基于贝叶斯网络的过度训练诊断

针对贝叶斯网络在具体应用时需根据实际应用问题来建立相应的贝叶斯网络模型的问题，采用Java语言设计并开发了一套贝叶斯网络预测诊断系统，用来实现因果推理和诊断推理。重点讨论了系统的网络数字化、网络学习、网络推理等关键问题。利用该平台建立了过度训练的诊断网络，通过试验证明得出，此套系统简单易用、通用性强，可应用于不同的研究领域。     

基于模态叠加法的曲轴动态特性研究与结构优化

为了计算得到曲轴动态特性参数,并使用模态贡献因子理论对动态特性进行研究,基于研究结果能够更加有效的实现曲轴结构参数的优化,首先基于多体动力学理论建立了某V12型曲轴的刚柔耦合多体动力学模型。基于模态贡献因子理论对曲轴动态特性进行分析,将前15阶模态缩聚为前5阶模态以减少计算规模,最大应力值的误差为0.9%,扭振角位移的误差为0.16%。利用BP(back propagation)神经网络建立了曲轴动静特性与结构参数之间的数学模型,进行了最大应力值和扭振角位移的线性回归,其输出响应的复相关系数都在0.95以上,表明此网络的泛化能力和预测性能都很好。对神经网络建立的数学模型使用遗传算法进行优化,优化后此曲轴的扭振角位移减小了2.63%,最大应力值减小了3.98%。结果表明神经网络结合遗传算法的优化方法对曲轴结构参数的动态特性和静态特性的联合优化能够满足设计预期,并且具有高效性和可行性。     

基于Hopfeild神经网络的油菜籽脱皮冷榨压榨系数识别

在油菜籽脱皮侧限排油一维冷榨试验基础上，采用半固态饱和物料和滤饼物料物理模型分别建立两个理论压榨比模型，运用Hopfeild神经网络方法识别压榨系数。识别结果表明：脱皮油菜籽在压力低于10 MPa段为半固态状饱和物理模型，在压力高于20 MPa段则为滤饼状物理模型，对整个压榨过程，采用分段计算物理模型可有效提高整体压榨模型精度。脱皮冷榨的压榨系数远小于未脱皮冷榨的压榨系数。     

基于HJ-CCD数据和随机森林算法的小麦叶面积指数反演

为给小麦长势的遥感监测提供技术支持,该文运用随机森林回归(RF,random forest)算法建立小麦叶面积指数(LAI)遥感反演模型。首先基于2010-2013年江苏地区小麦环境减灾卫星HJ-CCD的影像数据,提取拔节、孕穗和开花3个生育期的卫星植被指数,进而根据各生育期植被指数和相应实测LAI数据,利用RF算法构建各期小麦LAI反演模型,并以人工神经网络(ANN,artificial neural network)模型为参比模型进行预测精度的比较。结果表明:RF算法模型在3个生育期的预测结果均好于同期的ANN模型。拔节、孕穗和开花3个生育期RF模型预测值与地面实测值的R2分别为0.79,0.67和0.59,对应的RMSE分别为0.57,0.90和0.78;ANN模型的R2分别为0.67,0.31和0.30,对应的RMSE分别为0.82,1.94和1.43。该研究结果为提高大田尺度下的小麦LAI遥感预测精度提供了技术和方法。     

Neural network ensemble residual kriging application for spatial variability of soil properties

High quality, agricultural nutrient distribution maps are necessary for precision management, but depend on initial soil sample analyses and interpolation techniques. To examine the methodologies for and explore the capability of interpolating soil properties based on neural network ensemble residual kriging, a silage field at Hayes, Northern Ireland, UK, was selected for this study with all samples being split into independent training and validation data sets. The training data set, comprised of five soil properties: soil pH, soil available P, soil available K, soil available Mg and soil available S,was modeled for spatial variability using 1) neural network ensemble residual kriging, 2) neural network ensemble and 3) kriging with their accuracies being estimated by means of the validation data sets. Ordinary kriging of the residuals provided accurate local estimates, while final estimates were produced as a sum of the artificial neural network (ANN) ensemble estimates and the ordinary kriging estimates of the residuals. Compared to kriging and neural network ensemble,the neural network ensemble residual kriging achieved better or similar accuracy for predicting and estimating contour maps. Thus, the results demonstrated that ANN ensemble residual kriging was an efficient alternative to the conventional geo-statistical models that were usually used for interpolation of a data set in the soil science area.     

陕西关中灌区基层管理体制改革监测评价网络体系

系统介绍陕西省关中灌区基层管理体制改革监测评价网络体系的组成、运作程序，实施中存在的主要问题及改进意见，并总结了开展监测评价工作的经验。建立关中灌区管理体制改革监测评价网络系统，对指导与促进九大灌区基层管理体制改革工作的平稳而深入发展起到了积极的作用，而且有关建立监测评价网络体系的经验与做法，对中国各灌区开展此项工作均有一定的指导意义与参考价值。     

大田农业节水物联网技术应用现状与发展趋势

物联网技术与农业领域应用的结合是推动传统农业向现代农业转型升级的重要驱动力,农业节水是中国农业发展长期关注的重点。以物联网技术感知层、传输层、应用层架构为主线,针对大田主要粮食作物水分需求,总结物联网技术在大田农业节水关键环节中的应用发展现状以及存在的局限性,并在大数据、云计算等现代信息技术发展基础上,结合新时期互联网+战略,对物联网技术快速发展态势下农业节水技术、服务、模式的未来发展趋势进行探讨,提出技术向服务转变、决策向预测转变、微观向宏观转变的发展思路。     

基于物联网的生猪运动行为及猪舍环境远程监控系统

In intensive and large-scale livestock breeding, how to evaluate welfare of each individual effectively has become one hotspot of welfare breeding.In this study, a remote monitor system based on computer vision technology and wireless sensor networks was proposed.In the system, pig videos in the piggery were captured by IP cameras and transmitted remotely to PC systems for objects tracking and trajectory extraction, and the piggery environmental data such as temperature, humidity and harmful gases were collected by wireless sensor networks(WSN) nodes.Traditional Camshift tracking algorithm was improved.The average root mean square errors of traditional and improved algorithm were 78.07 and 32.29, indicating the improved algorithm reduced error and improved tracking stability.The results of the real-time monitoring of environmental parameters by WSN showed that the hydrogen and ammonia concentrations, and the ambient temperature were all kept in the normal range, while the carbon dioxide concentration was exceeded, and the air humidity was slightly high.Through data mining, precise welfare monitoring and breeding management were realized.     

基于物联网的内河小型渔船动态信息监控系统设计

为规范内河流域渔业生产秩序,保障渔船作业安全,该文设计了基于物联网的内河小型渔船动态信息监控系统。该系统集成了无线传感器网络、远程信息传输、远端后台监控等多种技术方法。其中,无线传感器网络主要用于获取包括渔船位置、电捕鱼违法监测信息和渔船超载检测信息等渔业现场数据。依靠Zig Bee技术,该网络实现了对不同类别传感器数据的汇聚、判断以及远程播发。远程信息传输是利用GPRS/GSM移动通信网络与互联网传输技术,实现了多渔船作业信息向后台监控中心的实时传输。后台渔政监控中心,具有渔船在电子地图上的识别与定位,渔业生产的实时监控以及渔政执法的决策辅助等功能。该系统经测试,可满足内河流域作业渔船在实时监管和安全保障等方面的需求,提高了农业渔政管理的水平。     

基于RAdam卷积神经网络的水稻生育期图像识别

为了解决现阶段水稻发育期信息的获取主要依靠人工观测的效率低、主观性强等问题,该研究提出一种基于Rectified Adam(RAdam)优化器的ResNet50卷积神经网络图像识别方法,开展水稻关键生育期的自动识别。连续2a对12块试验田的水稻物候特征进行持续自动拍摄,对采集的水稻图像进行预处理,得到水稻各发育期分类图像数据集;采用ExG因子和大津法(Otsu)算法相结合的方法对水稻图像分割,减小稻田背景干扰;对比分析了VGG16、VGG19、ResNet50和Inception v3四种模型下水稻生育期图像分级识别的性能,选取性能较优网络模型并进行了网络参数调优;对比试验了不同优化器下模型准确率和损失值的变化,选取了RAdam优化器。结果表明,采取基于RAdam优化器卷积神经网络构建的模型,在真实场景下分类识别准确率达到97.33%,网络稳定性高、收敛速度快,为水稻生育期自动化观测提供了有效方法。