基于PLS_GA_Elman算法的病虫害预测

针对农业中虫害受多种复杂因素的影响及发生量预测问题非线性、样本少、特征变量多的特点,结合偏最小二乘回归（PLS）、遗传算法（GA）与Elman神经网络,建立了虫害发生量的PLS_GA_Elman预测模型。通过PLS回归算法对影响因素进行特征提取后,将降维变量输入Elman模型,并运用GA对Elman建模中的权值和阀值进行优化。通过实例分析表明该模型预测准确性高,能有效地预测虫害的发生量。同时为验证算法的有效性,与PLS算法、Elman神经网络算法、基于GA的Elman神经网络算法（GA_Elman）、基于GA的BP神经网络算法(GA_BP)进行比较。     

基于最小错误率贝叶斯决策的苹果图像分割

为了实现苹果分级完全自动化，对苹果图像的分割进行了研究。依据最小错误率贝叶斯决策理论，提出了一种基于最小错误率贝叶斯决策的图像分割方法。从图像的直方图中估计出服从正态分布的不同类别参数，对图像中每一像素点进行不同类别判断。通过对多幅图像试验，取得良好的分割结果。试验结果表明，该方法无须滤波而具有良好的抑制噪声的能力，在图像分割中是一种可行的方法。     

基于嵌入式的害虫计数及温湿度采集

随着嵌入式技术在农业的广泛应用,利用嵌入式、传感器、物联网等技术,将现代技术和传统农业相结合,能够简化农业工作以及完成更加细致的研究。虫害一直是影响农作物产量的重要因素,对于虫害的预防和监测是农业的重要课题。本文设计一种基于嵌入式的软硬件系统,旨在精确计数害虫数量,记录温度、湿度,供研究人员远程查看,并且可将历史数据导出为进一步研究提供素材。     

粘虫板害虫自动识别计数研究

针对人工统计黄色粘虫板上害虫数量费时费力的问题,在自适应去除粘虫板背景的基础上,融合颜色空间矩和图像几何形态,完成害虫特征的量化,采用加权决策的方法来识别害虫,构建害虫自动识别计数系统。以米蛾(Corcyra cephalonica)为例,经测试,该系统对黄色粘虫板上米蛾的识别结果与人工统计结果相对误差在7%,能够有效实现对粘虫板上害虫数量的自动统计。