小型多功能旋转割刀式割草机设计

旋转割刀式割草机是草坪割草作业最常用的工具,为了提高割草机的自动化作业水平,对手推式旋转割刀式割草机进行了改进,将神经网络PID控制器引入到了割草机控制系统的设计上,使其具有自主导航、自动反馈调节、自我诊断等多种功能,有效地提高了割草机的自动化和智能化水平,以及作业质量和作业效率。为了验证方案的可行性,对多功能旋刀式割草机器人的性能进行了测试,结果表明:采用神经网络PID系统后,割草机具有更快的响应速度,对作业区域的准确识别率和自主沿着规划路径行走的精度也有所提高,可以满足割草机自动化作业的设计需求。     

基于启发式Johnson算法优化BP神经网络的水产养殖产量预测模型

针对水产养殖产量预测难的现状,提出一种基于启发式Johnson算法优化的反向传播神经网络(BPNN)的产量预测模型。该模型在传统BP神经网络的基础上,针对网络训练时间长、易陷入局部最优的问题,通过启发式Johnson算法降低输入神经元维度,再结合试凑法确定神经网络隐层个数,构建启发式Johnson反向传播神经网络(HJA-BPNN)学习预测模型。实验结果表明,该模型在山东省对虾海水养殖产量预测中,预测的均方根误差小于传统BP神经网络和GM(1,1),且学习效率相比传统BP神经网络有所提升。研究表明,该学习预测模型在大量历史数据的模型构造上有更大的优势,能够缩短建模时间,同时获得良好的预测效果,为水产养殖产量预测提供了一种可行的新方法。     

基于STM32的仔猪智能恒温保育箱的设计

通过对仔猪保育期内温度数据的分析,采用理论分析和试验研究相结合的方法,设计出一套恒温保育箱控制系统。系统以STM32为主控芯片,根据温度传感器采集的信息,通过神经网络算法驱动执行机构工作,实现温度恒温控制,同时可在上位机实时动态显示温度变化曲线,便于对温度的监控和分析。     

基于神经网络的东南太平洋茎柔鱼渔场预报模型的建立及解释

东南太平洋秘鲁茎柔鱼(Dosidicus gigas)是我国鱿钓船的重要捕捞对象。准确预报中心渔场是提高渔业生产能力的重要内容。本文根据2006~2009年我国远洋船队东南太平洋秘鲁茎柔鱼生产统计数据(月份、经度、纬度)及遥感获得的表温、Nio 3.4区海表温度异常、海面高度资料,利用反向传播(EBP)神经网络建立秘鲁茎柔鱼中心渔场预报模型。在此基础上,尝试使用神经网络解释图(neural interpretation diagram)、自变量相关(independent variable relevance)、灵敏度分析(sensitivity analyses)三种方法解释EBP模型权重,推断东南太平洋茎柔鱼中心渔场形成的主要影响因子。结果认为,影响中心渔场的3个主要影响因子为Nio 3.4区海表温度异常、表温和纬度,其贡献率分别为28.95%、22.1%和19.68%。利用EBP神经网络建立的预报模型不仅在预报精度上达到要求,而且能够很好地解释秘鲁茎柔鱼中心渔场的形成机制。     

基于深度学习的大豆生长期叶片缺素症状检测方法

为了检测作物叶片缺素,提出了一种基于神经网络的大豆叶片缺素视觉检测方法。在对大豆缺素叶片进行特征分析后,采用深度学习技术,利用Mask R-CNN模型对固定摄像头采集的叶片图像进行分割,以去除背景特征,并利用VGG16模型进行缺素分类。首先通过摄像头采集水培大豆叶片图像,对大豆叶片图像进行人工标记,建立大豆叶片图像分割任务的训练集和测试集,通过预训练确定模型的初始参数,并使用较低的学习率训练Mask RCNN模型,训练后的模型在测试集上对背景遮挡的大豆单叶片和多叶片分割的马修斯相关系数分别达到了0.847和0.788。通过预训练确定模型的初始参数,使用训练全连接层的方法训练VGG16模型,训练的模型在测试集上的分类准确率为89.42%。通过将特征明显的叶片归类为两类缺氮特征和4类缺磷特征,分析讨论了模型的不足之处。本文算法检测一幅100万像素的图像平均运行时间为0.8 s,且对复杂背景下大豆叶片缺素分类有较好的检测效果,可为农业自动化生产中植株缺素情况估计提供技术支持。     

基于改进B样条神经网络-PID控制器的温室温度控制技术

针对温室温度控制系统所存在的大惯性、非线性等问题,提出神经网络PID控制算法,并利用知识局部存储且具有较快学习速度的B样条函数作为网络隐层神经元函数,同时,提出了β参数型-B样条曲线的重新参数化方法,通过学习算法对β参数搜索来动态调节B样条基函数,从而建立B-BP神经网络,并利用其对PID控制器的比例、积分和微分参数进行优化调整,从而为B-BP-PID控制器的参数自适应调整提供更好的保证,使温度控制系统有效跟踪系统模型并达到较高的辨识精度。仿真试验获得B-BP-PID控制器的最佳β因子为3.2,其温度控制超调量为27%,调节时间为0.8 s,而BP-PID控制器的超调量为25%,调节时间为4.8 s,RBF-PID控制器的超调量为40%,调节时间为1.2 s,新算法有效提高了温度控制过程的稳定性、精确性与鲁棒性。     

基于迁移学习和改进残差神经网络的黄瓜叶部病害识别方法

针对在黄瓜叶部病害识别过程中使用传统卷积神经网络存在模型训练时间长、识别准确率低等问题，提出一种迁移学习和改进残差神经网络相结合的方法对黄瓜叶部病害进行识别。首先对数据集图像进行预处理，将数据集划分为训练集和测试集；然后对传统残差神经网络进行改进；最后使用迁移学习的方式对网络模型进行训练。利用该研究方法对不同的黄瓜叶部病害进行识别试验，结果表明该方法具有较高的识别准确率，可为其他作物的识别方法研究提供参考。      

基于CNN的冰糖橙分级系统

为了提高冰糖橙的产业竞争力和效益,在售前对其进行分级是一道重要的工序。针对传统的冰糖橙表面缺陷分级方法存在工作繁琐且受人为因素干扰大的问题,本研究设计了一种将卷积神经网络(Convolutional Neural Networks,CNN)算法与虚拟仪器技术相结合的冰糖橙表面缺陷智能分级系统,并基于LabVIEW2018平台设计开发了一套冰糖橙分级系统。通过实验验证,该系统识别率达96.67%,验证了该分级方法和分级系统的有效性和可行性。     

足球过人战术在采摘机器人路径规划中的应用

随着人口老龄化的到来及农村青壮年的流失,实现农业生产自动化的需求越发迫切。采摘具有劳动强度大、技能要求高的特点,是发展自动化的核心领域。为此,以测距传感器作为检测元件,设计了采摘机器人的行走机构及路径规划系统。路径规划系统采用4层模糊神经网络架构,采用足球过人战术建立避障规则和目标导引规则。采用梯度下降法对神经网络进行训练,通过调整连接权系数ω_(li)、高斯隶属函数中心值c_(jk)及宽度值σ_(jk),使实际输出向输出期望快速逼近,当满足阀值要求时,输出机器人速度V和转角Δa。仿真实验结果表明:系统具有良好的路径规划精度,且结构简单、生产成本低,适于大范围推广。