研究采用甘肃省2005-2018年草原地上生物量实测数据以及植被指数和气象等参数,构建多种基于机器学习算法的甘肃省草原生物量反演模型,并对其预测精度进行对比和评价。结果表明：1)随机森林模型更适宜于甘肃省草原地上生物量遥感反演。基于筛选后的17个变量的Rborist随机森林模型的反演精度最高,R²为0.758。2)甘肃省草原地上生物量均值介于828.21～1 118.71 kg·hm^-2,近20年来呈逐年增加趋势,年均增加幅度为8.13 kg·hm^-2 (P <0.05)。3)甘肃省47.41%的草原呈恢复趋势,26%的草原保持稳定,而26.59%的草原呈不同程度的恶化趋势。     

冬小麦不同叶位叶片的叶绿素含量高光谱估算模型

科学、高效地获取作物不同叶位叶绿素含量的垂直分布信息,可监测农作物长势状况并进行田间管理。基于冬小麦抽穗期获取的不同叶位叶片的高光谱反射率和叶绿素含量实测数据,将原始光谱、一阶微分光谱、二阶微分光谱、植被指数和连续小波系数与叶绿素含量进行相关性分析,筛选相关性较强的光谱特征参数,然后分别采用偏最小二乘回归、支持向量机、随机森林和反向传播神经网络4种机器学习算法构建冬小麦上1叶、上2叶、上3叶和上4叶的叶绿素含量估算模型,并根据精度评估结果筛选不同叶位叶绿素含量估算的最佳模型。结果表明,上1叶、上2叶和上3叶采用小波系数结合偏最小二乘回归构建的叶绿素含量估算模型精度最高,建模和验证R2分别为0.82和0.75、0.80和0.77、0.71和0.62;上4叶采用植被指数结合支持向量机构建的叶绿素含量估算模型效果最佳,建模和验证R2为0.74和0.79。研究结果可为基于遥感技术精准监测作物营养成分的垂直变化特征提供理论和技术支撑。     

高光谱成像技术在水果品质无损检测中的研究进展

优质水果的生产和销售离不开水果品质检测,传统的水果品质检测手段精度低、成本高、时效性差、破坏性强。近年来,随着科学技术的不断进步,低成本、高效率的水果品质无损检测技术得到飞速发展。其中,高光谱成像技术逐渐成为研究热点。综述了该技术在水果品质无损检测方面的技术原理、应用和发展现状,探讨其在水果品质无损检测领域的应用潜力、存在问题、发展趋势以及应用前景。整体来看,高光谱成像技术能够实现不同水果种类、多个水果品质指标的无损、高效检测,如成熟度、糖度、酸度、红色指数等;受硬件技术限制,其发展侧重于数据挖掘方向,即在硬件发展有限的情况下,通过不断更新和优化的针对性算法获得精准的解析结果;另一方面,设备昂贵、数据处理复杂、模型普适性较差是该技术需要进一步优化和改进的主要问题;其未来发展将基于云计算和人工智能的高效数据处理、适用范围更广的水果品质高光谱检测设备研发、多源综合无损检测等研究方向。随着技术的不断发展,高光谱成像技术在水果品质无损检测方面的应用前景广阔,未来将成为水果品质检测的重要手段之一。     

基于无人机影像特征的冬小麦植株氮含量预测及模型迁移能力分析

【目的】氮素的精准监测和合理施用对小麦健康生长、产量及品质提升、减少农田环境污染与资源浪费尤为重要。为精准监测小麦生长关键生育期植株氮含量,探索机器学习方法构建的植株氮含量预测模型的迁移能力。【方法】小区试验于2020—2022年在河南省商水县开展,在冬小麦拔节期、孕穗期、开花期和灌浆期,采用M600大疆无人机搭载K6多光谱成像仪获取5波段(Red、Green、Blue、Rededge、Nir)多光谱影像。基于5个波段冠层反射率提取20种植被指数和40种纹理特征,采用相关分析从65个影像特征中筛选冬小麦植株氮含量敏感特征。基于筛选出的敏感特征,采用BP神经网络(BP)、随机森林(RF)、Adaboost、支持向量机(SVR)4种机器学习回归方法构建植株氮含量预测模型,并对模型预测效果和在不同水处理条件下模型的迁移预测能力进行分析。【结果】(1)植株氮含量与影像特征的相关系数通过0.01极显著水平检验的包括22个光谱特征和29个纹理特征。(2)4种机器学习回归方法构建的冬小麦植株氮含量预测模型存在差异,RF和Adaboost方法预测植株氮含量集中于95%的置信区间,多分布于1:1直线附近...