基于无人机高光谱遥感的柑橘患病植株分类与特征波段提取

目的 结合传统与现代农业病虫害监测的优缺点，探索通过无人机高光谱遥感技术检测出患病的柑橘植株、通过人工田间调查方式判断其患病种类及患病程度的病虫害监测方法。方法 使用无人机获取原始高光谱图像，经过光谱预处理和特征工程后，采用连续投影算法提取对柑橘患病植株分类贡献值最大的特征波长组合，基于全波段使用BP神经网络和XgBoost算法、基于特征波段使用逻辑回归和支持向量机算法，建立分类模型。结果 基于全波段的BP神经网络和XgBoost算法的ROC曲线下面积(Area under curve，AUC)分别为0.883 0和0.912 0，分类准确率均超过95%；提取出698和762 nm的特征波长组合，基于特征波长使用逻辑回归和支持向量机算法建立的分类模型召回率分别达到了93.00%和96.00%。结论 基于特征波长建模在患病样本分类中表现出很高的准确率，证明了特征波长组合的有效性。本研究结果可为柑橘种植园的病虫害监测提供一定的数据和理论支撑。     

基于记忆模拟退火和A*算法的农业机器人 遍历路径规划

【目的】解决农业机器人大田作业时遍历路径规划的问题。【方法】提出一种记忆模拟退火与A*算法相结合的遍历算法。首先通过记忆模拟退火算法搜索出任务最优目标点行走顺序,然后使用A*算法进行跨区域衔接路径规划。【结果】仿真试验结果表明,该算法规划的遍历路径曼哈顿距离比传统模拟退火算法减少了9.4%,遍历路径覆盖率能达到100%,重复率控制为4.2%。【结论】记忆模拟退火通过为传统模拟退火算法增加记忆器,增强了跳出局部最优陷阱的能力,提高了算法所得解的质量。该研究结果可为农业机器人遍历路径规划提供理论基础。     

适应农业产业发展产教融合课堂教学改革研究

本文对适应农业区域产业发展产教融合课堂教学改革进行了一定的研究，希望可以为“产教 结合、校企一体”的发展之路提供一定的参考价值。     

改进RBF神经网络在我国大豆价格预测中的应用研究

我国大豆价格受国内外多种因素共同影响,具有非线性、随机性和高噪音等特点,采用传统数学模型进行预测,不仅分析难度大,预测误差也很大。RBF神经网络以其优良的逼近性能而被广泛应用于非线性时间序列预测之中。本文提出一种基于遗传算法优化RBF神经网络的我国大豆价格预测模型,该模型为多维输入单维输出的多变量预测模型,模型的初始输入由大豆价格的历史数据和相关影响因素数据组成。采用遗传算法对RBF神经网络输入层节点数、基函数中心、扩展常数和输出层权值进行优化,模型可以从初始输入变量中自主选择最合适的输入变量组合作为模型的输入。采用2009-2014年的大豆价格数据进行预测研究,用2009-2013年的数据作为训练集,2014年的数据作为测试集,改进RBF神经网络通过自主识别和选取中国大豆进口量、中国消费者信心指数和进口大豆到港分销价格3个因素作为相关影响因素的输入。结果表明:模型预测精度较高、泛化能力较强,能够很好捕捉大豆价格变化规律,可为大豆市场价格的准确预报提供参考借鉴。     

基于随机森林算法和气象因子的砀山酥梨始花期预报

准确预报始花期是制定砀山酥梨花期管理措施和赏花活动方案的重要基础。该文利用1983-2018年砀山酥梨始花期的定位观测物候数据和平行观测的气象资料，采用线性趋势法，揭示始花期演变趋势；采用相关分析，筛选影响始花期的关键气象因子，依据不同预报日期构成特征变量集；采用随机森林算法（Random Forest, RF），自3月11日开始预报到3月25日终止预报，每日训练1个预报模型。结果表明，1）1983－2018年始花期呈极显著提早发生趋势，每10a约提前2.750 d（P＜0.001）。2）16个逐日气象预报模型中，共计有200个气象因子与始花期早迟密切相关，相关系数在0.469～0.789之间；各气象预报模型的训练集与测试集的平均正确率（Nd）分别为92.9%和75.5%、平均均方根误差（RMSE）分别为1.693～2.870和2.240～7.237、平均决定系数（R2）分别为0.891和0.701。3）2019年试验预报中，提前15日准确预报出当年始花期。该文研究表明RF在梨树始花期逐日气象预报中有一定业务应用潜力，预报准确率基本满足气象服务需求。     

基于模糊神经网络的智能温室环境控制方案

针对农业温室环境的精确建模和控制问题,提出了一种基于模糊神经网络的智能控制方案。首先,在考虑室内外环境因素下,构建一个有效的温室环境数学模型,获得通风量、喷雾量和加热量的微分表达式;然后,利用一种自适应模糊神经推理系统(ANFIS),以温度和湿度差作为输入,通过神经网络自学习和模糊推理获得控制输出;最后,通过遗传算法优化控制器的输出比例因子,提高控制响应速度和稳定性。实验结果表明:该方案能够快速且稳定地追踪环境设置值,具有很好的控制效果。     

New Approaches to Modeling Methyl Jasmonate Effects on Pomegranate Quality during Postharvest Storage

Adaptive neuro fuzzy inference system (ANFIS) and genetic algorithm–artificial neural network (GA-ANN) models were used to predict the effect of methyl jasmonate (at three levels 0, 0.01, and 0.1 mM) and storage time (0, 14, 28, 42, 56, 70, and 84 days) on quality parameters and physiological changes of pomegranate fruits during storage. Methyl jasmonate reduced chilling injury and improved quality characteristics of pomegranates during postharvest storage. The GA-ANN and ANFIS were fed with two inputs of methyl jasmonate and storage time. The results showed that GA-ANN predictions agreed with experimental data and the GA-ANN with 14 neurons in one hidden layer can predict physiological changes and quality parameters of pomegranate (weight loss, pH, chilling injury index, ion leakage, ethylene, respiration, polyphenols, anthocyanins, and total antioxidant activity) with correlation coefficients equal to 0.87. The ANFIS model was trained by a hybrid method and agreement between experimental data and ANFIS predictions was significant (r = 0.90).     

基于改进萤火虫算法的投影寻踪太湖水质综合评价

针对水质评价中指标的多样性及不相容性,提出了基于改进的萤火虫算法的投影寻踪水质评价方法。该方法根据水质标准等级样本集所划分的标准,构建投影指标函数,并用改进的萤火虫算法进行优化,使搜索步长逐步减小,寻优后期也可具有良好的局部搜索能力,得到最佳投影方向,使综合评价结果能够客观准确地反映出水质状况。运用该方法对太湖的水质数据进行综合评价,并与传统方法综合评分法(F值法)得到的结果进行对比,评价结果更符合当地水质状况实际情况,且对水质等级划分更为清晰。     

分块子空间追踪算法

压缩传感理论是一种充分利用信号稀疏性或者可压缩性的全新信号采样理论。该理论表明，通过采集少量的信号测量值就能够实现可稀疏信号的精确重构。本文在研究现有经典重构算法的基础上，提出结合图像分块思想和回溯思想的分块子空间追踪算法（Block Subspace Pursuit, B_SP）用于压缩传感信号的重构。该算法以块结构获取图像，利用回溯过程实现支撑集的自适应筛选，最终实现图像信号的精确重构。实验结果表明，在相同测试条件下，该算法的重构效果无论从主观视觉上还是客观数据上都有不同程度的提高。     

图书馆科技查新工作初探

介绍了科技查新的内涵、原则及工作要求,通过介绍科技查新的工作流程,分析得出科技查新工作质量控制的措施。