基于直觉模糊—熵权—TOPSIS的农业面源污染防治技术综合评价方法研究

研究提出了一种基于直觉模糊-熵权-TOPSIS的农业面源污染防治技术评估方法，在TOPSIS技术框架基础上，耦合直觉模糊集理论和直觉模糊熵权法，同时实现了对定性指标的定量转换和客观赋权；以典型种植业面源污染防治技术为例，开展方法应用验证，分别从源头类、过程类、末端类和全过程类技术中，筛选出综合效益较高的农业面源污染防治技术，从环境、经济、技术性能等不同维度深入剖析了各项技术的优势与不足。结果表明，该方法能够克服定性数据和主观赋权对评价结果的影响，综合考虑农业面源污染防治技术的环境效益、经济效益和技术性能，实现技术综合评价与优选，并为技术未来的改进方向提供科学指导。     

基于粗糙集和模糊聚类的农机化水平评价方法

为科学评价农业机械化发展水平,在建立农业机械化发展水平评价指标体系的基础上,利用模糊聚类方法,在不同置信水平上对由评价对象组成的论域进行分类,同时结合粗糙集理论中的知识熵来确定各指标的权重。该方法从统计数据出发,避免了主观因素对评价结果的影响,使评价结果具有相对客观性。实例表明,评价结果与实际情况基本一致,为评价农业机械化发展水平提供了一种新方法。     

基于熵权的模糊物元法在农业用水效率评价中的应用

通过构建包括节水技术投入在内的农业用水评价指标体系,采用熵权法,结合模糊物元法对原始数据进行处理,并在此基础上引入欧氏贴近度,得到各年份农业用水效率的综合评价以及优劣次序。对江苏省历年农业用水效率评价结果表明,基于熵权的模糊物元法能更加客观地确定权重,其评价结果具有一定合理性。研究结果及相关建议有助于江苏省由"用水大户"向"节水大户"转型。     

基于模糊聚类的黄瓜病害图像自动分割

提出了一种基于模糊聚类的黄瓜病害图像自动分割方法,模糊聚类与差分进化算法相结合,在进化过程中根据聚类中心对应的阈值确定模糊聚类中心的个数,由差分进化适应度函数值确定聚类中心是否被选中,以此实现图像的模糊聚类自动分割。经黄瓜炭疽病叶图像、白粉病叶图像、灰霉病叶图像和霜霉病叶图像的实验测试,该方法可以实现无人干预情况下的黄瓜病害图像自动分割,与相同类别个数的FCM算法相比,表现出了更好的性能。     

基于熵权的模糊物元水资源承载力

根据水资源承载力分析的结构特点，在传统多目标分析决策技术的基础上.将熵值法与模糊物元建模相结合，建立了基于熵权的属性识别水环境承载力评价模型，应用熵值法来确定权重系数，避免了权重系数确定的主观性问题，用一种新的方法进行水环境承载力评价。结合实际应用的结果表明，评价结果合理，适用于水资源承载力评价。     

基于熵权的模糊物元地下水水质评

在模糊物元分析原理的基础上,结合水质评价的特点和欧氏贴近度的概念,将熵值法与模糊物元建模相结合,建立了基于熵权的属性识别地下水水质评价模型。应用熵值法来确定权重系数,避免了权重系数确定的主观性问题。实际应用结果表明:该模糊物元模型简便、通用、计算结果较为客观和稳定,为水质综合评价提供了新的有效方法。     

某风景区水质评价的模糊熵权聚类研究

针对传统评价中单纯的主观判断的不确定性和随意性对确定指标权重带来的不足,采用主观判断与客观评估相结合的熵权方法,来确定各指标的权重系数。将模糊聚类与熵权确定权重应用于某风景区的水质评价中,该方法应用普遍,结果可靠,取得较为满意的结果。     

组合权重可变模糊模型在地表水水质评价中的应用

针对地表水水质评价中的模糊性以及主观权重法确定各评价指标权重的不足,在可变模糊集理论的基础上,提出了组合权重可变模糊模型。模型采用熵权法确定客观权重,有序二元比较法确定主观权重,然后将主、客观权重结合求得组合权重。将模型应用到大沽河的水质评价中,通过与模糊综合评价法和灰色关联分析法比较,得出新模型在地表水水质评价上是可行的,其评价结果具有较强的合理性,从而为在其他领域的应用提供借鉴。     

计算机视觉鸭蛋图像分割技术研究

计算机视觉鸭蛋品质检测中,目标与背景的有效分割尤为重要。为了解决传统灰度阈值分割存在的弊端,构造图像的灰度-梯度共生矩阵,提出基于灰度、梯度信息和最大熵原理的二维阈值分割方法。通过统计目标和背景的熵,并使二者和最大,确定与此对应的灰度、梯度值,即为最佳分割阈值。采用数学形态学方法对分割图像后进行处理,去除噪声点,使分割效果更理想。实验表明,该方法有效。     

基于参数自适应脉冲耦合神经网络的黄瓜目标分割

对脉冲耦合神经网络的参数进行简化,并自适应确定各参数,将图像的空间信息和灰度信息耦合到加权耦合连接系数中,进行温室黄瓜图像分割,采用二维Tsallis熵选择最佳迭代结果.试验结果表明:用区域对比度(GC)和区域一致性(UC)评价方法评价,该方法的分割效果好于采用香农熵和最小交叉熵终止迭代的标准脉冲耦合神经网络分割效果.     

农业节水灌溉项目优选——基于改进模糊物元分析模型

借助改进熵权法对评价指标进行赋权,在灰关联分析和模糊物元分析理论的基础上,建立了改进熵和灰关联分析的模糊物元分析模型。根据灰色关联度的大小对评价对象进行排序,并将其应用到农业节水灌溉项目的优选中,说明此模型的合理性。     

基于Faster R-CNN的田间西兰花幼苗图像检测方法

为解决自然环境下作物识别率不高、鲁棒性不强等问题,以西兰花幼苗为研究对象,提出了一种基于Faster R-CNN模型的作物检测方法。根据田间环境特点,采集不同光照强度、不同地面含水率和不同杂草密度下的西兰花幼苗图像,以确保样本多样性,并通过数据增强手段扩大样本量,制作PASCAL VOC格式数据集。针对此数据集训练Faster R-CNN模型,通过设计ResNet101、ResNet50与VGG16网络的对比试验,确定ResNet101网络为最优特征提取网络,其平均精度为90. 89%,平均检测时间249 ms。在此基础上优化网络超参数,确定Dropout值为0. 6时,模型识别效果最佳,其平均精度达到91. 73%。结果表明,本文方法能够对自然环境下的西兰花幼苗进行有效检测,可为农业智能除草作业中的作物识别提供借鉴。     

基于全景视觉的智能农业车辆运动障碍目标检测

为了满足智能农业车辆安全正常作业,提出了基于全景视觉的运动障碍目标检测。与传统的单目和双目视觉相比,全景视觉具有360°无盲区检测的优点。首先系统使用多线程技术采集多目视觉图像,并用改进RANSAC-SIFT算法进行特征点提取与匹配,进而拼接全景视觉图像;其次采用改进的CLG光流法处理全景图像,检测运动障碍目标。试验表明：基于多线程技术和改进RANSAC-SIFT的全景拼接算法,与传统SIFT算法相比,平均提高特征点匹配准确度25.6%,加快运算速度25.0%;采用改进CLG光流法进行运动障碍检测,平均检测时间为1.55 s,检测成功率为95.0%。     

基于接口的小型农业作业机模块划分方法

产品模块化设计时模块划分的合理性直接影响实现大规模定制生产的效果。提出了一种通过接口关系进行模块划分的方法,将零件接口关系用模糊隶属度函数进行定量化描述,在模糊图上通过割集的方法实现模块的合理划分。以SF5系列小型农业作业机产品为例,通过模块化设计将不同模块进行组合,可满足农林牧多行业用户的功能需求。     

非结构化自然图像自主导航中的两类分割方法

以园艺草割过与未割过的自然图像两类分割为研究对象 ,提出了基于多尺度特征提取 ,以行像素最小、次小和最大、次大值求取加权中值点集的窄带兴趣区法 ,以及相邻行像素两类特征证据增强与多证据模糊判别增强分割法。通过自动跟踪分割实验 ,显示出自然图像中的不同色块和阴影对分割影响不大 ,而且能够做到实时输出分割参数 ,70 ms内自主做出未经透视投影变换的作业机理想移动方向决策。这两种方法对纹理两类边缘的分割是完全无监督的 ,可避免耗时的计算和人工操作介入。     

基于模糊熵和群决策的智能评估模型

农用地等级评估是一项兼具传统性和创新性的工作,目前的评估测算仍以定性评估和主观测算为主,等、级内涵交叉,界限不够明确。为了解决以上问题,提出了基于模糊熵和群决策的智能评估模型,并将该模型应用于农用地等级评估。通过调研,确定出对评估结果产生直接影响的评估指标,并通过专家对评估指标打分的方式获取专家意见,根据信息熵和模糊处理,计算评估指标权重和参与决策的专家权重,并得出评估结论。通过实际算例证明了模型的可靠性和实用性,提出的农用地评估测算方法,可以节约大量的人力、物力、财力,为实际应用提供便利。     

Optimal decision schemes for agricultural water quality management planning with imprecise objective

Agricultural activities are the main sources of water pollution to surface water and groundwater in rural areas. Extensive soil disturbance and application of fertilizer and manure in agriculture cause nonpoint source losses of soil and nutrients such as nitrogen and phosphorus. How to generate preferred decision schemes for agricultural activities that cause such nonpoint source water pollution is a critical issue for the decision makers. In this study, an inexact agricultural water quality management (IAWQM) model is developed and applied to a case study to generate optimal decision schemes for integrated water quality management within an agricultural system. The model is based on a hybrid fuzzy possibilistic robust programming approach, which improves upon the existing fuzzy possibilistic programming and fuzzy robust programming methods by allowing fuzzy information in the model's objective and constraints to be directly communicated into the optimization processes and resulting solutions. Optimal decision schemes for agricultural activities can be generated, including cropping area, manure/fertilizer applied, and livestock husbandry size, where implications of water quality/quantity restrictions for achieving regional economic development objectives are studied. The results of the case study indicate that useful information can be obtained through the proposed IAWQM model for providing feasible decision schemes, which reflect tradeoffs between economic and environmental considerations. The decision variables are useful for the decision makers to justify and/or adjust the decision schemes for agricultural activities through incorporation of their implicit knowledge on water quality management.     

基于模糊自适应纯追踪模型的农业机械路径跟踪方法

为了提高农业机械自动导航控制系统的精度,提出了一种基于模糊自适应纯追踪模型的农业机械路径跟踪方法.该方法基于纯追踪模型进行农业机械路径跟踪控制,结合农业机械运动学模型来确定车轮期望转向角;采用模糊自适应控制在线自适应地确定纯追踪模型中的前视距离,提高了路径跟踪的精度.农业机械的路径跟踪实验结果表明,路径跟踪的最大误差不超过10 cm,平均误差小于5 cm,完全满足农业机械的作业要求,验证了提出方法的可行性和有效性.     

基于输入模糊化的农用履带机器人自适应滑模控制

针对农用履带机器人控制系统易受到参数慑动和外部扰动影响的特点,将模糊理论与滑模控制结合起来,提出了基于模糊逻辑的自适应滑模控制,以提高控制精度与稳定性。首先,推演了履带机器人运动学模型,分析了模型的特点。其次,设计了一种含有积分项的滑模面,构建了基于等效控制和切换控制的模糊滑模自适应控制,既保留了滑模控制的快速性和鲁棒性,又很好地抑制了抖振。仿真与实验结果表明,与常规的滑模控制方法相比,该控制不仅对外部扰动及参数摄动具有较强的自适应性和鲁棒性,而且具有动态响应快、跟踪性能好的特点,适用于履带机器人控制系统。     

基于小波变换与卷积神经网络的羊脸识别模型

为解决养殖场条件下羊只的个体识别问题,本文基于小波变换与卷积神经网络,提出一种融合频域特征与空间域特征的羊脸识别模型DWT-GoatNet。首先采集总计30只高相似度西农萨能奶山羊日间、夜间两种不同光照环境下的面部图像,基于SSIM指标剔除其中相似度过高的样本,接着进行图像裁剪,并通过模糊、调整亮度、平移、旋转、加入噪声、缩放等方法完成数据增强;然后,设计基于二维离散小波变换(2D-DWT)与卷积运算的羊脸特征提取模块,完成特征融合;之后,以前述羊脸特征提取模块为基础,添加分类模块,进行卷积神经网络搭建;最后,进行超参数组合寻优,形成羊脸识别模型。试验结果表明,本文所构建的羊脸识别模型在日间、夜间两种不同光照环境下测试集上识别准确率分别可达99.74%和99.89%,高于AlexNet、VGGNet-16、GoogLeNet、ResNet-50、DenseNet-121等经典卷积神经网络模型,说明所构建模型适用于羊只的个体识别,为精准养殖、农险理赔领域相关工作提供了有效解决方案。