近红外漫透射光谱快速无损鉴别家蚕种茧茧壳内蚕蛹雌雄

【目的】利用近红外漫透射光谱快速无损鉴别家蚕Bombyx mori种茧茧壳内蚕蛹的雌雄,以提高育种效率、降低人工成本。【方法】以芙9、9芙、湘7和7湘4个蚕品种为研究对象,采集比较了样本在可见和近红外区间的漫透射光谱,建立比较了各品种偏最小二乘判别分析(PLSDA)、后向传播神经网络(BPNN)以及支持向量机分类(SVM)判别模型,通过分类器特性(ROC)曲线研究了各模型的鲁棒性,采用差值法和遗传算法提取了特征波长。【结果】芙9、9芙、湘7和7湘品种利用450~900 nm光谱建模的雌雄鉴别准确率分别为95.20%、95.65%、88.80%和87.50%,利用900~1 700 nm光谱建模的准确率分别为100%、96.00%、92.22%和94.21%;采用PLSDA、BPNN和SVM模型都能够对蚕蛹雌雄做出较好的无损鉴别,3种模型真雌性率分别为95.96%、95.83%和100%,真雄性率分别为98.98%、96.04%和82.18%,准确率分别为97.46%、95.94%和90.86%,进一步通过ROC曲线分析,PLSDA模型效果最优,BPNN模型次之;手动提取20个波段建立PLSDA模型,鉴别真雌性率为93.75%,真雄性率为95.45%,准确率为94.57%。【结论】近红外波段900~1 700 nm的漫透射光谱比可见–近红外波段450~950 nm含有更丰富的蚕蛹雌雄分类信息;3种鉴别模型中,PLSDA模型效果最优;提取特征波段后,准确率能达到生产需要。     

基于高光谱成像技术的鲜烟叶叶位识别方法

为实现鲜烟叶叶位的快速无损识别,以不同着生部位烟叶为研究对象,应用高光谱成像技术,构建基于特征光谱的鲜烟叶叶位判别模型。首先,利用标准正态变换（SNV）、二阶导数（2ND）、SavitzkyGolay卷积平滑（SG）和多元散射校正（MSC）4种光谱预处理方法对烟叶原始高光谱数据进行处理,然后采用预处理后的全波段光谱数据和特征波段光谱数据,构建基于支持向量机（SVM）、偏最小二乘判别分析（PLS-DA）和反向传播神经网络（BPNN）的鲜烟叶叶位识别模型。结果表明：采用SG滤波预处理和BPNN所构建的模型识别效果最好,训练集和预测集的预测准确率分别为91.15%和90.63%。此外,利用竞争性自适应重加权算法（CARS）所筛选的特征波长所建立的BPNN模型最优,训练集和预测集的预测准确率达到了93.23%和92.19%。表明利用高光谱成像技术判别鲜烟叶所属部位是可行的,可以实现鲜烟叶所属部位快速、无损检测。     

国内外农产品质量安全风险预警研究进展

近年来,农产品安全事件频发,严重影响了人们的日常生活,对农产品质量安全风险因子进行排查,建立农产品质量安全风险预警系统,对于预防农产品质量安全事件尤为重要。综述了国内外主要组织机构所建立的农产品、食品质量安全风险预警系统,主要介绍了欧盟RASFF、MedISys、LEWS等风险预警系统,以及BPNN、“2\|3结构”模型和休哈特控制图预警理论等风险预警模型。同时,以乳产品为例介绍了我国农产品质量安全风险预警研究现状,并对开展奶产品等农产品质量安全风险预警研究的必要性进行阐述。     

融入监督信息的k—mean聚类瓜蓟马预警模型

[目的]为提高瓜蓟马病虫害的预警效果。[方法]采用k-mean聚类建立了瓜蓟马预警模型,并针对瓜蓟马数据中在k-mean聚类算法下难以判断的情况,引入了监督信息,即模糊关联规则进行进一步划分。[结果]引入监督信息的k-mean聚类算法的预警准确率比最近邻算法、k-mean聚类和支持向量机预警准确率都要高。[结论]k-mean聚类过程中引入模糊关联规则能较有效地提高预警准确率。     

铁路信号设备安全性评价及事故预防研究

本文根据铁路信号设备安全的特点,综合考虑各种评价因素,应用基于DHGF算法的铁路信号设备安全性能的评价方法,以求对铁路信号设备安全性能做出客观、公正、全面、科学的综合性评价,找出影响铁路信号设备安全性能的重要因素,作为铁路信号设备分析安全性能和制定预防事故措施的参考,针对影响因素提高综合性能。     

汉中市地质灾害气象风险预警服务效益评估方法

在统计2011—2014年汉中市地质灾害气象风险预警产品、检验质量、跟踪服务效果的基础上,探讨定量评估地质灾害气象风险预警服务的方法,提取预报准确率、预报服务覆盖率、预报服务时效、可能预防能力4个评估因子建立评估模型。通过实例评估,得出汉中市气象灾害风险预警服务效益评估为72%,说明风险预警准确率和服务时效是提高地质灾害气象风险预警服务水平的两项重要指标。     

基于IMU的细粒度奶牛行为判别

针对奶牛行为判别自动化水平不足、准确率低的问题,采用惯性测量单元(IMU)和卷积神经网络(CNN),对细粒度奶牛行为判别进行研究.结果表明:1)在KNN、SVM、BPNN、CNN和LSTM 5个模型中,CNN模型在奶牛行为分类测试集上的准确率最高.2)含有三轴加速度计、陀螺仪和磁力计的IMU更加适用于奶牛行为分类,其分...     

淡水养殖池塘水质预警模型

在淡水养殖池塘水质评价指标体系及阈值确定的基础上,建立了淡水养殖池塘水质单因子状态预警模型、多因子状态预警模型、趋势预警模型和鱼类生存指数预警模型,确定了淡水养殖池塘水质预警的警级标准。利用预警模型对淡水养殖池塘水质进行监测,结果表明模型具有良好的实用性。     

基于电子鼻多传感器融合的茶叶存储时间识别

借助电子鼻检测存储60、120、180、240、300、360 d的黄山毛峰茶香气信息,根据电子鼻各传感器响应曲线变化特点,选取出1组能够表征不同香气信息的基本特征变量,分别采用主成分回归(PCR)、偏最小二乘回归(PLS)和BP神经网络(BPNN)方法,建立茶叶存储时间的预测模型。测试样本集对3种预测模型的检验结果表明:PCR、PLS、BPNN模型的预测标准误差分别为10.05、6.04、3.21d;最大预测相对误差分别为11.03%、7.02%、5.89%;平均预测相对误差分别为6.73%、4.74%、3.62%;预测值与实际值之间的决定系数R2分别为0.862、0.896、0.987。3种模型都能较好地对茶叶存储时间进行预测,相比较而言,BPNN模型性能最优,PLS模型性能优于PCR模型。     

基于决策树的蔬菜病害静态预警模型

设施蔬菜病害严重影响蔬菜的产量和质量,利用传统的防治措施不能很好地满足社会对食品安全和良好的生活环境的要求,而设施蔬菜病害预警则可兼顾蔬菜生产和社会要求,是一种绿色、有效的病害防治方式。本文采用决策树C4.5算法对蔬菜病害进行预警,构建设施蔬菜病害静态预警模型。为测试模型的可行性和适用性,以黄瓜黑星病为例,对所构建的预警模型进行分析评价。结果表明:运用决策树C4.5算法能够实现对黄瓜黑星病的预警,模型预测具有准确率较高、所需时间短等特点,可以有效地运用于实际生产之中。     

基于SVM及BPNN的辣椒红外光谱分析

利用小波变换结合反向传播网络(BPNN)和支持向量机(SVM)研究了朝天椒和灯笼椒的傅里叶变换红外(FTIR)光谱,样品1 750~950 cm-1范围的红外光谱经多尺度一维连续小波变换(CWT)和离散小波变换分析,发现第20尺度的连续小波系数,提取该尺度3个区域的系数作为特征参数建立BPNN和SVM模型。结果表明,BPNN和SVM模型都能很好地区别两种辣椒。第5尺度的离散小波细节系数建立BPNN和SVM模型分类的正确率分别为93.3%、100%。小波变换结合BPNN和SVM用于傅里叶变换红外光谱技术中能够准确识别朝天椒、灯笼椒,为区分不同品种的辣椒提供了快速、有效的方法。     

基于最大似然法集成的黄曲条跳甲预警模型

采用最大似然法模型,建立蔬菜黄曲条跳甲的预警模型,并且针对最大似然法一般需要比较多的训练样本才能准确预测的缺点,提出能够显著地提高学习系统的泛化能力的集成算法,即最大似然集成算法以减少对训练样本数量的要求。通过对广东省蔬菜黄曲条跳甲数据验证表明,最大似然集成算法的预警准确率比最近邻算法k、-mean聚类和支持向量机预警准确率都要高。     

基于高光谱遥感的湖泊水质富营养化状态评价

为提高湖泊水质富营养化状态评价的精度，提出了一种融合高光谱遥感和萤火虫算法（FA）改进极限学习机（Extreme learning machine,ELM）的湖泊水质富营养化状态评价方法。针对ELM模型性能受其初始输入权值和隐含层偏置参数选择的影响，将萤火虫算法应用于ELM模型参数寻优。结果表明，与PSO-ELM、GA-ELM、DE-ELM和ELM相比，FA-ELM可以有效提高水质富营养化评价的准确率，为湖泊水质富营养化状态评价提供了新的方法。     

日光温室黄瓜低温冷害预警模型构建技术研究

利用数学统计方法对历史气象资料进行统计分析,并根据日光温室黄瓜低温冷害发生的气象因子等级指标,计算得到温室内最低气温、温室内地表温度、太阳总辐射、日照时数4个气象要素的等级指标;统计分析2007年至2012年淄博、莱芜日光温室小气候自动监测站和自动气象观测站的资料,利用结构方程模型确定低温预警模型中的因子,根据层次分析法构建判断矩阵,利用DPS分析因子权重系数,最终建立了日光温室黄瓜低温冷害预警模型。利用临淄、莱芜、利津、平度、章丘五站2012年11月1日至2013年5月31日的气象观测资料对该模型进行检验,结果表明预警等级与实际等级完全一致的准确率为63%~77%,相差在1个等级以内的准确率在97%~99%。     

森林健康预警PSR模型

以PSR模型的基本理论为主线,构建了北沟林场人工林生态系统健康状况预警体系.首先利用PSR模型的基本理论,以PSR模型的“压力-状态-响应”为基本框架对森林健康预警指标进行了分类;进而利用RS-粗糙集理论确定森林健康预警指标,建立森林健康预警指标体系;然后利用概率神经网络(PNN)算法对森林健康进行预警;最后针对预警结...     

农业生态系统安全性预警与预警系统的建立

分析农业生态系统面临的威胁,提出农业生态系统进行安全性预警必要性,探讨了预警指标、模型和预警类型的选择和及农业生态预警系统建立等研究状况。预警指标的选择主要考虑受人类直接或间接影响后而容易发生退化的因子,主要有土壤肥力质量指标和土壤环境质量指标等;模型在生态安全预警研究中具有预测、解释和推断功能,在不同预警指标中将会采用不同的模型;预警的类型包括对农业生态系统恶化的程度和状态,趋势,速度等预警;WebGIS技术的运用为建立包括不同尺度和时间的预警,单项因子预警信息、子系统预警信息和系统总体预警提供了有力的技术支撑。     

基于可见-近红外光谱变量选择的土壤全氮含量估测研究

【目的】变量选择是可见光-近红外光谱研究至关重要的步骤,通过分析可见光-近红外光谱不同特征的选择方法筛选出土壤全氮敏感波段,建立基于敏感波段的土壤全氮最佳预测模型,为土壤全氮的快速定量估算提供重要的理论指导依据。【方法】在红壤典型地区江西省吉安县采集代表性土壤样品120个,对可见光-近红外光谱采用主成分分析（PCA）、无信息变量消除（UVE）和无信息变量消除后结合连续投影（UVE-SPA）3种变量特征选择方法,建立基于不同变量选择的偏最小二乘回归（PLSR）模型、最小二乘-支持向量机（LS-SVM）、反向传播神经网络（BPNN）和遗传算法优化的反向传播神经网络（GA-BPNN）模型,从模型对预测集的预测精度分析不同变量选择方法对不同土壤全氮定量估算模型的差异。【结果】经UVE算法筛选后,光谱变量从200个减少至59个,其中可见光波段处10个,其余在近红外光谱的合频区和一倍频区,信息量丰富;进一步采用SPA进行变量选择,得到共线性最小的5个有效波长,分别为820、940、1 040、1 060和1 990nm;基于UVE变量选择建立的PLSR、BPNN、GA-BPNN和LS-SVM模型,经不同的土壤全氮的数据检验,预测精度最高的为LS-SVM,决定系数（R2）、均方根误差（RMSEp）和相对偏差（RPD）分别为0.7492、0.2921和1.8904;基于UVE-SPA特征选择建立的PLSR、BPNN、GA-BPNN和LS-SVM模型对预测集的验证表明,UVE-SPA提取的特征波段建立的LS-SVM建立模型预测效果最好,其建立的LS-SVM定量估算模型预测集的决定系数R2为0.7945,均方根误差RMSEp为0.2499相对偏差RPD为2.0009,模型稳定;基于PCA提取的7个主成分建立的LS-SVM、BPNN和GA-PBNN模型预测性能差,不能用于定量估算土壤全氮。对比相同的变量建立的GA-BPNN和BPNN,GA-BPNN预测性能比BPNN高。【结论】UVE-SPA变量选择方法结合LS-SVM模型能用来估算土壤中的全氮含量,同时UVE-SPA是一种有效的土壤光谱变量选择方法。     

基于血线纹理特征和GA-BP神经网络的鸡种蛋性别鉴定

为了对鸡种蛋孵化早期胚胎性别进行鉴别,构建机器视觉图像采集系统,在LED光源下获取186枚种蛋孵化第4天的图像。采用对鸡种蛋图像进行分量提取、去背景化和二值化等预处理方法,利用自适应直方图均衡化、高低帽变换增强图像,通过迭代阈值分割和"与"运算凸显血线纹理。运用差分计盒法、灰度共生矩阵法、灰度直方图统计法和几何法提取图像的11维特征参数,并构建鸡种蛋胚胎性别识别的BP模型(back propagation neural network,BPNN),利用遗传算法(genetic algorithm,GA)优化BP神经网络的初始权值和阈值。试验结果表明,GA-BP模型的训练集识别综合准确率为99.73%,预测集识别综合准确率为82.80%。     

香格里拉市云冷杉林蓄积量遥感估测非参数模型研究

以滇西北典型代表区域的迪庆州香格里拉市云冷杉为研究对象,运用Landsat 8遥感影像数据结合地面角控样地调查数据,建立云冷杉BPNN和SVM估测模型,进行对比分析。结果表明:SVM模型精度明显优于BPNN模型,其R2、r RMSE和P分别为0.67、27.91%和77.09%。利用SVM遥感估测模型得到香格里拉市云冷杉林总蓄积量与传统森林资源二类调查当年的统计结果误差仅为1.14%,SVM估测模型可为今后森林蓄积量估测提供参考。     

基于多光谱成像技术的牛肉干水分含量快速无损检测研究

基于多光谱成像技术对牛肉干中水分含量的快速无损检测方法进行研究,通过对比最小二乘回归(PLS)、最小二乘支持向量机(LS-SVM)和误差反向传播神经网络(BPNN)所建预测模型的性能,发现BPNN模型对牛肉干水分含量预测效果最佳,其确定系数(Rp2)、预测集均方根误差(RMSEP)和剩余预测偏差(RPD)分别为0.941、3.602％和4.142.结果表明,光谱吸收度是检测牛肉干水分含量的重要特征,BPNN结合多光谱建立的预测模型精度较高,鲁棒性较好,在牛肉干水分的实时无损检测中具有良好的应用前景.