基于改进K-means的农田湿度评估研究

在现代化农业生产中,常采用全自动化设备检测土壤湿度,然后对农田进行灌溉,但现有系统难以精确判断整个农田的湿度信息,当土壤湿度传感器出现设备故障后,会产生控制误差,导致整个系统崩溃.因此,结合土壤湿度传感器,Lora、NB-iot无线网络传输和微控制器处理等先进技术,设计了基于改进K-means的农田湿度评估系统.该系统不仅实现了在线评估农田方圆1 km内的湿度信息的功能,并且能够快速定位故障土壤湿度传感器,发出报警信息,并抛弃故障数据.最后,对湿度评估系统进行了大量的田间实验.结果表明,能快速定位故障传感器,测量的农田湿度信息相对误差都在5％以内,验证了此湿度评估系统的可行性.     

融合多头注意力的轻量级作物病虫害识别

【目的】解决当前病虫害识别方法参数多、计算量大、难以在边缘嵌入式设备部署的问题，实现农作物病虫害精准识别，提高农作物产量和品质。【方法】提出一种融合多头注意力的轻量级卷积网络(Multi-head attention to convolutional neural network,M2CNet)。M2CNet采用层级金字塔结构，首先，结合深度可分离残差和循环全连接残差构建局部捕获块，用来捕捉短距离信息；其次，结合全局子采样注意力和轻量级前馈网络构建轻量级全局捕获块，用来捕捉长距离信息。提出M2CNet-S/B/L 3个变体以满足不同的边缘部署需求。【结果】M2CNetS/B/L参数量分别为1.8M、3.5M和5.8M，计算量(Floating point operations,FLOPs)分别为0.23G、0.39G和0.60G。M2CNet-S/B/L对PlantVillage病害数据集取得了大于99.7%的Top5准确率和大于95.9%的Top1准确率，对IP102虫害数据集取得了大于88.4%的Top5准确率和大于67.0%的Top1准确率，且比同级别的模型表现优异。【结论】该方...