基于CNN的小麦籽粒完整性图像检测系统

为了快速、准确识别小麦籽粒的完整粒和破损粒,设计了基于卷积神经网络(CNN)的小麦籽粒完整性图像检测系统,并成功应用于实际检测中。采集完整粒和破损粒两类小麦籽粒图像,对图像进行分割、滤波等处理后,建立单粒小麦的图像数据库和形态特征数据库。采用LeNet-5、AlexNet、VGG-16和ResNet-34等4种典型卷积神经网络建立小麦籽粒完整性识别模型,并与SVM和BP神经网络所建模型进行对比。结果表明,SVM和BP神经网络所建模型的验证集识别准确率最高为92. 25%; 4种卷积神经网络模型明显优于两种传统模型,其中,识别性能最佳的AlexNet的测试集识别准确率为98. 02%,识别速率为0. 827 ms/粒。基于AlexNet模型设计了小麦籽粒完整性图像检测系统,检测结果显示,100粒小麦的检测时间为26. 3 s,其中,图像采集过程平均用时21. 2 s,图像处理与识别过程平均用时为5. 1 s,平均识别准确率为96. 67%。     

物联网在农业领域的应用

传统农业主要依靠自然资源和劳动力成本的低廉,效率低、工作量大、难度高,已不能满足现代农业的高产、优质、高效、安全、生态的要求。随着物联网技术被引入到农业中,农业现代化、信息化得以大大提高。为此,介绍了物联网的概念,并综述了以RFID技术为重点的物联网在现代养殖业、农作物生长、农产品质量安全监测中的应用,并指出物联网在农业领域应用所面临的问题和未来的展望。     

人工神经网络NIR定量分析方法及其软件实现

在Visual C＋＋环境中采用面向对象技术，开发了PCA-MBP-NIR定量分析模型软件。通过40份小麦样品的原始光谱、加噪光谱（信噪比为14dB）与含水率所建立的PLS-NIR与PCA-MBP-NIR模型，对10份未知小麦样品的原始光谱、加噪光谱分别进行含水率的PLS-NIR与PCA-MBP-NIR预测分析。分析表明，对于含噪声的光谱，与PLS建模相比，使用PCA-MBP-NIR对未知样品预测结果具有更高的相关系数，更低的预测误差标准差。     

近红外技术快速测定肉鸡粪便主要肥料成分含量的研究

该文探讨了利用近红外光谱分析技术(NIRS)快速测定肉鸡粪便主要肥料成分含量的可行性。在饲养试验过程中采集了肉鸡粪便样品183个，利用常规实验室分析方法测定了其中的总氮(TN)、总磷(TP)、总钾(TK)、铵态氮(AN)、有效磷(EP)含量，利用近红外光谱仪取得了样品在1421.5～2572.2 nm波段的光谱，并使用偏最小二乘法(PLS)结合交互验证(CV)和留一检验法(LOO)建立了肉鸡粪便肥料成分的近红外光谱定标模型，同时利用该模型对20个样品的总氮、总磷、总钾、铵态氮、有效磷的含量进行预测，得出的5种主要肥料成分的预测值和真实值(实验室经典化学分析方法测定值)之间具有显著的相关性，其相关系数分别为0.9574，0.9590，0.9870，0.9572和0.9650。预测标准差分别为0.0014，0.0012，0.0012，2.3041×10^-4和0.3814。结果表明，利用近红外光谱法对肉鸡粪便风干样品的主要肥料成分进行快速测定是可行的。     

基于虚拟仪器的温室光控系统的设计

利用光照度传感器、LabVIEW软件程序以及控制元件设计了温室光控系统。该系统主要由两大部分组成:一部分是检测部分,主要由传感器和计算机及软件程序组成。传感器检测温室内外的光照度,计算机首先对传感器采集的数据进行预处理,然后对温室内种植物所需的光照度进行了分析判断。另一部分是电气控制部分,主要由一些开关、按钮、继电器、接触器等元器件组成。电气控制部分可以直接由计算机实现控制,控制信号由控制软件根据检测部分的分析结果产生。电气部分也可以由操作人员操作相关控件来实现控制。试验证明,该系统操作灵活简单,能够实现对温室光照度的准确控制。     

农村电网配电变压器选址优化模型改进与系统开发

农村电网多分布在山地、丘陵等地区,负荷点的海拔高度对变压器选址结果有着重要的影响,同时由于在布线过程中弧垂的存在,输电线长度实际并不是直线距离,该文对配电变压器选址优化传统模型进行了改进,引进由于弧垂存在的线路修正系数,并考虑海拔高度对距离计算公式进行了修正,提出了一种配电变压器选址优化改进模型（M-TLOM,modified-transformer location optimization model）,并在Visual Basic 6.0软件下开发了一套配电变压器选址优化系统（DTLOS 1.0）。通过实例分析表明,配电变压器选址优化改进模型可以降低农网配网损耗。     

基于近红外光谱与DPLS的潲水油快速鉴别方法

潲水油回流餐桌等食品安全问题越来越受到社会关注,探寻准确、快速、简便、高效且成本低廉的潲水油鉴别新方法成为食用油安全性能检测的新要求.对收集的82份潲水油和合格食用油样品进行了理化检测,鉴别出潲水油样品37份,合格油样品45份.从82份样品中随机选出24份样品作为第一组,余下58份样品作为第二组,以第一组24份样品作为校正集,建立判别偏最小二乘法(DPLS)模型,鉴别第二组58份样品,总体鉴别正确率为86.21%;再以第二组58份样品作为校正集,建立DPLS模型,鉴别第一组24份样品,总体鉴别正确率为95.83%.研究表明,基于近红外光谱与DPLS的潲水油快速鉴别方法可行,具有较好的鉴别效果.     

基于机器视觉的穴盘烟苗自动间苗算法研究

【目的】为了满足烟苗快速、准确、自动间苗的要求,提出了基于机器视觉的穴盘烟苗自动间苗算法研究,避免传统的人眼观察效率低、随意性大等缺陷。【方法】采用基于Lab空间下的K-means聚类彩色图像分割算法,根据矩阵行列求和法,在两峰之间取像素坐标,定位其区域位置,把穴盘分割成128个单元格,将目标区域转化为二值图像。通过分别比较烟苗的圆形度、长宽比和矩形度,发现这3种成分的同一形态特征有一定差异,可作单、多株及空穴烟苗识别参数。利用幼苗植株的面积和周长,在不同生长期设定一个合适阈值,实现自动间苗的目的。【结果】仿真和数据分析表明:取圆形度1.256 6、长宽比1.571 4、矩形度0.716 5的区分效果最好。取面积分布在111～243 (像素),周长分布在16～33 (像素)可以判定为壮苗。在MATLAB R2015a环境下开发了机器视觉烟苗自动间苗软件系统。【结论】烟苗数目正确识别率达到97.04%以上,空穴位置达到100%,间苗位置及壮苗识别平均准确率分别达到94.76%和89.58%,为进一步开发基于机器视觉的烟苗自动间苗机提供了理论基础和技术支持。     

近红外光谱多核并行谱区选择任务调度策略研究

在近红外光谱的谱区选择算法中,滑动窗口偏最小二乘法具有较高的预测精度,但是其程序运行时间很长。在不改变算法预测精度的前提下,首先以分段间隔偏最小二乘法为基础研究了顺序分配法、等间距法和排序法等3种任务调度策略对并行算法性能的影响。在这3种任务调度策略中,排序法具有较好的负载均衡性和较高的并行效率。然后在16核云计算平台下将排序法分配策略分别应用于组合分段偏最小二乘法、反向分段偏最小二乘法和滑动窗口偏最小二乘法等谱区的并行选择算法中。经实验测试,在单核串行算法下反向分段偏最小二乘法和滑动窗口偏最小二乘法的程序运行时间分别为9.22 h和55.51 h,在排序法分配策略下采用2核并行算法时其程序运行时间分别缩短为4.98 h和29.03 h,分别节省了45.99%和47.70%的程序运行时间。实验结果表明:当考虑并行效率和计算成本时,在1~16核的并行算法中,选用2核并行执行以上4种谱区选择算法都具有最高的并行效率和性价比。     

近红外光谱建模异常样品剔除准则与方法

介绍了近红外光谱PCR／PLS建模时，训练集中异常样品的危害，以及剔除异常样品常用的基于预测浓度残差准则。针对剔除异常样品的“一审”法具有将非异常样品错误地当作异常样品的局限性，提出了一种“二审”法，采用“回收”算子，使最终模型保留了更多的样品，使模型更具有代表性和稳定性，进一步提高通过近红外光谱模型进行农产品品质检测的精度。