基于改进VGG卷积神经网络的棉花病害识别模型

为实现自然条件下棉花病害图像准确分类,提出基于改进VGG-16卷积神经网络的病害识别模型。该模型在VGG-16网络模型基础上,优化全连接层层数,并用6标签SoftMax分类器替换原有VGG-16网络中的SoftMax分类器,优化了模型结构和参数,通过微型迁移学习共享预训练模型中卷积层与池化层的权值参数。从构建的棉花病害图像库中随机抽取病害图像样本作为训练集和测试集,用以测试该方法的性能。试验结果表明:该模型能有效提取出棉花病害叶片图像的多层特征图像,并通过Relu激活函数的处理更能凸显棉花病害的边缘信息与纹理信息,分辨率为512像素×512像素图像在样本训练与验证试验效果最好。在平均识别准确率方面,本研究模型较BP神经网络、支持向量机、AlexNET、GoogleNET、VGG-16NET效果最好,达到89.51%,实现对棉花的褐斑病、炭疽病、黄萎病、枯萎病、轮纹病、正常叶片的准确区分。该模型在棉花病害识别领域具备良好的分类性能,可实现自然条件下棉花病害的准确识别。     

基于IMU的细粒度奶牛行为判别

针对奶牛行为判别自动化水平不足、准确率低的问题,采用惯性测量单元(IMU)和卷积神经网络(CNN),对细粒度奶牛行为判别进行研究.结果表明:1)在KNN、SVM、BPNN、CNN和LSTM 5个模型中,CNN模型在奶牛行为分类测试集上的准确率最高.2)含有三轴加速度计、陀螺仪和磁力计的IMU更加适用于奶牛行为分类,其分...     

奶牛跛行自动识别技术研究现状与挑战

奶牛跛行是奶牛发生肢蹄病的外在表现。人工识别跛行奶牛存在效率低、成本高、主观性强等问题。奶业对奶牛跛行自动识别技术需求日益强烈。本文从机器视觉技术、压力分布测量技术、可穿戴技术、行为分析技术和跛行分类技术5个方面，分析了奶牛跛行自动识别技术的原理、功能、特点及研究现状。总结发现，当前奶牛跛行自动识别技术研究大多集中在传感器研发和算法开发，而性能验证和决策支持的研究较少，面临的主要挑战包括高质量跛行识别数据获取难度大，缺乏早期跛行识别技术手段，奶牛个体差异干扰模型识别精度，牧场非结构化环境对识别系统性能要求高，以及技术应用效果难评估等。因此，为促进奶牛跛行自动识别技术的发展，建议推动牧场跛行监测数据共享，研究奶牛个体跛行判别模型的构建方法，开发融合跛行检测、体况评分等多功能的一体化智能通道，并分析评价跛行自动识别技术应用在保障动物福利、环境生态、粮食安全等方面的重要意义。     

我国果菜类蔬菜生产与流通形势分析

正以黄瓜、番茄和茄子为研究对象,综合运用统计数据和调研数据,对我国果菜类蔬菜生产供给、成本收益和流通价格等情况进行了深入分析。发现:近年来我国果菜类蔬菜种植面积、产量有所增加,但仍以分散、小规模生产为主;生产从业人员老龄化日益严重,人工和租地费用刚性增长,生产总成本明显增加,利润率降低;市场流通半径较大,环节过多,流通成本较高;价格总体明显上涨,波动幅度不断增大。基于此,提出加强科技研发、开展市场综合调控、加强信息预警、促进产销对接等政策建议。     

便携式叶绿素计的设计与性能测试

作物生产过程中,缺氮会导致减产,而过度使用氮肥会导致资源浪费和地下水污染.合理施用氮肥是当前的研究热点,利用叶绿素计指导施氮肥有着快速方便无损的优点,国内外学者在利用SPAD-502叶绿素计指导作物施肥这方面开展了大量研究工作.为此,根据叶绿素含量相对值SPAD值的模型,设计了一款便携式叶绿素计.同时,详细介绍了这款便携式叶绿素计的光路设计、电路设计和机械设计并进行了田间验证试验.试验结果表明,这款便携式叶绿素计样机可以用于测量作物叶片SPAD叶绿素相对含量值,并可用于指导田间氮肥的施用.     

基于高斯混合-隐马尔科夫融合算法识别奶牛步态时相

奶牛步态时相是反映奶牛健康及跛行严重程度的重要指标。为准确自动识别奶牛步态时相,本研究提出一种融合高斯混合模型 （Gaussian Mixture Model,GMM） 和隐马尔科夫模型 （Hidden Markov Model,HMM）的无监督学习奶牛步态时相识别算法 GMM-HMM。使用惯性测量单元采集奶牛后肢加速度和角速度信号,通过卡尔曼滤波消除噪声,筛选并提取特征值,构建GMM-HMM模型,实现奶牛静立相、连续步态中的站立相和摆动相等3种步态时相的自动识别。结果表明,静立相识别的准确率、召回率和F₁分别为89.28%、90.95%和90.91%,连续步态中的站立相识别的准确率、召回率和F₁分别为91.55%、86.71%和89.06%,连续步态中的摆动相识别的准确率、召回率和F₁分别为86.67%、91.51%和89.03%。奶牛步态分割的准确率为91.67%,相较于基于事件的峰值检测法和动态时间规整算法准确率分别提高了4.23%和1.1%。本研究可为下一步基于穿戴式步态分析的奶牛跛行特征提取提供技术参考。     

2017年马铃薯市场形势分析及2018年前景展望

2017年我国马铃薯市场具有春薯价格同比下跌幅度大、总体价格水平低、波动异常等3个显著特点。预计2018年马铃薯市场价格仍然延续＂涨-跌-涨＂的＂N型＂走势,出现平年的可能性较大,不会出现大起大落的情况。值得关注的是：我国马铃薯产业存在基础设施薄弱、生产和加工环节脱节、主食化进程滞后、加工废弃物污染严重等突出问题。     

改进自适应分水岭方法分割棉花叶部粘连病斑

针对棉花叶部病斑相互之间存在粘连问题,该文提出了一种自适应分水岭分割方法。该方法在H-minima分水岭分割方法基础上,结合最小二乘圆法误差理论,对图像中每个连通分量进行最小二乘圆拟合,并计算最小二乘圆误差值,通过最小二乘圆误差值大小判断每个连通分量的轮廓不规则度,针对不同轮廓不规则度确定H-minima变换的极小值阈值,根据不同极小值阈值实现棉花叶部粘连病斑的分水岭分割。不同数量粘连病斑分割试验结果表明:该方法实现了棉花叶部粘连病斑数量从2个粘连至5个粘连病斑的自动分割,分割准确率为91.25%,平均运行时间为0.088 s。不同分割方法对比结果显示:该方法能实现对棉花轮纹病、褐斑病、炭疽病、叶斑病和棉铃疫病共5种病害的粘连病斑自动分割,并将距离分水岭分割方法、梯度分水岭分割方法、标记分水岭分割方法、Chan-Vese方法、高斯混合方法与该文方法比较,正确分割率分别为67.8%、36.4%、83.7%、70.3%、82.1%、93.5%,该方法优于其他5种分割方法,有效抑制了过分割问题;在复杂背景、光照不均匀、病斑大小不一致等复杂条件下,该文方法也能较好地实现粘连病斑的分割。该方法不仅能对棉花叶部粘连病斑自动分割,也能为其他作物叶片粘连病斑分割提供参考。     

台风对近期蔬菜价格的影响及后市分析

2019年台风"利奇马"过境中国,给中国东部沿海六省(市)带来了大风和强降雨。针对台风对蔬菜价格的影响问题,在调研基础上阐述了台风"利奇马"的总体影响情况,分别从台风重灾区、北京市场和全国市场等角度分析了"利奇马"对蔬菜市场的影响,剖析了台风对山东寿光蔬菜生产供应造成的影响。最后,研判了后期蔬菜市场价格走势,提出了异常天气的风险防范措施和政策建议,以保障蔬菜的充足供应。