基于部分亲和场的行走奶牛骨架提取模型

在奶牛关键点预测的基础上,通过点、线重构奶牛骨架结构,可为奶牛跛行检测、发情行为分析、运动量估测等提供重要参考。本研究基于部分亲和场,以养殖场监控摄像头拍摄的视频为原始数据,使用1 600幅图像训练了奶牛骨架提取模型,实现了奶牛站立、行走状态下关键点信息和部分亲和场信息的预测,并通过最优匹配连接对奶牛骨架结构进行准确提取。为了验证该模型的性能,采用包含干扰因素的100幅单目标奶牛和100幅双目标奶牛图像进行了测试。结果表明,该模型对单目标行走奶牛骨架提取的置信度为78.90%,双目标行走奶牛骨架提取的置信度较单目标下降了10.96个百分点。计算了不同关键点相似性(Object keypoint similarity,OKS)下的模型准确率,当OKS为0.75时,骨架提取准确率为93.40%,召回率为94.20%,说明该模型具有较高的准确率。该方法可以提取视频中奶牛骨架,在无遮挡时具有高置信度和低漏检率,当遮挡严重时置信度有所下降。该模型的单目标和双目标图像帧处理速度分别为3.30、3.20 f/s,基本相同。本研究可为多目标奶牛骨架提取提供参考。     

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。     

基于SOA的水轮机调速系统PID参数优化

针对现有优化方法复杂、易陷入局部最优等问题,为水轮机调速系统提出了一种基于人群搜索算法的比例-积分-微分控制参数优化方法.为验证该算法的可行性,建立了水轮机调速系统非线性模型,选取水轮发电机组转速偏差的积分时间绝对误差指标作为目标函数进行优化.为验证优化结果的有效性,将人群搜索算法的控制效果与参考文献中粒子群算法的控制效果进行了对比分析.仿真结果表明,在5%频率扰动下,人群搜索算法自第29次迭代起已收敛,经其优化的系统能在8秒内趋于稳定,此时系统的超调量为1.6%;在10%负荷扰动下,人群搜索算法自第25次迭代起已收敛,其优化效果与粒子群算法优化效果基本相同,两者均在10秒内让系统趋于稳定,但人群搜索算法优化的积分时间绝对误差指标比粒子群算法优化的积分时间绝对误差指标小,表明人群搜索算法具有更好的搜索功能,在一定程度上改善了孤网运行条件下机组的动态性能.     

信息与计算科学专业《数据结构》教学实践与思考

结合信息与计算科学专业设置,本文分析了数据结构课程教学现状,从整合教学内容、设置教学梯度和完善教学手段等方面进行研究与探索。本课题针对交叉学科的特点强调学以致用和知识的融会贯通,搭建了开放的专题学习平台,提高了学生的自主学习和研究能力,初步取得了较好的教学效果,为数据结构课程的教学改革提供了参考。     

Detection of Ecballium elaterium in hedgerow olive orchards using a low-cost uncrewed aerial vehicle and open-source algorithms

BACKGROUND

Ecballium elaterium (common name: squirting cucumber) is an emerging weed problem in hedgerow or superintensive olive groves under no tillage. It colonizes the inter-row area infesting the natural or sown cover crops, and is considered a hard-to-control weed. Research in other woody crops has shown E. elaterium has a patchy distribution, which makes this weed susceptible to design a site-specific control strategy only addressed to E. elaterium patches. Therefore, the aim of this work was to develop a methodology based on the analysis of imagery acquired with an uncrewed aerial vehicle (UAV) to detect and map E. elaterium infestations in hedgerow olive orchards.

RESULTS

The study was conducted in two superintensive olive orchards, and the images were taken using a UAV equipped with an RGB sensor. Flights were conducted on two dates: in May, when there were various weeds infesting the orchard, and in September, when E. elaterium was the only infesting weed. UAV-orthomosaics in the first scenario were classified using random forest models, and the orthomosaics from September with E. elaterium as the only weed, were analyzed using an unsupervised algorithm. In both cases, the overall accuracies were over 0.85, and the producer's accuracies for E. elaterium ranged between 0.74 and 1.00.

CONCLUSION

These results allow the design of a site-specific and efficient herbicide control protocol which would represent a step forward in sustainable weed management. The development of these algorithms in free and open-source software fosters their application in small and medium farms. © 2022 The Authors. Pest Management Science published by John Wiley & Sons Ltd on behalf of Society of Chemical Industry.     

动态车辆路径问题研究综述

指出了动态车辆路径问题是运筹学和组合优化领域的前沿研究方向,研究动态车辆路径问题具有重要的理论和现实意义。阐述了动态车辆问题（DVRP）,根据动态信息的特征将动态车辆路径问题分为随机车辆路径问题（SVRP）和模糊车辆路径问题（FVRP）。从动态车辆路径问题的建模、算法和仿真优化三个方面分析了其研究成果,对现有研究的不足进行了探讨,提出了动态车辆路径问题的进一步研究方向。     

基于IL-HMMs预测模型的地下水埋深预测研究

以西北干旱典型县域磴口县为研究区,基于增量学习的改进隐马尔可夫预测模型(IL-HMMs),对区域地下水埋深进行了预测研究。为检验IL-HMMs模型预测效果,将模型预测结果与2013年长观井的实测数据进行了比较;同时为检验模型的优劣性,与未经增量学习的隐马尔可夫模型(HMMs)、加权马尔可夫链(WMCP)和BP神经网络(BP neural network,BPNN)预测模型的预测结果进行了比较。结果表明:与其他几种预测模型相比,IL-HMMs模型预测精度显著提高,误差更小,有较好的鲁棒性。并使用IL-HMMs模型对2018年地下水埋深进行了预测,预测结果表明,2018年地下水年平均埋深略有增加、局部区域地下水埋深增量加剧。基于IL-HMMs模型的地下水埋深预测具有很好稳定性的同时对新数据加入又有很好的鲁棒性,可为地下水埋深动态预测提供思路与方法补充,为区域地下水资源开发利用和保护提供重要依据。     

3-P(4S)并联机构分析与多目标性能优化

针对3-P(4S)并联平台,首先对其进行了位置反解,提出了由BP神经网络和拟Newton法相结合的混合数值法,并以此对机构进行了位置正解,求解精度可达到10-8数量级,求解时间在20 ms内。然后通过对位置解求导可得到机构动平台和分支杆件的速度和加速度。根据运动学分析的结果,应用牛顿欧拉方法构建该机构的动力学模型,并对机构的数值算例进行了动力学仿真验证。最后综合考虑机构的动力学性能、刚度性能和速度性能,分别推导了其评价指标,并应用改进的加权求和法对该机构进行多目标的尺寸优化。通过多目标的尺寸优化,该机构的动力学性能和速度性能提升了2倍,刚度性能提升了3倍。     

基于蚁群算法的六自由度采摘机器人轨迹规划研究

在现代农业生产中,果蔬采摘作业复杂而繁重,采摘机器人在作业过程中常常需要经历成千上万个果蔬采摘点,面对这样巨大的工作量,采摘机器人移动路径规划显得非常重要。为此,以采摘机器人运动轨迹为研究对象,以其运动轨迹总长最短为研究目标,针对机器人各关节机构运动速度变化情况及机器人运动特性,利用基本蚁群原理对六自由度采摘机器人的路径进行规划。实验结果表明:所设计的采摘机器人轨迹优化技术不但路径优化能力强、运动轨迹平滑,还具有可靠性强及稳定性好的优点。