基于支持向量机-改进型鱼群算法的CO2优化调控模型

提出了融合支持向量机-改进型鱼群算法的CO_2优化调控模型,为CO_2精准调控提供定量依据。设计了嵌套试验,采集不同温度、光子通量密度、CO_2浓度组合下的黄瓜光合速率,以此构建基于支持向量机的黄瓜光合速率预测模型;以预测模型网络为目标函数,采用改进型鱼群算法实现二氧化碳饱和点寻优,获得不同温度、光子通量密度组合条件的CO_2饱和点,进而构建CO_2优化调控模型。异校验结果表明,CO_2饱和点实测值与预测值相关系数为0.965,最大相对误差3.056%。提出的CO_2优化调控模型可动态预测CO_2饱和点,为实现设施CO_2精准调控提供了可行思路。     

基于支持向量机-改进型鱼群算法的CO2优化调控模型

提出了融合支持向量机-改进型鱼群算法的CO2优化调控模型,为CO2精准调控提供定量依据。设计了嵌套试验,采集不同温度、光子通量密度、CO2浓度组合下的黄瓜光合速率,以此构建基于支持向量机的黄瓜光合速率预测模型;以预测模型网络为目标函数,采用改进型鱼群算法实现二氧化碳饱和点寻优,获得不同温度、光子通量密度组合条件的CO2饱和点,进而构建CO2优化调控模型。异校验结果表明,CO2饱和点实测值与预测值相关系数为0.965,最大相对误差3.056%。提出的CO2优化调控模型可动态预测CO2饱和点,为实现设施CO2精准调控提供了可行思路。     

基于改进型YOLO的复杂环境下番茄果实快速识别方法

为实现温室环境下农业采摘机器人对番茄果实的快速、精确识别,提出了一种改进型多尺度YOLO算法(IMS-YOLO)。对YOLO网络模型进行筛选和改进,设计了一种含有残差模块的darknet-20主干网络,同时融合多尺度检测模块,构建了一种复杂环境下番茄果实快速识别网络模型。该网络模型层数较少,能够提取更多特征信息,且采用多尺度检测结构,同时返回番茄果实的类别和预测框,以此提升番茄果实检测速度和精度。采用自制的番茄数据集对IMS-YOLO模型进行测试,并分别对改进前后网络的检测性能以及主干网络层数对特征提取能力的影响进行了对比试验。试验结果表明,IMS-YOLO模型对番茄图像的检测精度为97.13%,准确率为96.36%,召回率为96.03%,交并比为83.32%,检测时间为7.719 ms;对比YOLO v2和YOLO v3等网络模型,IMS-YOLO模型可以同时满足番茄果实检测的精度和速度要求。最后,通过番茄温室大棚采摘试验验证了本文模型的可行性和准确性。     

基于数据库的温室环境调控效果模型

提出了基于数据库的温室环境调控效果模型的建立方法,利用最小二乘支持向量机(LS-SVM)回归方法实现了模型的提取,并给出了模型的修正、数据记录和模型的更新。以BCB6.0为开发平台建立了相应的软件系统,系统能够实现对温室环境调控效果模型的自动提取、分析和更新。试验结果表明,该系统能够进行温室环境调控效果模型的预测,并提高了模型的通用性和自学习功能。     

基于支持向量机回归的营养液调控模型研究

针对目前设施栽培中营养液动态调配精确度低的问题,提出一种基于支持向量机回归(Support vector machine regression,SVR)的营养液调控模型.首先,通过设计嵌套试验采集了13个温度、50组不同Knop营养液(A:99％Ca(N03)2·4H20、B:98％KN03、C:99％KH2P04、D...     

基于邻域正交交叉算子的人工鱼群算法

将邻域正交交叉算子引入到基本人工鱼群算法中,提出了一种基于邻域正交交叉算子的人工鱼群算法.该算法采用动态调整人工鱼视野和步长的方法,较好地平衡了全局搜索能力和局部搜索能力.将人工鱼的邻域极值与该人工鱼进行正交交叉运算,产生少量的具有代表性的较优个体,而新产生的个体不仅利用了本身的有用信息,同时利用了邻域极值的最优信息,加快了算法的收敛速度.增强了算法的寻优能力.仿真结果表明,该算法具有较高的优化性能.     

家禽LED光环境调控新技术教学与科研探索

家禽LED光环境调控新技术已成为现代物理农业工程的重要方向。介绍了浙江大学农业工程学科在家禽LED光环境调控新技术方面的教学与科研探索,包括多学科交叉的课程体系、多层次教学与科研训练体系、多方位的产学研合作体系和多形式的国际交流体系,以期为现代物理农业工程其他技术方向的教学与科研发展提供有益的借鉴。     

基于作物光照需求的温室光调控系统

针对传统的温室光照环境控制方法粗糙、易造成作物光照不足及能源浪费的问题,考虑作物生长对光照的需求,基于光合速率模型,分析环境温度对作物生长光照需求的影响,推导创建了温室补光模型;同时,应用无线通讯技术设计了一个基于作物光照需求的温室光环境远程控制系统,介绍了系统的软硬件结构;最后,针对秋冬季节温室环境在1天内的实际变化情况,对系统的光照调控方法进行验证。结果表明:该方法能够根据环境的实时变化采取不同的光照控制措施,既满足作物生长的需求,又能更有效地利用能源。     

温室番茄光合作用模拟模型中环境因子的影响

在建立温室内番茄群体光合作用模拟模型的基础上,综合考虑了温室内各种环境参数对番茄生长与光合作用的影响,构建了温度、CO2浓度及水分对番茄光合作用速率的影响函数,从而可以更准确地计算番茄群体光合日总量,为温室番茄栽培模拟模型的研究提供了一定的理论依据。     

融合黄瓜光质需求的设施光环境智能调控模型

设施光环境是影响作物生长发育的重要因素之一,其包括设施光强和光质。不同温度下,两者与光合速率存在显著的互作关系,建立融合作物光质需求的设施光环境智能调控模型,是设施农业环境调控急需解决的问题之一。本文以黄瓜为试验材料,设计了温度、光照强度、光质比嵌套的植株净光合速率测试试验,获取了多因子耦合的试验样本,并利用支持向量机建立了融合黄瓜光质需求的光合速率预测模型。其次,提出了基于粒子群算法的光照强度和光质比寻优算法,获取了不同温度条件下最适合植物生长的光照强度和光质比。最后,基于寻优结果,利用偏最小二乘回归法构建红蓝光目标值调控模型。验证结果表明,光合速率预测模型训练集数据和测试集数据的拟合度分别为0. 997 1和0. 996 9,均方根误差分别为0. 363 0、0. 436 7μmol/(m~2·s)。红、蓝光目标值调控模型均方根误差分别为15. 087 8、10. 138 3μmol/(m~2·s),可满足调控模型精度要求。其调控效果相比于传统固定光质比调控模型有明显提升,为有效地进行设施光环境调控提供了重要依据。     

基于改进粒子群算法的路径规划

传统粒子群算法存在收敛精度低、搜索停滞等缺点,导致机器人路径规划精度低。为了提高路径规划的精度,对传统的粒子群算法进行改进。首先在算法运行的各阶段对惯性权重因子和加速因子同时使用三角函数的变化方式自适应调整,使算法中的参数在算法运行各阶段的配合达到最佳,提高了算法的搜索能力;其次在算法中引入鸡群算法中的母鸡更新方程和小鸡更新方程对搜索停滞的粒子进行扰动,并在引进的方程中使用全局最优解使扰动后的粒子向全局最优解靠近;最后通过函数优化和路径规划两组对比实验,验证了改进算法在问题优化时具有寻优精度高、鲁棒性好的优点。     

基于多源图像融合的自然环境下番茄果实识别

蔬果采摘机器人面对的自然场景复杂多变,为准确识别和分割目标果实,实现高成功率采收,提出基于多源图像融合的识别方法。首先,针对在不同自然场景下单图像通道信息不充分问题,提出融合RGB图像、深度图像和红外图像的多源信息融合方法,实现了机器人能够适应自然环境中不同光线条件的番茄果实。其次,针对传统机器学习训练样本标注低效问题,提出聚类方法对样本进行辅助快速标注,完成模型训练;最终,建立扩展Mask R-CNN深度学习算法模型,进行采摘机器人在线果实识别。实验结果表明,扩展Mask R-CNN算法模型在测试集中的检测准确率为98.3%、交并比为0.916,可以满足番茄果实识别要求;在不同光线条件下,与Otsu阈值分割算法相比,扩展Mask R-CNN算法模型能够区分粘连果实,分割结果清晰完整,具有更强的抗干扰能力。     

基于改进粒子群算法的排涝泵站优化调度分析

针对泵站节能降耗问题,建立了站内优化调度模型,并利用混沌理论改进粒子群算法,开展站内调度方案寻优问题研究。研究结果表明,采用混合粒子群算法,收敛速度快,求解精度高,较适合泵站优化调度求解;采用3时段优化分析时,优化方案耗电量为23.34万kWh,节省电量3.46万kWh,取得了较好的优化调度结果。     

Ahut-Delta并联机构改进混沌粒子群算法尺度综合

针对Ahut-Delta并联机构,提出了一种基于改进混沌粒子群算法的尺度综合方法。首先提出一种改进混沌粒子群算法,即采用混沌立方映射初始化种群,并根据迭代状态指数性调整惯性权重因子,同时进行早熟判断和混沌扰动,迭代获得最优粒子。其次将Ahut-Delta并联机构优化参数转变为粒子维度决策变量,雅可比矩阵的全域均值条件数和全域波动量构建的全域综合性能评价指标在其几何条件约束、传动角约束条件下转换为改进混沌粒子群算法的适应度函数。最终通过改进混沌粒子群算法优化搜索,优化出适应度函数值最小的最优粒子,从而获得Ahut-Delta并联机构在全域运动性能最佳的尺度参数。仿真分析结果表明,所提尺度综合方法具有正确性和有效性。     

基于LightGBM的温室番茄冠层CWSI预测模型研究

为研究温室内番茄冠层作物水分胁迫指数（CWSI）问题,通过布设多参数传感器,实时获取温室内外各环境参数。利用灰度关联分析,计算各环境参数与番茄冠层CWSI的关联度,根据关联度对环境参数进行排序,同时考虑对模型精度的影响,最终从9个环境参数中选取7个作为模型输入,建立基于LightGBM的温室番茄冠层CWSI预测模型。结合贝叶斯算法优化其中的关键参数,将模型预测结果与通过Jones经验公式计算出的CWSI做相关性分析,在相同的运算环境下,分别与GBRT和SVR模型对比。试验结果表明,基于贝叶斯优化LightGBM模型的决定系数（R2）、平均绝对误差（MAE）、均方根误差（RMSE）和运算时间分别为0.9601、0.0218、0.0314和0.0518s,与GBRT和SVR模型相比,其R2分别提高2.14%和14.05%,MAE分别降低0.0093和0.0612,RMSE分别降低0.0097和0.0591,时间分别缩短0.0459s和0.0612s。表明本研究提出的LightGBM模型性能更有效地提高了温室番茄冠层CWSI的预测精度,为实现温室番茄按需灌溉提供了参考。