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。     

基于超星学习通的混合式教学模式应用研究——以发酵工程课程为例

为了提高发酵工程课程的教学质量和教学效果,针对发酵工程课程的内容和特点,将互联网+技术与教学相结合,进行了基于超星学习通平台的混合式线上线下教学方式的改革,结果表明:在增强了学生自主学习能力的同时,也促进了教师的自我提升。     

基于极化分解和集成学习的PolSAR影像分类

为实现Pol SAR数据极化信息的充分利用,以进一步改善分类效果,该研究提出了一种基于极化分解和集成学习的Pol SAR影像分类方法。该方法首先利用多种极化分解方法从Pol SAR影像中提取极化参数;将提取的极化参数组合成一幅多通道影像;然后对多通道影像进行分割和特征提取,分别提取出各目标极化分解方法所对应的特征;并进行特征选择和分类,得到各目标极化分解方法的分类结果;最后利用集成学习技术对各分类结果进行集成。该研究以吉林省长春市部分区域为研究区,Radarsat2影像为数据源,将提出的方法应用于土地覆被分类中,取得了较好的分类效果,总体精度和Kappa系数分别达到了92.49%和0.90。此外,该研究还将提出方法与其他基于多种极化分解的分类方法进行比较,对比方法的总体精度和Kappa系数分别为90.74%和0.88,比提出方法分别低1.75%和0.02,对比结果进一步证明了提出方法的优越性。     

基于实时性优化的内燃机燃烧分析系统研究

采用缸压传感器、数据采集卡、光电编码器和Lab VIEW软件,搭建在线缸压采集和实时燃烧分析系统平台,研究HCCI和RCCI燃烧模式的循环波动特性。针对单循环缸压测量过程中的通道效应干扰,基于频谱分析,采用FFT、线性插值法和IFFT等方法相结合的滤波方式,实现共振峰的在线自适应识别与实时滤波,较好地减少了单循环缸压的干扰误差,使单循环的实时燃烧分析成为可能。随后,基于实时滤波后的缸压曲线,计算得到内燃机的最大压力升高率、燃烧放热率、爆发压力等重要燃烧参数。利用程序算法中同步性良好的生产者/消费者运算模式提高数据的共享能力,实现了数据实时运算与数据快速储存的并行处理,提高了燃烧计算的实时性;针对发动机不同工作阶段采用了不同精度层次的计算方法,减少了进排气、压缩和膨胀阶段的计算耗时,在计算量较大的燃烧放热率计算部分,通过适当简化计算公式和公式节点运算模块来提高燃烧系统的实时性。最后,分析了燃烧分析系统的实时性,并进行了燃烧分析系统的实验验证。     

基于含水率与温度补偿的土壤pH值在线实时检测系统

针对目前常用土壤pH值传感器在测量过程中受土壤含水率和温度影响较大的问题,设计了带有温度、含水率补偿模型的锑电极土壤pH值在线实时检测系统。利用最小二乘法对pH值和测量结果进行线性分析,补偿土壤pH值测量误差。试验结果表明,经过补偿之后,由温度和含水率变化导致的pH值测量误差至少可降低84. 5%,pH值测量值随温度和含水率的变化幅度不超过±0. 1。与市场产品ZD-18型土壤酸度计、HYSWR-ARC-12V型土壤含水率传感器、水银温度计对比研究得出,3项指标线性拟合决定系数均达到0. 99以上。为了确保自然环境下土壤pH值测量的适用性,探索了系统在使用过程中土壤含水率的阈值与测量精度,表明在土壤体积含水率大于5%的情况下均可有效测量。试验表明,在pH值3. 06～10. 36范围之内,本系统可有效测量,检测误差为-1. 53%～3. 51%,满足土壤pH值实时在线测量要求。     

基于机器学习和环境因子的温室网纹甜瓜纹理特征的预测

为了对网纹甜瓜纹理特征进行定量预测,本文结合多个环境因子(基质含水量、温度、湿度、光合有效辐射),使用支持向量机(SVM)与随机森林(RF)多元回归分析方法,对基于灰度共生矩阵提取的4个果实表面纹理特征——对比度(contrast)、熵(entropy)、相关性(correlation)、角二阶矩(ASM)进行了预测。结果表明,纹理特征受环境影响敏感度依次为基质水分、光合有效辐射、空气湿度或有效积温。对比RF模型和SVR模型,发现在不同环境因子输入条件下,RF模型均优于SVM模型,其中输入全部环境因子后RF模型的预测精度最高,对比度、熵、角二阶矩的模拟精度均达到了0.90,分别为R~2=0.945(RMSE=0.243)、R~2=0.940(RMSE=0.235)、R~2=0.934(RMSE=0.248)。上述结果表明,RF模型对于网纹甜瓜纹理特征具有较好的预测结果,本研究结果可为温室网纹甜瓜栽培过程中的质量监控和栽培管理提供全新的思路。     

面向养殖水体分布差异的COD光谱法检测研究

面向养殖水体，传统光谱法对化学需氧量（Chemical Oxygen Demand，COD）检测模型构建的基础：源域（现有样本库）与目标域（检测地水体）间光谱数据独立同分布。但是当源域与目标域分布间存在差异时，由源域得到的低误差模型常在目标域上表现下滑。针对该问题，提出面向UV Vis光谱的域对抗训练网络（DAUVwpNet），将分布不同的源域和目标域数据映射至相同分布的特征空间中，使其在该空间的分布距离尽可能接近，从而在特征空间中对源域训练的目标函数也可以迁移至目标域上，以降低模型在目标域的误差。试验表明：面向同一批测试数据，DAUVwpNet的预测误差为0.78，要低于传统模型的预测误差（0.85）；DAUVwpNet预测值与实测值间相关系数为0.95，要高于传统模型的相关系数（0.89）。表明了该网络能够较好对齐两域特征空间数据分布，降低因分布差异带来的COD检测误差。     

输变电工程水土保持在线监测系统关键技术研究

[目的]研发一套集数据采集、存储、分析等功能的输变电工程水土保持在线监测系统,以提高水土保持监测工作质量和效率。[方法]以影响水土流失的气象因子(包含雨量、温度、湿度、风速、风向等)与土壤含水量作为研究对象,选择符合技术要求的传感器,将传统的水土保持监测设备与最新测试技术、计算机技术和通信技术相结合,初步集成研发了水土保持在线监测系统关键技术。[结果]经现场试运行验证,系统关键技术测试数据误差率小于5%,精确度和可靠性较高。系统运行状态稳定,软件用户界面操作简单且功能完善,采集和处理数据具有直观、准确、实时的优点。[结论]研制的输变电工程水土保持在线监测系统关键技术具有良好的稳定性和精确度,满足技术要求,可应用于输变电工程水土流失监测实践工作中。     

基于品牌效应的在线评论对稻米销量影响的实证研究

为探索品牌、在线评论与农产品销量之间的关系以及二者如何对农产品销量产生影响。利用网络爬虫技术和统计方法,基于品牌效应视角,扩展了采纳信息模型,并依据网络中采集的真实在线评论内容,从产品特征和评论特征两个角度出发对稻米农产品进行研究,构建了稻米销量的影响因素模型并运用实际数据分析得到验证。结果表明:评论数量与稻米销量显著相关,品牌强度、评论效价和评论时效度对于稻米销售具有显著的正向影响。此外,评论效价和评论时效度能够削弱品牌强度的作用,对弱势品牌稻米销量具有更为显著的影响。