基于卷积神经网络的拖拉机工况识别

农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。     

基于声振信号对称极坐标图像的苹果霉心病早期检测

为实现苹果早期霉心病较高精度的检测，该研究采用对称极坐标法（Symmetrized Dot Pattern，SDP）将苹果声振信号变换为雪花图，然后采用AlexNet、VGG16和ResNet50卷积神经网络以迁移学习方式深度挖掘SDP雪花图像的特征信息，将其输入到支持向量机（Support Vector Machine，SVM）分类器，对霉心程度≤7%的苹果进行检测。研究结果表明，当时间间隔系数为25和角度放大因子为50°时，健康果与早期霉心果声振信号的SDP图形状特征差异最大，在此条件下获取的SDP图经卷积神经网络AlexNet、VGG16和ResNet50提取特征并构建了不同核函数的SVM霉心果检测模型，在各类SVM模型中，ResNet50-SVM-gaus（高斯基）模型用相对较少的训练时间和参数量可取得训练集霉心果较高分类准确率，经超参数优化训练该模型对健康果和早期霉心果测试集不平衡样本（10∶1）的总体分类准确率达到96.97%，平均查准率、平均查全率、平均加权调和均值、Kappa系数和马修斯相关系数值分别为80.19%、90.36%、86.21%，82.54%和82.68%，该模型不仅对多数类的健康果保持较高分类准确率，而且对少数类的早期霉心果也具有较高判别能力。这些研究结果为声振法应用于果蔬内部病害的早期在线检测系统研发提供了技术支撑。     

乡村振兴战略下高素质农民支持政策的演变及完善方向

乡村振兴战略在全国范围内大力开展,高素质农民成为乡村振兴的骨干力量,培育壮大高素质农民成为一项重要的战略工作.为满足我国农业强、农村美、农民富全面实现需要,我国出台了一系列农村人才队伍建设支持政策,大体经历了初步提出阶段、力度加大阶段、逐步深化阶段.系统梳理了不同阶段内对高素质农民支持政策的演变,认为成为高素质农民本身具有一定的条件,同时,高素质农民的培育壮大需要一定的制度创新和支持政策以及特定的外部环境作为保障.总体来看,我国高素质农民在现阶段仍面临着质量与数量的双重挑战.在此基础上,提出了完善高素质农民政策的重点方向.     

农户关联对特色农业种植农户支持度的影响

为研究村民关系对特色农业种植农户支持度的影响,本文以甘肃省武威市凉州区为例,运用李克特量表法进行实地调研,采用结构方程模型构建了农户关联和农户支持测量维度体系,并度量了农户关联对特色农业种植农户支持度的影响,以期提升农户对特色农业的种植,增加农户收入。结果表明：(1)将农户关联维度划分为情感关联、认知关联、经济关联和行动关联,将农户支持度分为农户决策支持、行动支持和效益支持具有一定的理论意义。(2)农户关联对特色农业种植农户支持度的影响有显著的正相关关系,农户关联的高低决定了特色农业种植农户支持度的大小。     

基于PCA-SVR模型的中国CO_2排放量预测研究

CO_2排放量预测可以为我国大气环境治理及区域可持续发展提供决策支持。论文构建了一个基于主成分分析(PCA)和支持向量回归(SVR)的中国CO_2排放量组合预测模型,以固定资本消耗、耗电量、石油消耗量、国家消费支出、居民最终收入、国内生产总值、总人口七个与CO_2排放相关的社会经济指标作为输入变量,CO_2排放量作为目标预测变量。PCA-SVR模型的预测结果为平均绝对百分误差(MAPE)达到0.0812,均方根误差(RMSE)是0.90,显著小于其他模型误差。同时应用PCA-SVR组合模型对中国2016年至2021年的CO_2排放量进行预测,结果显示未来五年我国CO_2排放量将在99.5亿吨到280.1亿吨浮动,而我国"十三五"末2020年的CO_2排放总量控制目标是105亿吨,在预测范围的下限附近。因此,有必要加大政策实施力度,进一步控制工业和居民生活的CO_2排放量,才能实现我们国家制定的105亿排放目标。     

生菜叶片镉含量高光谱预测模型

为了实现无损检测生菜叶片中重金属镉的含量，以高光谱技术为研究手段，研究一种基于高光谱技术的精确、快速和有效检测生菜中重金属镉含量的方法。首先，使用高光谱图像采集系统获取生菜高光谱图像，并提取光谱数据，对提取出的光谱数据采用连续投影算法（SPA）和基于权重回归系数的特征选择算法进行特征提取，建立预测生菜叶片中镉含量的最小二乘支持向量回归（LSSVR）模型。结果表明:SPA-LSSVR模型性能最佳，其中预测集决定系数为0.927 3，均方根误差为0.093 mg/kg。因此，利用高光谱技术结合SPA-LSSVR模型对生菜叶片中重金属镉含量进行预测是可行的，可为实际应用提供技术支持和参考。      

农发行出台专项政策 大力支持生猪生产

日前,农发行印发《关于进一步加大生猪生产信贷支持力度的通知》,进一步明确支持生猪产业发展的工作要求和差异化信贷政策,全力支持生猪产业尽快恢复生产。《通知》提出,农发行2020年全行生猪产业贷款新增100亿元以上,力争在6月底前完成全年任务,并对各省级分行任务完成情况进行考核。     

基于变分模态分解-BA-LSSVM算法的配电网短期负荷预测

配电台区日负荷序列呈现为既包含变化趋势、又含有波动细节的不规则曲线,该文借助变分模态分解(variational mode decomposition,VMD)将包含这些信息的原始日负荷序列分解为不同频率尺度的子序列,并结合一系列复杂的环境因素,分别利用不同的最小二乘支持向量机(least squares support vector machine,LSSVM)模型进行负荷预测,最后将基于不同频率分量的预测结果相加得到最终的日负荷预测结果。为了提高LSSVM预测能力,采用蝙蝠算法(bat algorithm,BA)对各LSSVM的参数进行寻优,同时,该文分析了影响负荷变化的环境因素,设计了一套因素归一化方法,预测过程考虑了环境因素的影响。仿真结果表明,该文提出的考虑复杂环境因素的预测思想及对历史日负荷进行VMD分解、BA优化、LSSVM预测的组合预测方法能有效提高短期日负荷预测的准确性。     

支持柱直径对紫萼龙吐珠形态特征和生物量分配的影响

【目的】研究支持柱直径对紫萼龙吐珠(Clerodendrum speciosum)形态特征和生物量分配的影响,为其在城市园林垂直绿化中的快速攀援提供理论依据。【方法】以紫萼龙吐珠1年生扦插苗为试验材料,采用完全随机区组设计,设置3种直径支持柱(8,16,24mm竹竿)处理,并以无支持柱为对照(CK),分析不同直径支持柱下植株的生长动态、形态特征、生物量分配及表型可塑性指数的变化规律。【结果】(1)直径8mm支持柱上植株主茎长、节间长和叶片数均增长较快;直径16mm支持柱上紫萼龙吐珠具有较高的自主螺旋缠绕能力,且植株通过增加叶片数和主茎长提高自主攀援能力;直径24mm支持柱上植株的叶柄长和分枝节间长显著大于16mm支持柱上的植株(P0.05),自主缠绕情况较差的植株通过增加分枝的比茎长和比叶柄长、伸长节间等方式进一步搜寻外界支持物。(2)无支持柱组植株的根冠比显著大于有支持柱的植株(P0.05),显示支持柱的存在使植株的生物量更多地分配到地上部分的枝和叶;当植株攀援外界支持柱的扭转率下降时,植株分配更多的生物量到地上部分的分枝茎和叶柄上。(3)紫萼龙吐珠在主茎水平上具有较强的形态可塑性;而在其分枝水平上,植株主要通过改变生物量的分配来适应不同的外界支持物条件。【结论】紫萼龙吐珠对不同直径支持柱表现出较强的形态和生物量可塑性,在园林实践中选取直径为8~16mm的支持柱供其攀援更为合适。     

基于太赫兹衰减全反射技术的花生霉变程度判别

为了能够可靠、快速、便捷地检测花生仁不同程度的霉变,研究了一种基于太赫兹时域光谱技术、分别结合误差反向传播(Back propagation,BP)神经网络算法与支持向量机算法(Support vector machine,SVM)的霉变花生定性分析方法。为排除不同样本带来的偶然性,实验随机采集花育36号、鲁花9号两个花生品种进行霉变培养。依据花生的感官特征与前人的研究经验,将花生分为正常、轻度霉变、中度霉变与严重霉变4类,采用太赫兹衰减全反射技术采集花生仁样本光谱(波段0. 3～3. 6 THz)。利用傅里叶变换方法对时域光谱信号进行频域变换并进行加窗处理,然后对所得频域信号进行光学常数吸光度与吸收系数的提取,得到样本的光学常数信号,并进行特征波段筛选。在此基础上分别建立BP神经网络定性分析模型与SVM定性分析模型。实验表明,BP神经网络模型对花育36号花生霉变模型的预测集识别正确率为88. 57%,对鲁花9号花生霉变模型的预测集识别正确率为91. 40%;Lib-SVM模型对两个品种花生霉变的二分类模型、3类霉变花生的三分类模型的预测集识别正确率均为100%。应用太赫兹时域光谱技术结合SVM算法检测霉变花生仁效果良好,具有一定的可行性。