基于跨深度学习模型的作物病害检测方法

作物病害叶片症状是病害类型识别的依据,与作物病害发生相关的环境信息是作物病害预测的依据。由于病害叶片症状和环境信息的复杂多样性,使很多作物病害检测方法的准确率不高。针对大田作物病害检测难题,提出一种基于卷积神经网络(convolutional neural networks,简称CNN)和双向长短时记忆网络(BiLSTM)相结合的跨深度学习模型的作物病害检测方法。首先,利用CNN提取作物病害叶片图像的分类特征,利用BiLSTM提取病害发生的环境信息的特征;然后,利用注意力机制对2种特征进行融合;最后,利用Softmax分类器进行病害检测。在作物病害相关数据库上进行试验,识别准确率为92.35%。结果表明,该方法优于传统的病害检测方法和基于长短时记忆神经网络(LSTM)的检测方法。该方法能够准确检测出作物病害,有助于提高大田作物病害检测系统的准确率和鲁棒性。     

长白山红松阔叶林的净碳交换变化及基于时间卷积神经网络的模拟

【目的】分析长白山红松阔叶林净生态系统碳交换量（NEE）的季节性差异及其气象因子响应,在月尺度下揭示气象因子对NEE的动态影响,为调节研究地区的碳收支提供理论指导。同时研究时间卷积神经网络在森林生态系统净碳交换模拟中的应用,探索NEE模拟的新方法。【方法】基于长白山温带红松阔叶林通量观测站2007—2010年间的30 min观测数据,分析NEE和输入模型的5种气象因子的季节性差异,并分析5种气象因子与NEE的相关性。使用随机森林模型,计算影响NEE的各因子重要性得分,选择得分较高的5种气象因子：潜热通量、显热通量、冠层上方空气湿度、冠层上方水汽压和净辐射作为NEE模拟的输入;分别构建基于时间卷积神经网络（TCN）、长短期记忆网络（LSTM）、人工神经网络（ANN）、支持向量回归（SVR）和极限学习机（ELM）的5种NEE模型,采用决定系数（R²）、平均绝对误差（MAE）和均方根误差（RMSE）评价模型的预测精度和稳定性。【结果】长白山温带红松阔叶林通量观测站NEE全年总量为-74.777 3 gCO₂·m^-2a^...     

智能控制技术在农业工程中的应用

论述了智能控制技术对现代化的农业工程的支持作用 ,介绍了目前已开发应用于农业生产和环境管理方面的农业专家系统的主要功能 ,并结合生产实例从人工神经网络与模糊逻辑控制、智能实时监控、智能机械和智能机器人等方面综述了智能控制技术在农业工程中的应用。     

神经网络驱动性模糊推理模型及其算法

首先建立神经网络驱动性模糊推理模型，然后建立推理系统和算法步骤，最后给出预报数值数据的仿真实验。     

基于BP网络的无林地立地质量评价模型研究

以薄山林场大岭林区马尾松Masson pine人工林为研究对象，在用单形地位指数BP模型确定本试验区的马尾松人工林地位指数模型的基础上。再次运用BP神经网络建模技术构建立地因子与地位指数关系的模型，以对无林地立地质量进行评价，结果反映所建的BP神经网络模型能较好地对无林地的立地质量进行评价。与Richards生长函数的比较结果表明，Richards生长函数的平均拟合精度为95．19％，平均预测精度为94．32％；BP模型的平均拟合精度为95．66％，平均预测精度为96．02％。与多元回归模型的比较结果表明，多元回归模型的平均预测精度为73．47％，BP模型的平均预测精度为86．06％。     

基于进化神经网络的火灾后混凝土强度评估

高温后混凝土强度的评估是判断受火建筑的结构损伤程度、剩余承载力的重要依据，设计了一个进化神经网络模型。用遗传算法优化RBF网络的连接权和网络结构，并将其应用于火灾后混凝土强度的评估，介绍了混凝土立方试块经受不同火温后进行回弹测试混凝土强度的方法．经实验测试和仿真分析证明．所提出的进化算法用于RBF神经网络优化比基于聚类法的RBF网络具有更高的识别精度．     

利用电子舌识别炒青绿茶的等级

[目的]为了运用电子舌技术检测茶叶的品质。[方法]以4个等级的炒青为研究对象,应用法国-αASTREE电子舌检测装置并辅以模式识别对茶叶的质量进行评估,利用反向神经网络(BP-ANN)建立了判别模型,并通过主成分分析对一些参数进行优化。[结果]当提取5个主成分因子来建立模型时,模型对不同等级的茶叶识别率均达到100%。[结论]电子舌技术简单快速、成本低廉,能对茶叶加工、生产过程进行监控并实现快速分级,在茶叶质量的评价上具有很大潜力。     

中国区域农村经济发展水平的数量化评价与分类研究

在Matlab7.0平台下,构建了基于减法聚类的模糊神经网络评价模型,依据6个评价指标对中国31个省(市、区)的农村经济发展水平进行了综合评价.结果表明,发展水平高于研究单元平均水平的有上海、北京、天津、浙江等12个省(市、区),低于平均发展水平的有19个省(市、区);上海市发展水平最高,北京市次之,贵州省最低.根据评价结果,应用FCM聚类法,将其发展水平分为5个层次:第一、二层次为以上海市为代表的东部7省(市),第三层次为以山东为代表的东部4省和中、西部3省(区),第四层次为以黑龙江为代表的中部7省和西部2省(市),第五层次为西部8省(区).其发展水平具有明显的地域联系和分异特征,总体格局为东部高、中西部低,东部与中、西部之间差异明显,中、西部间的差异不大.     

基于BP神经网络的农村用电量预测的研究

农村用电量预测是县级供电部门的重要工作之一，其受国民生产总值和上年度用电量的影响，具有一定的随机性。利用BP神经网络建立了农村用电量预测模型。通过应用实例分析表明，预测结果和实际结果有很好的一致性。     

基于遥感信息估测森林的生物量

采用小兴安岭南坡TM图像和232块森林资源一类清查样地数据构建多元回归方程和神经网络模型，用以估测该地区森林生物量，选取环境因子，生物因子和遥感信息在内的13个自变量计算出回归方程的R^2=0．7125，并通过了相关检验，在对独立样地估测中，人工神经网络模型估测的平均精度为90．61％，基于回归方程估测有助于阐明森林生物量与遥感信息之间的内在机理；神经网络技术使高精度估测成为可能。