基于视觉和激光融合的林区采育目标识别方法

提出一种基于视觉和激光融合的林区采育机作业目标识别方法。在数据融合的基础上,运用惯性单元信息对激光数据进行修正,并应用差分算法提取独立目标点云簇的九种特征。提出高维模糊支持向量机(FSVM-HIGH)识别模型,并对林区环境的采育目标进行分类。结果表明,FSVM-HIGH对树木、行人、岩石三种目标识别的平均正确率达到93%;与传统识别模型相比,该算法对林区采育目标均具有较好的识别效果,特别是对树木目标的综合正确识别率高达91.79%,能够帮助操作人员快速准确地判断作业环境信息。     

基于区块链的粮油食品全供应链信息安全管理原型系统

粮油食品供应链具有全生命周期长、环节复杂、危害物种类多、信息多源异构等特点。基于区块链技术构建了一种新型的粮油食品供应链信息安全管理模型,研究并提出适用于粮油食品供应链的双模数据存储机制和管理供应链信息的智能合约,以保证信息存储和传输的安全可靠。在此基础上,基于Hyperledger Fabric设计了一种粮油食品全供应链信息安全管理原型系统,该系统能够实现粮油食品全供应链信息采集、查询、监控、追溯等功能,并通过具体的应用案例进行了验证和分析。     

基于多流高斯概率融合网络的病虫害细粒度识别

为解决由于现有深度迁移学习无法有效匹配实际农业场景部署应用,而导致大规模、多类别、细粒度的病虫害辨识准确低、泛化鲁棒差等问题,该研究利用农业物联网中多种设备终端获取12.2万张181类病虫害图像,并提出了基于多流概率融合网络MPFN(Multi-stream Gaussian Probability Fusion Network)的病虫害细粒度识别模型。该模型设计多流深度网络并行的细粒度特征提取层,挖掘可区分细微差异的不同级别局部特征表达,经过局部描述特征聚合层和高斯概率融合层的整合优化,发挥多模型融合信息互补及置信耦合的优势,既可以有效区分不同类病虫害的种间微小差异,又可容忍同类病虫害种内明显差异干扰。对比试验表明,该研究MPFN模型对各类病虫害的平均识别准确率达到93.18%,性能优于其他粗粒度及细粒度深度学习方法;而平均单张处理时间为61ms,能够满足农业生产实践中物联网各终端病虫害细粒度图像识别需求,可为智能化病虫害预警防控提供技术应用参考,进而为保障农作物产量和品质安全提供基础。     

区块链驱动的稻米供应链信息监管模型研究

针对稻米供应链业务主体复杂、信息流转冗长、数据利用率低、监管覆盖性差等问题,构建了区块链驱动的稻米供应链信息监管模型,并进行系统化实现。首先,对稻米供应链信息流转特性进行分析,梳理并提炼供应链各业务环节主体及关键信息;然后,以区块链驱动构建稻米供应链信息监管模型,设计隐私数据分级加密存储模式和定制化业务逻辑监管智能合约;最后,基于Hyperledger Fabric开源框架,构建并实现稻米供应链信息监管原型系统,并以湖南省常德市某粮油企业为例,进行了应用案例实证分析。结果表明,构建的稻米供应链信息监管模型及原型系统能够解决稻米供应链数据隐私加密、安全存储及权限管理等问题,实现供应链信息互联互通和有效监管。本研究可为粮油质量安全监管提供一种可行的应用方法。     

家禽新城疫和禽流感的综合防治

目前,国内禽类疾病近85种,其中传染病占85%,营养代谢病、中毒病等占15%,在传染病中由病毒引发的占到80%,细菌及寄生虫引发的占到20%,而病毒病主要是新城疫（ND）、禽流感（AI）、传染性支气管炎（IB）病毒等危害较严重。据报道,新城疫的发病率为40%~45%,禽流感为30%~35%,