台农1号芒花穗处理试

在台农1号芒花穗生长初期分别采用摘花穗和花穗打顶两种处理进行试验,结果表明两种处理推迟盛花期的时间分别为22～26d和5～10d。其中摘花穗处理比对照大幅度提高了有胚果数量,而花穗打顶处理的有胚果数量明显比对照减少。     

基于图像处理和深度迁移学习的芒果果实病状识别

目的 基于计算机层析成像(Computed tomography, CT)设备所得芒果CT序列图像,实现芒果内部品质的无损检测和病状识别分类。方法 利用分段函数法、中值滤波结合双边滤波,实现芒果图像增强;采用局部自适应阈值法,实现二值化处理;采用种子填充法进行区域填充;最后通过差影法准确提取芒果果实内部组织的坏损区域。基于深度迁移学习模型,对未处理和已处理的芒果图像数据开展训练和测试,通过AlexNet和GoogLeNet深度学习网络开展迁移学习,调整超参数完成训练过程的网络微调,在不同模型中对比未处理和已处理的芒果测试集在模型上的分类结果。结果 基于未处理数据集,GoogLeNet模型在学习率为0.0002下训练,Accuracy和Macro-average指标分别为98.79%和98.41%。基于已处理数据集,GoogLeNet模型在学习率为0.0002下训练,Accuracy和Macro-average指标分别为100%和100%。深度迁移学习模型在已处理数据集下的模型分类指标较未处理的数据集下有较大的提升。基于同一数据集且超参数一致时,GoogLeNet网络的分类效果明显优于AlexNet网络。结论 设定学习率为0.0002、迭代轮数为3、最小批值为64,基于GoogLeNet网络开展深度迁移学习训练,将所得模型作为最终的分类模型。     

基于GF-2遥感影像的塑料大棚提取方法对比

为实现GF-2遥感影像在农业领域的有效利用,针对GF-2遥感影像提取塑料大棚,对比分析随机森林、CART决策树及支持向量机3种分类方法的应用,以GF-2遥感影像为数据源,以内蒙古赤峰市喀喇沁旗王爷府镇为研究区,通过潜在分割误差(PSE)、分割强度(NSR)、欧氏距离(ED)3个指标确定最优分割参数组合,利用随机森林(RF)算法筛选出参与分类的最优特征子集,采用随机森林、CART决策树、支持向量机3种分类器进行了塑料大棚提取对比分析。试验结果表明:1)基于PSE、NSR和ED最优分割参数选择方法,应用于面向对象连片塑料大棚特定地物提取的研究分割效果较好;2)通过RF算法分析包含光谱、纹理、形状及相邻关系等多种特征,得出特征个数与分类精度之间呈现先逐渐增大后减小的趋势,该方法在保证分类精度的同时,可有效删除冗余与不相关特征,以提高分类器性能;3)将采用最优特征子集的3种分类器进行对比,随机森林分类效果最好,分类正确率达到89.65%,表明该方法能有效提取GF-2遥感影像连片塑料大棚,为提取设施农业的应用提供参考。     

基于机器学习的数字土壤制图研究进展

通过数字土壤制图可以高效、精准地获取土壤信息。近年来,随着计算机学科的快速发展和土壤-景观模型被广泛认同,采用机器学习方法进行数字土壤建模已成为数字土壤制图的主流思路,这为土壤空间分布的定量解释提供了一种不同于地统计学、专家知识和个体代表性等传统制图技术的新模式。本文综述了国内外数字土壤制图领域的研究成果,从利用机器学习技术进行土壤制图的基本理论、制图方法、展望三个方面完整系统地阐述了数字土壤制图领域的主要进展,其中数字土壤制图方法包括特征信息的选择、制图模型的选择和土壤图的精度验证。研究结果为全面、实时和精确获取土壤信息空间分布提供参考。     

芒果采后生物学及贮运保鲜技术研究进展

芒果为呼吸跃变型果实,采后迅速后熟,6～8 d便出现乙烯高峰,随后逐渐出现炭疽病、蒂腐病,果实耐贮藏性和抗病性显著下降.芒果贮运保鲜技术主要在于控制果实的后熟进程和腐烂发生.评述了近年来芒果采后生理、采后病害和贮运保鲜技术等方面的研究进展,展望了新的研究方向,并提出了乙烯受体抑制剂在芒果采后贮运保鲜上的应用前景.     

基于国产GF-1影像的川金丝猴生境评价研究

利用国产高分一号(GF-1)卫星遥感影像,综合神农架川金丝猴已有科考数据和相关研究成果,以地理信息系统为主要分析手段,选取植被类型、海拔、坡度、坡向、水源和人类干扰等作为评价因子,快速进行神农架川金丝猴秋季生境适宜性评价,首次将GF-1卫星影像应用于野生动物生境评价。评价结果表明:在不考虑人类活动影响时,川金丝猴潜在的最适宜生境和适宜生境面积分别为56.876和305.156 km2,分别占保护区面积的7.77%和41.69%;由于居民区和公路等的影响,神农架自然保护区川金丝猴实际适宜生存面积变小,实际最适宜生境和适宜生境面积分别为46.935和214.617 km2,分别占保护区总面积的6.41%和29.32%。将基于GF-1卫星遥感影像得到的川金丝猴生境适宜性评价结果,与基于Landsat8遥感影像得到的生境评价结果对比,二者评价结果符合度达91.7%,表明在野生动物生境研究领域国产GF-1卫星影像可以有效地替代国外Landsat影像,利用GF-1卫星影像进行野生动物生境评价是可行的。GF-1卫星突破了在野生动物研究领域普遍依赖国外数据的局面。GF-1卫星影像具有高空间分辨率、高时间分辨率、低成本和数据来源可靠等特点,无疑是我国野生动物生境遥感应用研究中可供选择的新的数据源。由于GF-1是我国高分辨率对地观测系统的第一颗卫星,开展GF-1数据的应用验证具有十分重要的科学意义。目前,利用GF-1开展此类研究国内外尚未见类似报道,本研究对于在林业实际业务中开展国产高分卫星遥感数据应用同样具有指导作用。      

基于模糊数学感官评价法优化芒果无糖软糖配方研究

目的：以芒果、木糖醇、山梨糖醇、低聚果糖为主要原料,研发一款品质优良且具有预防龋齿,促进消化吸收,提高免疫力等功能的芒果无糖软糖。方法：以感官评价为指标,通过单因素试验研究木糖醇、山梨糖醇、低聚果糖的添加比例、复合凝结剂添加量以及柠檬酸添加量等对芒果软糖感官品质的影响,通过正交试验,模糊数学法优化芒果软糖配方。结果：芒果软糖的最佳配方为芒果汁添加量50%,柠檬酸添加量0.2%,复合凝结剂添加量10%,木糖醇、山梨糖醇、低聚果糖的添加比例2:3:1（添加量为35%）;二十二碳六烯酸添加量1%,维生素C添加量0.5%。结论：此配方下的芒果软糖不仅色泽均匀、弹性适中,而且形态饱满,酸甜可口,具有一定的保健功效。     

基于机器学习和环境因子的温室网纹甜瓜纹理特征的预测

为了对网纹甜瓜纹理特征进行定量预测,本文结合多个环境因子(基质含水量、温度、湿度、光合有效辐射),使用支持向量机(SVM)与随机森林(RF)多元回归分析方法,对基于灰度共生矩阵提取的4个果实表面纹理特征——对比度(contrast)、熵(entropy)、相关性(correlation)、角二阶矩(ASM)进行了预测。结果表明,纹理特征受环境影响敏感度依次为基质水分、光合有效辐射、空气湿度或有效积温。对比RF模型和SVR模型,发现在不同环境因子输入条件下,RF模型均优于SVM模型,其中输入全部环境因子后RF模型的预测精度最高,对比度、熵、角二阶矩的模拟精度均达到了0.90,分别为R~2=0.945(RMSE=0.243)、R~2=0.940(RMSE=0.235)、R~2=0.934(RMSE=0.248)。上述结果表明,RF模型对于网纹甜瓜纹理特征具有较好的预测结果,本研究结果可为温室网纹甜瓜栽培过程中的质量监控和栽培管理提供全新的思路。     

避雨栽培对台农一号芒果园温湿度及果实品质的影响

[目的]分析避雨栽培对台农一号芒果园温度、湿度及果实品质的影响,为我国南方多雨地区开展芒果避雨栽培提供理论依据.[方法]搭建简易大棚,对3年生台农一号芒从开花前期至采果结束进行全程避雨栽培,以露地栽培为对照(CK),观测棚内外温度和湿度的日变化情况,测定分析芒果采后相关生理指标及病害发生情况.[结果]避雨栽培模式下,芒果冠层日均温度比露地提高0.7℃,日均相对湿度较露地降低6.0%.避雨栽培模式下果实外表光洁,平均单果重比露地栽培提高14.00 g,采后病害发生率较露地降低33.5%(绝对值,下同).果实品质分析结果显示,避雨栽培模式下芒果的可滴定酸含量较露地降低0.012 mg/100 gFW,维生素C(Vc)含量提高0.01 mg/100 gFW,可溶性固形物含量升高1.20%.[结论]避雨栽培可有效提高大棚内台农一号芒果树冠层温度、降低湿度,有利于降低芒果果实采后贮存期的病害发生程度,提高果实品质,适合在我国南方多雨的芒果种植区推广应用.     

县域尺度上基于GF-1PMS影像的冬小麦种植面积遥感监测

为探究县域尺度上基于高分一号卫星(GF-1)PMS影像进行冬小麦遥感监测的可行性及精准性,以河南省滑县为研究区,遴选2015年2月上旬GF-1 PMS影像6景,对影像进行辐射定标、FLAASH大气校正、NNDiffuse融合、几何精校正、地图投影转换等预处理后,在外业调查和样本分析的基础上构建一种新的冬小麦决策树分类模型,模型第1层决策方案中NDVI0.311的像元为冬小麦,得到冬小麦的粗分类结果;在此基础上进行第2层决策分类,以进一步提高冬小麦的分类精度,分类方案为第1波段地表反射率0.146、第2波段地表反射率0.148、第3波段地表反射率0.135、第4波段地表反射率0.250的像元为冬小麦。对分类结果进行形态学滤波处理,以消除或减少分类结果中孤立的像元。分别基于决策树分类模型与ENVI软件自带的IsoData非监督分类模型,对比分析GF-1PMS影像和同时期Landsat-8OLI影像在冬小麦面积提取上的精度。结果表明:基于新构建的决策树分类模型,2015年滑县冬小麦种植面积为115 715.81hm2,混淆矩阵检验总体精度为99.62%,Kappa系数为0.99;PMS影像提取冬小麦的混淆矩阵总体精度比OLI影像高出9个百分点。说明县域尺度上基于单时相GF-1PMS影像在冬小麦收获前提取冬小麦种植面积是可行的,提取精度较高。     

基于GIS的云南栽培型普洱茶树大规模种植适宜性评价

本文选取普洱茶树的起源地云南作为研究区,综合考虑普洱茶树的自然立地条件与大规模种植的便利条件,基于GIS空间分析技术,建立栽培型普洱茶树大规模种植用地适宜性评价模型,进而划分适宜性等级、分析统计适宜地区的土地数量和空间分布规律,为大面积推广种植普洱茶树提供科学决策依据。结果表明:1)建立的适宜性评价模型能定量、直观地获取适宜地区的土地数量与空间信息,可操作性较强,具有一定的推广应用价值;2)云南省内,共有面积约为6400km2、占全省土地总面积1.68%的土地比较适宜大规模种植栽培型普洱茶树,还具有较大的规模化种植潜力;3)自然立地条件是决定普洱茶品质及其价值的至关重要因素,普洱茶是云南特有的地理标志产品。     

基于GF-1数据的南京江北新区植被覆盖度遥感估算

以南京江北新区为研究区,选用GF-1 16 m分辨率的MFV4多光谱传感器数据,基于像元二分模型对研究区进行植被覆盖度遥感估算。结果表明,GF-1数据可以快速有效地反映地表植被的空间分布状况。对结果的分级统计显示,江北新区植被覆盖较高,生态环境良好,适宜打造绿色宜居区域。     

基于机器学习的焦油预测模型研究

为研究卷烟焦油预测模型,以焦油的释放量为研究对象,运用不同的回归方法进行焦油预测研究,以各个模型的标准化均方误差为评判尺度,对各个模型的预测效果进行了比较.结果表明,各模型的预测精度差别较大,整体来看机器学习方法对于焦油的预测精度较高,其中以随机森林算法回归对于焦油的预测精度最高,表现出较高的预测精度和良好的稳定性,其次表现较好的机器学习算法为支持向量机回归方法.因此,在焦油预测应用或研究中可以运用随机森林或其他机器学习方法对焦油进行建模预测.     

北京平原困难立地油松人工林营造新材料应用

为探寻适用于北京平原造林工程中困难立地条件下油松等大规格针叶苗木成活、成林及健康生长的最佳新材料施用方案,将抗蒸腾抑制剂、厚环乳牛肝菌剂以及6号GGR植物生长调节剂3种造林新材料进行组合试验,对油松林的造林成活率、当年新梢数量、新梢长度、新梢直径、叶绿素含量以及叶片营养元素进行调查研究。结果表明:1)施用造林新材料的处理成活率均高于对照(78%),其中HSK(厚环乳牛杆菌剂+6号GGR植物生长调节剂+抗蒸腾抑制剂)处理成活率最高,达到89%;2)油松新梢生长情况以HSK处理表现最优,2013年5—7月新梢数量平均增长量最大,单株平均增长量为6.48个,是对照增长量的2倍;新梢直径的平均增长量为2.36mm,相对于对照提高了117%;新梢长度增长量较对照增长量提高了251%;3)油松叶片2013年总叶绿素含量平均值以HSK处理最高,为6.96mg/L,对照处理最低,为5.76mg/L,且3种新材料之间存在明显的相互促进作用; 4)对于叶片营养元素含量,在HSK处理条件下,2013年叶片P元素总平均含量达0.81g/kg、叶片N元素为10.01mg/kg、叶片K元素为5.41g/kg,优于其他处理,即HSK处理可确保3种营养元素均稳定维持在较高水平。5)为确保林分结构稳定,各处理死亡油松苗木需重新补植,尽管相对于对照,其余处理新材料的施用增加了成本,但其对成活率的提高可以很大程度上节省补植所需资金,其中以HSK处理(100株油松占地0.17hm2)节约成本最高(810元),即4764元/hm2。因此综合考虑各指标,HSK处理在前期保证苗木成活率及后期促进苗木生长发育等方面均表现出明显的优越性。      

基于机器学习和深度学习的玉米种子活力光谱检测

为解决传统的种子活力检测方法存在耗时长、损伤种子等问题,实现种子活力的快速无损检测,分别利用机器学习和深度学习算法结合高光谱成像技术构建玉米种子3个活力梯度分类模型,通过人工老化方式将1 012粒玉米种子分为3个活力梯度样本,采集其高光谱数据后通过卷积平滑（SG）和多元散射校正（MSC）去除高光谱噪声,分别采用主成分分析（PCA）、连续投影算法（SPA）进行光谱特征降维,再从降维后的波段中抽取1 156、1 191和1 463 nm 3个波段合成假彩色图像,用局部二值模式（LBP）提取感兴趣区域的纹理特征,并与纯光谱特征融合。分别基于纯光谱特征构建决策树（DT）和支持向量机（SVM）模型和融合特征建立随机森林（RF）、SVM和极端梯度提升树（XGBoost）模型等机器学习模型。将假彩色图像输入ResNet18、MobileNetV2、DenseNet121、Efficientb0、Efficientb2等5个深度学习模型中进行玉米种子活力预测。结果显示,就机器学习方法而言,针对纯光谱特征表现最好的是PCA-SVM模型,其测试集准确率为92.5%;针对融合特征表现最好的是SVM模型,其测...     

基于机器学习的猪场用户流失分析

为实现养殖互联网平台用户的自动化运营,防止用户流失,采用区间估计和机器学习建模方法,对猪场用户的平台使用情况进行用户流失分析。结果表明:1)猪场规模越小,用户流失的概率越大,其中500母猪数x≤1 000的猪场规模用户流失的概率最小,属于忠诚用户;2)使用决策树算法、kNN算法、贝叶斯分类算法进行猪场用户流失分析建模,3种分类算法中,从平均识别率(F_1度量)考虑,决策树模型的平均识别率(0.93)高于kNN模型(0.91)和贝叶斯分类模型(0.80),选择决策树算法用于平台用户流失分析建模是可行的。本研究所构建的猪场用户流失分析模型,可为养殖互联网平台的猪场用户研究提供可靠的数据模型,实现平台用户的自动化运营,也可为其他类型的用户研究和产品设计提供参考。     

基于机器学习的粳稻叶片叶绿素含量高光谱反演建模

叶绿素含量是表征粳稻生长状态的重要指标,高光谱遥感技术能够无损、快速的获取粳稻叶片叶绿素含量。本研究利用2015—2017年沈阳农业大学辽中水稻实验站粳稻叶片高光谱数据,并利用主成分分析法(PCA)、典型相关分析法(CCA)、核典型关联分析法(KCCA)3种方法对粳稻叶片高光谱信息降维,选出较优光谱参数作为叶绿素含量反演模型的输入变量。采用支持向量机回归(SVR)、神经网络(NN)、随机森林(RF)、偏最小二乘法(PLSR)四种机器学习算法建立粳稻叶片叶绿素含量反演模型。结果表明,KCCA降维方法对粳稻叶片高光谱降维效果要优于PCA和CCA两种方法。采用KCCA-SVR方法建立的粳稻叶片叶绿素含量反演模型的模型决定系数R²=0.801,RMSE=1.610,建立的粳稻叶绿素含量反演模型精度最高。该模型良好的预测能力为粳稻叶片叶绿素含量反演研究和养分诊断提供了数据支撑和模型参考。     

基于支持向量机的农机装备水平差异分类研究

针对黑龙江垦区各农场农机装备水平不平衡差异问题,采用支持向量机多类分类和主成分分析相结合的方法进行研究。将农机装备水平分为3个等级水平,从总量、速度和均量3方面选取10个评价指标;采用主成分分析法确定5个主要合成指标;建立多类分类支持向量机新模型,把新模型转化成一个互补问题,利用Lagrangian隐函数进一步转化成一个强凸的无约束优化问题,采取快速牛顿算法进行求解;利用实证调研数据,从发展差异度的角度对黑龙江垦区98个农场农机装备水平的差异进行多指标分析,在分类的准确度和训练速度方面都有很好的表现。     

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。     

基于平衡策略的支持向量机在电力系统中期负荷预测的应用

针对电力负荷中期预测比较困难并且存在较大误差的问题,提出了基于径向基核函数与基于平衡策略的Sequential minimal optimization(SMO)改进算法相结合的负荷中期预测方法,结合EUNITE网络提供的实际数据,研究了日最大负荷的前后期关系、日最大负荷与节假日的关系和当日与对应星期数的相关性,建立了相应的电力负荷中期预测模型。并对预测结果进行了分析。算例表明,该算法具有运算速度快、精度较高的优点。