采用双模态联合表征学习方法识别作物病害

基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广。该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet)。该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习。最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%。该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法。     

基于多分类器DS证据理论融合的水果识别研究

针对不同分类器对不同水果种类识别准确率的不均衡问题,提出一种基于多分类器DS证据理论融合的水果识别方法。该研究选择kaggle上fruits360数据集中的5种水果作为研究对象,首先对预处理后的5种水果图像的颜色、纹理、形状特征进行提取,分别选用BP神经网络、K均值、SVM三种分类器,结合被测图像在每种分类器上的识别结果和各个分类器对不同水果的分类准确率,构建基本概率函数(BPA函数),通过DS证据融合规则对分类器融合后对被测图像进行识别。试验结果表明:该方法对5种水果的识别平均准确率为95.2%,总体标准偏差为0.02993,在提高单分类器识别准确率的同时,解决了分类器对各种水果识别的不均衡问题。对10组测试集识别的平均准确率为93.5%,总体标准偏差为0.055,该方法对水果种类的识别更准确和稳定。     

基于LCA与AVC的乡村景观特征识别与评价研究 ——以潜山市黄铺村为例

对乡村景观进行特征识别及景观评价,可以更好地了解乡村景观特征及资源,找出乡村景观资源发展的优劣,实现其特色化发展.该研究运用地理信息系统对乡村景观进行特征识别,绘制乡村景观特征分区图,再基于AVC理论构建乡村景观综合评价体系,运用定量和定性相结合的方法确定指标分值,得到综合评价结果,并以潜山市黄铺村为例,进行了较为完整的景观特征识别与综合评价研究.结果表明,黄铺村具备良好的乡村旅游条件,其社会吸引力和环境承载力较高,但经济生命力相对较低,有待进一步提升.研究结果可为黄铺村景观评价及制定有针对性的乡村规划提供科学依据.     

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。     

变电站带负荷多点无线同步向量测试方法的研究与实现

介绍在相位伏安表的基础上,研制数字无线传输方式的模数转换装置,能够多点同步测量二次三相电压、三相电流及任意点之间的相位,解决现场试验工作中存在的试验电缆过长所引起的问题;同时还能够实现抗干扰高精度模数转换,能够在严酷的电磁干扰现场,较宽地输入范围内实现保证精度的幅值和相位测量。带负荷测试时能够以统一的电压基准,多点同步测量,测量结果统一合成向量图,直接显示,方便判别,提高效率。     

无线局域网与农业信息化

近年来,随着时代的发展、科技的进步,网络化已成为各行业的趋势,作为一个传统的农业大国,我国的农业信息化处于起步阶段,研究结合无线局域网这一技术来探讨如何提升农业信息化,特别是农业生产信息化的程度。     

用于作物表型信息边缘计算采集的认知无线传感器网络分簇路由算法

随着无线终端数量的快速增长和多媒体图像等高带宽传输业务需求的增加，农业物联网相关领域可预见地会出现无线频谱资源紧缺问题。针对基于传统物联网的作物表型信息采集系统中存在由于节点密集部署导致数据传输过程容易出现频谱竞争、数据拥堵的现象以及固定电池的网络由于能耗不均衡引起监测周期缩减等诸多问题，本研究建立了一个认知无线传感器网络（CRSN）作物表型信息采集模型，并针对模型提出一种引入边缘计算机制的动态频谱和能耗均衡（DSEB）的事件驱动分簇路由算法。算法包括：（1）动态频谱感知分簇，采用层次聚类算法结合频谱感知获取的可用信道、节点间的距离、剩余能量和邻居节点度为相似度对被监控区域内的节点进行聚类分簇并选取簇头，构建分簇拓扑的过程对各分簇大小的均衡性引入奖励和惩罚因子，提升网络各分簇平均频谱利用率；（2）融入边缘计算的事件触发数据路由，根据构建的分簇拓扑结构，将待检测各区域变化异常表型信息触发事件以簇内汇聚和簇间中继交替迭代方式转发至汇聚节点，簇内汇聚包括直传和簇内中继，簇间中继包括主网关节点和次网关节点-主网关节点两种情况；（3）基于频谱变化和通信服务质量（QoS）的自适应重新分簇：基于主用户行为变化引起的可用信道改变，或分簇效果不佳对通信服务质量产生的干扰，触发CRSN进行自适应重新分簇。此外，本研究还提出了一种新的能耗均衡策略去能量消耗中心化（假设sink为中心），即在网关或簇头节点选取计算式中引入与节点到sink的距离成正比的权重系数。算法仿真结果表明，与采用K-medoid分簇和能量感知的事件驱动分簇(ERP)路由方案相比，在CRSN节点数为定值的前提下，基于DSEB的分簇路由算法在网络生存期与能效等方面均具有一定的改进；在主用户节点数为定值时，所提算法比其它两种算法具有更高频谱利用率。     

基于DSP和单片机的实时变量喷药系统设计

为防治玉米农田杂草危害,设计了一种基于DSP识别和单片机控制的杂草实时变量喷药系统。数字信号处理器(DSP)实时数据处理能力强,单片机控制能力强。DSP作为喷药系统上位机图像处理模块的CPU,对田间玉米杂草图像实时采集、处理,分离出杂草,生成杂草位置信息表,发送给作为系统下位机控制模块CPU的单片机;单片机通过电磁阀控制6个喷头的开闭实现精准变量喷药。田间试验表明:系统在室外田间复杂情况下可以满足实时精准喷药要求,在作业机械速度为4km/h时,喷药精确度可以达到91.4%。     

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。     

智能甘蔗预切种工作站结构设计与切种精度分析

为提升甘蔗预切种种植的机械化程度,提高甘蔗预切种效率,降低蔗芽损失率,减少人工劳动强度,自主设计开发集甘蔗输送、蔗节智能识别、多刀协同切种等流程于一体的智能甘蔗预切种工作站,实现甘蔗自动协同切种工作。介绍智能甘蔗预切种工作站的输送系统、蔗节识别以及多刀数控协同切种等关键部件的结构设计及工作原理,重点对输送速度和黑箱照度对识别精度的影响,以及多刀切割工作台的定位精度等进行综合的分析。对拍照黑箱的识别精度试验研究表明,甘蔗横向传送速度和光照平均照度对蔗节识别精度具有显著影响,当甘蔗传送速度为0.1 m/s,光照平均照度为430.7 Lux时,识别精度较好,蔗节识别误差小于1.7 mm。通过对切种平台的定位精度试验分析,试验表明:6个移动切种工作台的横向直线移动运动的定位精度误差小于1.5 mm,重复定位误差为±0.2 mm;切种精度的综合误差小于3.4 mm,蔗节的相对综合误差小于5.67%,达到设计的预期目标,实现甘蔗智能横向多刀切种的功能。