采用混合生物地理学算法的番茄种植规划研究

为解决番茄酱产季原料供应不均衡问题,在构建番茄种植规划的数学模型基础上,提出采用生物地理学算法对番茄种植规划模型的求解。利用余弦迁移模型、干扰迁移算子和基于高斯分布的变异算子对BBO算法进行适当改进,并与差分进化算法的变异算子结合,以增强生物地理学算法的全局搜索性能。以新疆某番茄酱厂为例对番茄种植规划问题进行计算,结果表明:采用该算法获得的种植方案能实现番茄原料产量与番茄酱厂生产能力之间的平衡。仿真结果验证了番茄种植规划数学模型的合理性。在求解番茄种植规划问题上,与其他智能优化算法相比,该算法具有较好的收敛性。     

投影寻踪模型在水稻灌溉制度评价中的应用

优化水稻灌溉制度是解决粮食安全与水资源短缺两大紧迫问题的关键。从水稻灌溉制度评价方法研究出发,针对传统的水稻灌溉制度评价中指标权重赋值客观性差的问题,提出了基于粒子群优化投影寻踪模型的水稻灌溉制度评价方法,该方法通过对水稻主要生育阶段的多个状态变量建立投影寻踪模型并优化投影方向,从而根据状态变量在最佳投影方向线型投影得到的投影值大小进行水稻灌溉制度的综合评价,避免了专家赋权的人为干扰。选取水稻分蘖及灌浆2个重要生育阶段,分别建立模型并对4种灌溉模式进行综合评价,其评判结果与实际相符,验证了该方法的准确性与可行性。     

高效降解胆固醇乳酸菌的选育及其应用效果研究

随着生活水平的提高，胆固醇摄入过量带来的高脂血症、冠心病、动脉硬化等心血管疾病已经严重危害到人体健康。食物胆固醇被认为是继农药残留和激素之后又一个令消费者恐慌的危险因子。如何减少胆固醇摄入量，降低血液胆固醇水平的研究越来越受到关注。目前脱除食品中胆固醇主要有3种方法：物理法、化学法和生物法。     

影响豆酸乳质量的关键因素研究

豆酸乳是以豆浆、鲜奶、白砂糖或豆浆、白砂糖为原料,经保加利亚乳杆菌和嗜热链球菌发酵而成的一种高蛋白、低脂肪营养饮品.但是目前豆酸乳的生产仅处于研究阶段,还没进行大规模的工业生产.本文基于豆酸乳生产中存在的问题,选择了影响豆酸乳质量的几个主要因素,分别采用干热处理、微波处理、热水浸泡处理和碱水湿热处理对大豆进行灭酶去腥,采用滤纸法测定豆酸乳固形物含量,NaOH滴定法测定酸度,感官评定法评定产品的质量.目的在于研究豆酸乳的改良工艺,通过改善其风味和质构特性提高消费者对豆酸乳的可接受性,促进酸豆乳的商品化.     

高效同化胆固醇的乳酸菌菌株的筛选及应用

心血管疾病是目前引起人们死亡的主要杀手,并且其患病率和死亡率仍呈逐年上升的趋势.血清中高胆固醇含量被认为是诱发高血压、冠心病等众多心血管疾病的重要因素.     

变速恒频风力发电机数学模型及控制策略研究

本研究分析了当前风力发电机的控制方式及存在的问题,给出了新型变速恒频风力发电机在二相同步旋转坐标系下的数学模型,并在此基础上利用矢量控制达到对定子有功功率和无功功率的解耦控制.     

基于状态转移算法优化的投影寻踪病虫害预测模型

为解决新疆加工番茄病虫害预测问题中样本数据的非线性和高维性等问题,采用投影寻踪回归模型对加工番茄病虫害预测进行研究。根据新疆某种植基地的样本数据,将投影寻踪回归模型与改进状态转移算法结合,建立了改进状态转移算法优化的基于Hermite多项式的投影寻踪病虫害预测模型。投影寻踪病虫害预测模型将高维的数据投影到低维空间,利用加入正交变换的状态转移算法优化得到投影方向和多项式系数。试验结果表明,利用该模型对新疆某种植基地2003—2008年的样本数据训练效果误差0.2,等级预测达到完全正确;对2009—2011年的病虫害等级预测准确率95%。基于改进状态转移算法的Hermite投影寻踪回归模型可靠性及预测精度很高,能有效的解决病虫害预测中存在的数据非线性、高维性等实际难题。该模型应用于加工番茄病虫害的预测具有一定的可行性和实用性。     

基于深度可分离卷积的实时农业图像逐像素分类研究

【目的】为了提高作物和杂草的识别准确率和实时性,以苗期甜菜田间彩色图像为研究对象,提出了基于深度可分离卷积的实时农业图像逐像素分类方法。【方法】本研究使用由农业机器人采集的苗期甜菜田间彩色图像,通过人工逐像素标注方法将彩色图像中各个像素点标注为作物、杂草、土壤3个类别,并将单一类别的标注信息分别置于3个不同的图像通道,构成用于训练和测试的数据集。首先,建立以编码器-解码器为基础的深度可分离卷积神经网络模型,将编码器部分和解码器部分进行多尺度合并,由编码器部分决定像素位置,解码器部分获得像素分类;然后,为了解决分类类别覆盖率不平衡的问题,通过单通道标注信息训练,提高了低覆盖率分类类别的准确率,再将多个训练结果输出,实现对图像中的土壤、杂草、作物的识别;为了控制网络参数规模,采用宽度乘数控制点卷积核的个数,同时在不同分辨率输入条件下对网络模型进一步测试,以讨论网络模型的实时性。最后,使用随机数据增强技术扩充数据集,数据集中的80%用于网络参数的训练,20%用于测试网络性能。【结果】(1)通过与已有逐像素分类方法比较,本文方法获得较高的分类准确率。其中,SegNet方法逐像素分类的平均准确率为90.06%,U-Net方法平均准确率为92.06%,三通道标记训练的本文网络平均准确率为92.70%,单通道标记训练的本文网络平均准确率达94.99%。(2)通过计算不同方法单一类别逐像素分类的各项指标,论证了本文提出的单通道标注信息训练方法在处理分类类别覆盖率不平衡和训练样本较少情况下的优势。对杂草逐像素分类的准确率,SegNet方法为18.39%,U-Net方法为18.33%,三通道标记训练的本文网络为22.87%,单通道标记训练的本文网络准确率达41.94%。(3)通过宽度乘数可以有效控制网络模型的参数规模,当宽度乘数为1时,参数尺寸为676.8万,当宽度乘数为0.1时,参数尺寸降低到7.72万,是原始网络参数规模的1.14%,对土壤、杂草、作物的逐像素分类准确率分别仅降低2.81%、2.78%、3.7%,按照识别精度需求参数规模还可以进一步减小。(4)在输入分辨率和宽度乘数的共同作用下,讨论了网络的实时处理能力。采用GPU硬件加速对3个类别同时识别的速率可达20 fps,对单一类别识别速率达60 fps。可满足农业除草系统和作物监测系统实时在线运行。【结论】本文所提出的基于深度可分离卷积的逐像素分类方法,能对农业图像中的土壤、杂草、作物实施有效逐像素分类,同时该方法能对单一类别逐像素分类进行实时处理,满足实际系统的应用需求。     

基于迁移学习的番茄叶片病害图像分类

针对卷积神经网络对番茄病害识别需训练参数较多,训练非常耗时的问题,将迁移学习应用于AlexNet卷积神经网络,对病害叶片和健康叶片共10种类别的番茄叶片进行分类研究。使用14 529张番茄叶片病害图像,随机选择70%作为训练集,30%作为验证集,对AlexNet卷积神经网络模型结构进行迁移,利用在Imagenet图像数据集上训练成熟的AlexNet模型和其参数对番茄叶片病害识别。在训练过程中,固定低层网络参数不变,微调高层网络参数,将番茄病害图像输入到网络中训练网络高层参数,用训练好的模型对10种类别的番茄叶片分类,并进行了20组试验。结果表明:该算法在训练迭代474次时使网络模型很好的收敛,网络对验证集的测试平均准确率达到95.62%,与从零开始训练的AlexNet卷积神经网络相比,本研究算法缩短了训练时间,平均准确率提高了5.6%。采用迁移学习所建立的病害分类模型能够对10种类别的番茄叶片病害快速准确地分类。