基于部首嵌入和注意力机制的病虫害命名实体识别

为了解决农业病虫害命名实体识别过程中存在的内在语义信息缺失、局部上下文特征易被忽略和捕获长距离依赖能力不足等问题，以农业病虫害文本为研究对象，提出一种基于部首嵌入和注意力机制的农业病虫害命名实体识别模型(Chinese agricultural diseases and pests named entity recognition with joint radical embedding and self attention, RS-ADP)。首先，该模型将部首嵌入集成到字符嵌入中作为输入，用以丰富语义信息。其中，针对部首嵌入设计了3种特征提取策略，即卷积神经网络(Convolutional neural network, CNN)、双向长短时记忆网络(Bidirectional long short term memory network, BiLSTM) 和CNN-BiLSTM；其次，采用多层不同窗口尺寸的CNNs层提取不同尺度的局部上下文信息；然后，在BiLSTM提取全局序列特征的基础上，采用自注意力机制进一步增强模型提取更长距离依赖的能力；最后，采用条件随机场(Conditional random field, CRF)联合识别实体边界和划分实体类别。在包含11个类别和24715条标注样本的农业病虫害自制语料上进行了实验。结果表明，本文模型RS-ADP在该数据集上精确率、召回率和F1值分别为94.16%、94.47%和94.32%；在具体实体类别上，RS-ADP在作物、病害、虫害等易识别实体上F1值高达95.81%、97.76%和97.23%。同时，RS-ADP在草害、病原等难以识别实体上F1值仍保持86%以上。实验结果表明，本文所提模型能够有效识别农业病虫害命名实体，其识别精度优于其他模型，且具有一定的泛化性。     

基于R2U-Net和空洞卷积的羊后腿分割目标肌肉区识别

针对前处理工序造成的羊肉智能精细分割目标肌肉区图像识别准确度低的问题，以羊后腿自动去骨分割工序为研究对象，提出一种基于R2U-Net和紧凑空洞卷积的羊后腿分割目标肌肉区识别方法。对传统的U-Net语义分割网络进行改进，以U-Net为骨架网络，采用残差循环卷积块替换原始U-Net的特征编码模块和解码模块中的卷积块以避免U-Net的梯度消失，在特征编码模块和特征解码模块之间增加一个紧凑的四分支空洞卷积模块对语义特征进行多尺度编码，实现缝匠肌图像分割模型的构建。一方面，针对缝匠肌这一核心目标肌肉区，采集羊后腿图像构建数据集训练与测试本文模型，以验证该方法的准确性与实时性；另一方面，通过旋量法标定夹爪坐标系、相机点云坐标系、机器人坐标系的齐次变换矩阵以计算分割路径，并采用主动柔顺的力/位混合控制方法操纵分割机器人进行目标切削运动，验证基于本文方法得到的目标图像开展目标肌肉分割的可行性。相关试验结果表明：当交并比为0.8588时，本文方法平均精确度为0.9820，优于R2U-Net的(0.8324，0.9775)；单样本检测时间平均为82ms，说明本文方法可快速、准确分割出缝匠肌图像，满足机器人自主分割系统的实时性要求，优于U-Net、R2U-Net、AttU-Net算法。最后，在本文方法得到的缝匠肌图像基础上开展机器人实机分割试验，机器人对5条羊后腿的平均切削时间为7.9s，平均偏移距离为4.36mm，最大偏移距离不大于5.9mm，满足羊后腿去骨分割的精度要求。     

基于计算机的木材特征提取和分类识别技术研究综述

木材由于内部结构和组成成分的差异，使不同种类木材表现出完全不同的理化性质，并决定其不同的用途和商业价格，因此针对木材的分类识别研究具有重要的应用价值。木材分类识别通常经过木材特征提取和基于特征的分类识别这2个步骤。目前木材特征提取主要利用计算机视觉、光谱分析等技术。木材分类识别是基于木材特征的数字化，这一部分可利用计算机算法实现自动识别，较以往人工识别可大幅提高准确度。文中通过分析近20年来木材特征提取和分类识别的相关文献，介绍各种基于计算机的木材特征提取与分类识别技术的特点及适用范围，并结合计算机技术的发展方向探讨木材特征提取与分类识别技术的发展趋势，以期为构建更准确的木材分类识别技术提供参考。     

基于显著性增强和迁移学习的鱼类识别研究

针对水下鱼类无法快速准确识别的难点,提出一种具有图像主体自动增强功能的鱼类迁移学习方法。该方法将鱼类RGB图像转换至Lab颜色空间后,利用中央周边算子计算得到整个输入图像的显著性值,进而提供鱼类目标的潜在区域,并结合GrabCut算法获取鱼类分割图像,最终将融合分割图的原始图像送入优化后的残差网络中进行训练。通过对23种鱼类进行识别试验,结果显示,固定ImageNet数据集上ResNet-50预训练模型的conv1层和conv2层参数,微调高层参数的方法能够取得最好的识别效果,且在公开的Fish4Knowledge数据集上,该模型取得了最高的识别准确率,平均识别精度达到99.63%。与其他卷积神经网络方法的对比结果显示,本方法在Fish4Knowledge和Fish30Image数据集上的识别精度和时间性能均具有较大优势,其中识别准确率至少提升4.98%。多个数据集上的试验验证了模型的有效性。     

新型高效智能便携式梨果采摘装置的研制

研究和制作一款基于自由变化高低分离及高清视觉定位捕捉的悬挂果高效采摘装置,适用于果树密集、全地形便携高效的采摘工作。主要包括悬挂果采摘机械特性研究、新型百变自由伸缩分离的悬挂果采摘臂的数学分析和机构制作、视觉定位机构、悬挂果定位影像识别技术、剪切机构的研究能通过自由百变伸缩机械臂实现高空和低空的悬挂果的采摘,结合高清影像识别和无线控制技术,能根据果实的大小、颜色、成熟度等属性,选择性采摘并对其进行分类、分级,实现果实的高效采摘,同时不损伤果树,实验表明能大大降低人工劳动强度。     

基于BP神经网络对薇甘菊预处理方法的选取

以入侵植物薇甘菊高光谱图像为研究对象,基于4种预处理方法对薇甘菊高光谱图像进行降低噪声处理,分别研究了基于主成分分析的特征提取方法和基于BP神经网络的分类模型,筛选出薇甘菊高光谱识别的最优预处理方法,以实现薇甘菊的快速准确识别。结果显示,预处理方法为一阶、二阶微分的识别率分别为81.2%和76.92%;标准正态变量变换(SNV)和一阶微分+SG平滑的识别率分别为89.74%和87.18%。多次试验得到基于SNV预处理方法的识别率最稳定,即得到最优预处理方法为SNV。     

水果甜玉米选育方法探讨

针对目前市场受欢迎的水果甜玉米特点探讨品种选育方向和方法。根据品种选育目标和基础材料,提出二环系选系、群体轮回选系、回交转育选系和单倍体选系等方法,结合选系材料的栽培要求以及自交系的组配模式进行分析,建议以优质早熟矮秆温带品种为基础选系材料,融入亚热带和热带种质改良其适应性,通过以温×温、温×亚热、温×热或双杂优模式进行组配,选育综合性状优良的水果甜玉米新品种。     

考虑水文变异的水库生态流量研究

为探讨水文变异对生态流量影响,确定最佳水库生态流量推求方法,针对尼尔基水库生态问题,采用Mann-kendall突变检测法、滑动T检验法和有序聚类法,结合序号总和理论和Spearman相关系数计算对水文时间序列作综合识别,确定水库发生水文变异年份为1963年和1999年。利用NGPRP法和逐月频率年内展布计算法分别计算天然状态、次天然状态、现状和不考虑水文变异条件下最小生态流量和适宜生态流量。参考Tennant法评价结果表明水库生态系统退化主要受人类扰动影响,观察次天然状态和不考虑变异状态下生态径流过程,最小生态流量占多年平均流量百分数相差9.21%和1.70%,适宜生态流量相差3.04%和1.47%。研究应更多考虑次天然生态径流过程,其最小生态流量仅可作为生态流量下限。     

农业资源多维优化配置思路研究

采取生态循环型生命周期-系统论的方法,利用多维地理信息技术,搭建由农业资源多维评价、农业多维区划、农业多维规划、农业项目多维可行性研究、农业多维规划/农业项目多维可行性研究实施、多维后评估、农业多维区划/农业多维规划方案调整优化、农业资源优化配置等组成的农业资源多维优化配置信息化共享管理平台,遵循系统性、市场导向、降低成本、劳动地域分工、比较优势、因地制宜和集约化发展与高效保护七大原则,以促进传统农业资源配置转型升级、实现农业资源高效持续配置和实现农业资源可持续利用为目标,构建宏观系统化的农业资源多维优化配置思路。