基于卷积神经网络的拖拉机工况识别

农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。     

基于原型网络的小样本禽蛋图像特征检测方法

机器视觉因具有检测速度快、稳定性高及成本低等优点，已发展成为禽蛋无损检测领域主流检测手段。使用该技术对禽蛋进行无损检测时，需要依赖大量禽蛋图像作为数据支撑才能取得较好的检测效果。由于养殖安全等限制，禽蛋图像数据的采集成本较高，针对该问题，提出了一种适应于小样本禽蛋图像检测的原型网络（Prototypical network）。该网络利用引入注意力机制的逆残差结构搭建的卷积神经网络将不同类别的禽蛋图像映射至嵌入空间，并利用欧氏距离度量测试禽蛋图像在嵌入空间的类别，从而完成禽蛋图像的分类。本文利用该网络分别验证了小样本条件下受精蛋与无精蛋、双黄蛋与单黄蛋及裂纹蛋与正常蛋的分类检测效果，其检测精度分别为95%、98%、88%。试验结果表明本文方法能够有效地解决禽蛋图像检测中样本不足的问题，为禽蛋图像无损检测研究提供了新的思路。     

基于径向基网络的含缺陷管道安全系数修正

安全系数是管道完整性评价方法的重要参数之一,传统评价方法仅考虑了管道所处地区等级对其影响,未能全面评价管道的真实安全状态。提取管道相关风险因素,比较各因素间相对重要程度并建立表征不同风险状态的分值体系,根据所得风险分值对安全系数进行修正,使得修正后的安全系数能够反映含缺陷管段实际风险状态;结合径向基网络方法的自学习特点,将各风险因素作为输入,修正后的安全系数作为输出,建立基于径向基网络的管道安全系数计算模型。由模型训练得出的修正安全系数与测试样本吻合度较好,验证了模型的准确性。结果表明:修正安全系数在考虑地区等级的基础上同时引入了其他重要风险因素的影响,为管道完整性评价中的安全系数取值提供了新的思路。     

面向养殖水体分布差异的COD光谱法检测研究

面向养殖水体，传统光谱法对化学需氧量（Chemical Oxygen Demand，COD）检测模型构建的基础：源域（现有样本库）与目标域（检测地水体）间光谱数据独立同分布。但是当源域与目标域分布间存在差异时，由源域得到的低误差模型常在目标域上表现下滑。针对该问题，提出面向UV Vis光谱的域对抗训练网络（DAUVwpNet），将分布不同的源域和目标域数据映射至相同分布的特征空间中，使其在该空间的分布距离尽可能接近，从而在特征空间中对源域训练的目标函数也可以迁移至目标域上，以降低模型在目标域的误差。试验表明：面向同一批测试数据，DAUVwpNet的预测误差为0.78，要低于传统模型的预测误差（0.85）；DAUVwpNet预测值与实测值间相关系数为0.95，要高于传统模型的相关系数（0.89）。表明了该网络能够较好对齐两域特征空间数据分布，降低因分布差异带来的COD检测误差。     

一种新型卷积神经网络植物叶片识别方法

为提高植物叶片识别的准确率及减少计算代价,在Pytorch框架下提出一种融合了深度卷积生成式对抗网络(DCGAN)和迁移学习(TL)的新型卷积神经网络叶片识别方法。首先,对植物叶片图像进行预处理,通过DCGAN对样本数据库扩充;其次,利用迁移学习将Inception v3模型应用于图像数据处理上,以提高植物叶片识别的准确率;最后,通过对比实验对该方法的有效性进行验证。结果表明:该方法可以获得96.57%的植物叶片识别精度,同时参数训练的迭代次数由4000次缩短到560次。     

互联网+背景下智慧农机大数据平台发展策略研究

随着“互联网＋”时代的到来，数据挖掘、数据共享、云计算等信息技术为农机的智能化和信 息化管理提供有效方法和手段。为更好的推动农业经济发展，有必要借助先进的信息技术手段，搭建 一个基于“互联网＋”的智慧农机管理信息数据共享平台，使我国农机管理进入大数据时代，推进智慧 农业发展。     

“互联网+"背景下农村网络扶贫新思路的探讨

本文通过分析“互联网+”时代下网络扶贫的三种新模式，指出了政府、企业、农户三方力量 各自在网络扶贫中的定位和职责，进一步夯实网络扶贫基础，从而提高扶贫治理成效。     

国际30年来土壤食物网的研究历程与热点分析

利用文献计量学方法,研究1989—2018年来土壤食物网研究领域的热点内容,概括土壤食物网的研究脉络及国际土壤食物网未来的研究方向。结果显示:土壤生物多样性、食物网的碳氮循环功能及管理方式对土壤食物网结构的干扰是现在研究热点,而土壤食物网功能多样性、系统稳定性、及土壤食物网对全球变化的响应则是新兴的研究方向。     

基于灰色-BP神经网络模型的多情景交通用地需求预测——以长江中游城市群为例

为探索科学预测区域交通用地需求的合理途径,指导国土空间规划编制中交通用地规模的划定,拟通过灰色-BP神经网络模型识别主要社会经济影响因素,以长江中游城市群为例,在预测其远景交通用地需求规模的同时,基于城市群发展的阶段特征选取典型城市群样本设置3类情景,对不同情景下的交通用地需求分别进行预测。结果表明:1)城镇化水平、产业结构高度化程度和劳动力资源禀赋是当前影响长江中游城市群交通用地需求的主要社会经济因素。2)通过系统仿真试验对比不同方法的交通用地需求预测结果,可以发现基于灰色-BP神经网络模型的预测方法精度较高,误差较小,该预测方法对于区域交通用地规模的预测具有一定的适用性。预测得到的长江中游城市群2020和2030年交通用地需求分别为31.22万和49.07万hm2。3)不同情景下长江中游城市群交通用地需求预测结果存在明显差异,底线情景可作为划定交通用地规模的底限,一般情景可作为基准,极限情景可作为红线,长江中游城市群交通用地合理规模应以基准为参考,介于底线和红线之间。     

Turbid water induces refuge behaviour of a commercially important ayu: A field experiment for interstream movement using multiple artificial streams

Riverine systems are inherently dendritic in nature, and turbid water may not necessarily flow equally throughout an entire catchment. Tributaries have the potential to serve as refugia from temporarily turbid water in the main stem. As ayu (Plecoglossus altivelis) are one of the important species for the inland fisheries industry and recreational fishing, their behaviour in a branched river network is a primary concern. We released ayu with radio‐transmitting tags into two experimental streams that joined at a downstream pool. Turbid water was released into one of the streams, and we identified whether avoidance movement of ayu between the two experimental streams was triggered by flowing turbid water. The suspended solid concentration elevated rapidly after adding the turbid water and was maintained at more than 400 mg/L for 3 hr. Avoidance movement of ayu was triggered when the suspended solid concentration exceeded approximately 200 mg/L. Then, most ayu moved from the turbid stream to the nonturbid one, leading to a difference in ayu density between the two streams. Therefore, we demonstrated that turbid water induced interstream movement of a commercially important ayu as refuge behaviour, suggesting that river connectivity is important for the persistence of the ayu.