基于矛盾解决理论与物质——场分析的实木地板节子识别新方法研究

针对传统区域生长方法识别实木地板节子存在准确率低且速度慢的问题,运用TRIZ中矛盾解决理论分析与物质——场分析,提出一种结合分水岭、区域生长以及边缘检测的新的实木地板节子识别算法。算法首先将原图像转换为灰度图像;其次,运用形态学分水岭的方法对灰度图像进行分割;再次,选取满足条件的种子区域进行区域生长,得到节子区域;最后,运用Sobel算子对图像进行梯度运算,并找到节子的边缘。仿真实验表明,该算法较传统方法能够找到更合适的种子区域和区域生长的阈值,实现了对节子的快速、完整提取,节子分割平均用时60ms,平均辨识准确率在90％以上。     

基于AHP-GABP的农业保险可持续发展评价

为了全面评价我国农业保险可持续发展水平,用改进的多子代遗传算法优化BP神经网络,并与层次分析法相结合建立基于AHP-GABP的农业保险可持续发展评估模型。结果表明,多子代遗传算法使子代种群规模提高1倍,增加了种群的内部竞争,更大限度地优化BP神经网络的收敛速度和预测精度。利用该模型对我国农业保险2004—2014年可持续发展水平进行评估,其结果与我国农业保险基本发展情况相符。该模型在我国农业保险可持续发展评估领域具有一定的应用价值。     

基于双路卷积神经网络的植物叶片识别模型

目的针对卷积神经网络识别植物叶片过程中，叶片边缘形状对卷积层的过度作用而导致相似边缘形状叶片识别错误的问题，提出了一种双路卷积神经网络的植物叶片识别模型。方法模型考虑了叶片信息的边缘形状与内部纹理特征，构建了双路卷积神经网路结构，其中形状特征路径运用7层卷积层的网络结构，前3层采用大尺寸11×11及5×5的卷积核提取大视野特征，完成叶片形状特征提取，另外4层卷积层采用3×3小尺寸卷积核提取叶片细节特征；纹理特征路径采用6个3×3卷积核的卷积层，提取叶片纹理图像细节特征；然后通过特征融合层将两类特征相加为融合特征，并利用全连接层对植物叶片种类进行识别。结果实验结果表明，双路卷积神经网络模型与单路卷积神经网络和图像处理分类识别模型相比，在Flavia叶片数据集与扩充植物叶片数据集上，Top-1识别准确率分别提高到了99.28%、97.31%，Top-3识别准确率分别提高到了99.97%、99.74%，标准差较其他识别与分类模型下降到0.18、0.20。结论本文提出的叶片识别模型能有效避免相似叶片边缘形状干扰而导致识别错误的问题，可以提高植物叶片的识别准确率。      

基于形态学重构的实木地板缺陷分割方法研究

针对传统区域生长方法中,由于噪声种子存在及种子点单步邻域搜索所导致的分割时间长、检测精度低的问题,提出基于形态学重构的实木地板在线缺陷分割方法。方法首先定义不同阈值下的两幅模版图像,其中低阈值图像用于种子优化,高阈值模版用作种子膨胀生长;通过定义腐蚀终止准则,完成低阈值图像下的缺陷骨架提取;运用"去毛刺"操作,最终实现缺陷骨架内的种子点优选;然后,运用测地膨胀,结合高阈值模版,完成板材缺陷区域的快速生长;最后,应用"孔洞填充"、"去毛刺"优化边缘,实现缺陷目标的提取。实验分别在像素512*512、256*256和128*128下进行,通过与传统区域生长方法的比较,表明方法实现了缺陷区域的准确分割,分割速度与精度能够满足地板在线分选要求。     

基于TRIZ理论汽车供应链核心企业的供应物流优化研究

汽车供应链核心企业的供应物流是整个供应链的源头,其管理的好坏直接影响着供应链的健康发展。为了提高竞争力及市场占有率,通过采用TRIZ理论中突破思维惯性的方法—九屏幕法对汽车供应链核心企业供应物流问题进行分析,运用最终理想解及TRIZ理论的抽取原理和机械系统替代原理找到优化供应物流的对策,即建立信息互动平台和采用第四方物流供应物流模式,同时运用最终理想解方法优化供应物流流程。     

基于多传感器融合的珍稀树木立体监测系统设计

针对现有的人员巡更存在的监管不力问题,基于物联网技术提出了一种多传感器融合的珍稀树木监测系统,采用温湿度传感器采集土壤水分与环境信息,融合热释红外传感器、震动与声音传感器实现防破坏保护;当周围环境发生异常时,控制模块与GPRS模块通信,完成现场情况的捕捉,并将图像发送至服务器;工作人员可以通过手机APP端获取树木周围的各项信息,实现对珍稀树木的立体式实时监测及保护功能。     

基于功能分析与TRIZ的林果采摘装置概念设计

传统的依赖于产品研发人员经验与灵感的设计方法已经无法满足使用者快速、高质量的功能需求。笔者提出将功能分析与TRIZ矛盾解决工具相结合的林果采摘装置概念设计方法,以采摘剪为例从功能角度加以分析,建立功能模型,挖掘其中的不足功能,应用39个通用工程参数和40条发明原理描述和解决问题功能,从而缩短研发时间,实现林果采摘创新设计。研究表明该方法在林果采摘装置设计过程中具有创新加强和有效性。     

一种适用于森林管理变量的并行模拟退火算法

针对森林经营管理的复杂性问题,通常以模拟实地的虚拟森林环境作为实验区,运用模拟退火算法工具运营管理森林。由于传统算法存在执行时间长、收敛速度慢等一系列缺点,本文展示了一种在线的并行模拟退火算法及其优化策略。在独立搜索与合作搜索策略下优化并行算法,独立搜索时,彼此线程间不进行通信,各个线程独立的运行各自的马尔科夫链,在各线程运行结束后,主线程再统一接收各自线程的局部优化解,经过比较进而得出全局最优解;合作搜索时,先通过若干步的退火步骤,线程根据情况产生2种退火链通信阶段:同步通信裢阶段和异步通信链阶段,实时更新结果。经过对比分析得出,串行模拟退火算法比并行算法的收敛速度快;并在Solomon提供的标准测试集上对并行算法的性能进行测试,分析进程数目对代价大体呈反比的趋势,在理论和实验上,表明并行策略可实现高效低成本的森林经营管理。     

小麦种肥同播节肥对比试验初报

为进一步探索小麦轻简化、机械化施肥方式,减少化肥用量,提高肥料利用率,特开展了小麦种肥同播节肥对比试验。结果表明:小麦种肥同播可以实现节肥增效,其中,种肥同播基施缓控释复合肥收益好,产投比高,适宜当地小麦生产。     

一种基于K-means与Close-Form融合的树木图像提取方法

基于图像的树木自动提取是其种类、长势、形态等信息智能化判别的基础,如何实现树木的自动、准确、快速提取是具有实用性的科学问题。在自然场景中,由于图像元素多样、颜色差异大,树木自身存在不规则性,树木提取难度非常大。针对现有的图像分割与图像抠图法在树木提取过程中分别存在的误分割与过程复杂所导致的计算量大的问题,提出了一种基于K-means聚类算法优化Close-Form图像抠图的树木提取方法。在少量的标记下,依据颜色线性假设进行最小化代价函数计算,得到图像透明度;对透明度图像依次进行中值滤波、高斯滤波,得到透明度的去噪图像;对滤波后透明度与标准化的图像绿色分量组成二维空间进行K-means二聚类,实现背景与前景对象的准确判定,进而完成自然背景的树木图像提取。为了验证所提方法在不同场景和不同标记下的树木提取有效性,设计了基于K-means图像分割和传统Close-Form抠图方法的比较性试验。结果表明,基于K-means优化Close-Form的树木提取方法解决了传统Close-Form算法在少量标记下图像前景、背景估计不准确问题,克服了图像分割存在的误分类情况,实现了不同自然环境和多目标树木对象的提取。此方法具有对象提取稳定、计算时间快的优点,相对原Close-Form算法用时减少49.98%。