省域土地人口经济多维协调格局及分区发展策略

为了实现玉米含水率的快速无损检测,该文利用精密阻抗分析仪和自制介电参数测量传感器通过500 mV的激励电压在1 kHz~5.462 MHz频率范围内测量了热风干燥过程中不同含水率与不同温度下玉米籽粒的介电常数?''和介电损耗?"。通过对双介电参数频谱的分析,对含水率回归模型建模频段进行了初步选择,以1.072~5.462 MHz之间15个测量频点的双介电参数和温度值T共计31维变量作为支持向量回归机（support vector regression,SVR）模型的输入全变量,分别利用竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）、迭代保留信息变量算法（iteratively retains informative variables,IRIV）和CARS-IRIV联合算法筛选特征变量,建立全变量、CARS、IRIV和CARS-IRIV筛选特征变量与玉米籽粒含水率的SVR模型。引入鲸鱼优化算法（whale optimization algorithm,WOA）优化SVR模型参数c（惩罚因子）和g（核函数参数）,结果表明CARS-IRIV筛选特征变量（?''3.854MHz、?"3.854MHz、?''5.462MHz、?"5.462MHz、T）建立的SVR模型经WOA优化后（CARS-IRIV-WOA-SVR）具有最优的预测精度,预测集决定系数、预测集均方根误差和剩余预测偏差分别为0.998 4,0.40%和24.55,且模型复杂度最低。该研究为基于双介电参数和支持向量回归机实现玉米含水率快速无损检测提供了新的研究思路和基础数据。     

基于介电特性与IRIV-GWO-SVR算法的番茄叶片含水率检测

为了探究利用介电特性检测作物水分状况的可行性,研究了一种基于介电特性的有效、快速、精确检测番茄叶片含水率的方法。以300片不同含水率的番茄叶片为研究对象,通过LCR测量仪测定叶片在0.05~200 k Hz下的相对介电常数ε′和介质损耗因数ε″,并采用干燥法测量叶片含水率。利用迭代保留信息变量法(iteratively retains informative variables,IRIV)对介电参数进行特征变量选取,并与连续投影算法(successive projections algorithm,SPA)进行比较,利用支持向量回归机(support vector regression,SVR)分别建立叶片全变量、2种特征变量与叶片含水率的关系模型。结果表明,基于迭代保留信息变量法选取特征变量的支持向量回归模型(IRIV-SVR)具有良好的预测能力,但预测精度仍需提高,故引入灰狼优化算法(grey wolf optimizer,GWO)优化模型的参数c(惩罚因子)和g(核函数参数)。最终,经GWO优化后的模型(IRIV-GWO-SVR)的预测集决定系数R2与均方根误差RMSE分别为0.963 8,0.020 7。因此,利用介电特性结合IRIV-GWO-SVR算法预测番茄叶片含水率是可行的,同时为其他叶片含水率检测提供了一种新的方法和思路。     

基于介电特性与SPA-SVR算法的水稻含水率检测方法

为提高基于介电法水稻含水率的检测精度,以北粳3号水稻为研究对象,利用阻抗分析仪及自制同轴圆柱型电容器测量了不同含水率水稻在1 kHz～1 MHz频率下的相对介电常数ε′及介质损耗因数ε"。采用x-y共生距离法划分了72个样本校正集和48个样本预测集。利用无信息变量消除法及连续投影法选取介电参数(ε′、ε"及ε′和ε"两者结合)的特征变量,分别利用所提取的特征变量以及单频、全频下的介电参数来建立预测水稻含水率的多元线性回归及支持向量机回归模型,分析模型的预测性能,并对最佳模型的含水率预测结果进行温度补偿。结果表明:基于ε′与ε"两者结合并利用连续投影法提取特征变量建立的支持向量机回归模型预测效果最佳,其预测集决定系数为0.980,预测均方根误差为0.403%。最佳预测模型对不同品种水稻的含水率预测值与烘干法测得的含水率实测值的绝对误差集中分布在±0.5%内,该研究可为粮食含水率的检测提供参考。     

基于高光谱成像技术的青贮玉米饲料pH值无损检测

为实现青贮玉米饲料pH值的快速、无损检测,该研究采用高光谱成像技术建立不同品质青贮玉米饲料pH值的定量检测模型。采集青贮玉米饲料样本936～2 539nm的平均光谱,采用6种预处理方法对青贮玉米饲料平均光谱进行处理,通过建立偏最小二乘回归（partialleastsquaresregression,PLSR）模型得出多元散射校正（multiplicativescatter correction,MSC）和卷积平滑（savitzky-golay,SG）两种预处理方法效果较好,使用竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）、变量组合集群分析算法（variable combination population analysis,VCPA）以及迭代保留信息变量（iteratively retains informative variables,IRIV）算法对经MSC和SG卷积平滑预处理光谱进行特征波长提取,利用PLSR和极限学习机（extreme learning machines,ELM）分别建立饲料全波段、特征波长...     

基于高光谱的油麦菜叶片水分CARS-ABC-SVR预测模型

为了实现油麦菜生长期间更合理的灌水管理,研究一种基于高光谱技术的精确、快速、有效检测油麦菜叶片水分的新方法。以5种不同水分胁迫水平的油麦菜为研究对象,通过高光谱成像系统获取高光谱图像并利用干燥法测量叶片含水率。采用多项式平滑(Savitzky-Golay,SG)结合标准变量变换(standard normalized variable,SNV)对高光谱数据去噪平滑。利用竞争性自适应加权算法(competitive adaptive reweighted sampling,CARS)进行特征波长选择,并与逐步回归分析(stepwise regression,SR)及连续投影算法(successive projections algorithm,SPA)进行比较,利用支持向量回归机(support vector regression,SVR)分别建立油麦菜叶片全光谱数据、3种特征光谱数据与干基含水率的关系模型。结果表明,基于竞争性自适应加权算法波长选择的支持向量回归模型(CARS-SVR)效果最佳,但预测精度尚不够理想,故引入人工蜂群算法(artificial bee colony,ABC)优化模型的参数惩罚因子和核参数。最终,经人工蜂群算法优化后的模型(CARS-ABC-SVR)的预测集决定系数R2和均方根误差RMSE分别为0.9214和2.95%。因此,利用高光谱技术结合CARS-ABC-SVR模型预测油麦菜叶片水分含量是可行的。     

红茶感官品质及成分近红外光谱快速检测模型建立

以在发酵过程中小叶种工夫红茶为研究对象,分别建立了基于近红外光谱检测技术的感官品质评分和理化品质指标(茶黄素、茶红素、茶褐素、儿茶素和酚氨比)的定量分析模型。在模型建立过程中,探讨了特征变量优选方法对预测模型的影响。首先,对获取的近红外光谱数据进行标准正态变量变换法(standard normal Z transformation,SNV)预处理,进而采用联合区间偏最小二乘回归(synergy interval PLS,Si-PLS)、随机蛙跳算法(shuffled frog leaping algorithm,SFLA)、竞争性自适应权重取样法(competitiveadaptivereweightedsampling,CARS)和连续投影(successive projections algorithm,SPA),筛选出各品质指标的最优特征波长变量;最后基于优选波长分别建立各发酵品质指标的偏最小二乘法(partial least squares regression,PLS)线性预测模型和支持向量机(support vector regression,SVR)非线性预测模型。模型结果比较表明,Si、CARS、SFLA和SPA等变量筛选方法可有效压缩变量,以及进一步提高模型精度。非线性模型的预测均方根误差值(root-mean-square error of prediction,RMSEP)均明显小于PLS模型,相关性系数(correlation coefficient,R)和相对分析误差(relative percent deviation,RPD)均高于PLS模型。对于红茶发酵品质的检测上,非线性模型性能优于线性模型。感官品质、茶褐素和儿茶素的最优变量SVR预测模型的RPD值分别为3.923、3.234和5.462,酚氨比和茶红素模型的RPD值分别为2.815和2.223。除茶黄素的评价模型外(RPD为1.77),基于最优特征波长的各品质指标SVR模型的RPD值均大于2,表明模型具有极好的预测性能。研究结果为实现工夫红茶发酵品质的近红外光谱快速检测的实际应用奠定理论基础。     

高光谱图像结合特征变量筛选定量检测羊肉中狐狸肉掺假

为了探讨快速无损检测羊肉糜中狐狸肉掺假含量的可行性,该研究利用高光谱技术结合特征变量筛选方法开展了其定量检测研究。利用遗传算法、竞争性自适应重加权算法和二维相关光谱分析（Two-Dimensional Correlation Spectroscopy,2D-COS）3种方法分别对代表性样品全部846个波长进行特征波长筛选,得到207、34和14个特征波长;基于全部波长和特征波长建立羊肉糜中狐狸肉掺假含量的偏最小二乘回归（Partial Least Squares Regression,PLSR）和支持向量回归（Support Vector Regression,SVR）模型并进行比较。研究结果表明,基于全部波长和特征波长建立的SVR模型性能均优于PLSR模型。其中,利用2D-COS方法提取的14个特征波长建立的SVR模型（即2D-COS-SVR模型）性能最优,其预测集决定系数和均方根误差分别为0.928和3.00%,相对分析误差为4.85,表明高光谱结合2D-COS-SVR模型可以有效实现羊肉糜中狐狸肉掺假的定量检测。该研究结果为开发低成本肉类掺假检测系统提供技术支持和参考依据。     

近红外光谱变量筛选提高西瓜糖度预测模型精度

水果的内部品质是水果分级、保鲜及存储的一项重要指标,利用近红外光谱技术对西瓜内部品质进行快速无损检测研究有着非常重要的意义。为了研究变量筛选方法对西瓜糖度预测模型精度的影响,该文以麒麟瓜为研究对象,利用近红外漫透射光谱技术对麒麟瓜可溶性固形物含量（SSC）进行检测,采用偏最小二乘回归（PLSR）,多元线性回归（MLR）和主成分回归（PCR）建立麒麟瓜可溶性固形物数学模型,并探讨等间隔平均光谱和等间隔抽取光谱变量筛选结合连续投影算法（SPA）对预测模型精度的影响。研究结果表明：光谱经等间隔抽取（间隔5,115个变量）经归一化预处理,结合SPA优选出6个波长建立的PLSR预测模型的相关系数（rpre）为0.828、校正均方根误差（RMSEC）为0.589、预测均方根误差（RMSEP）为0.611。该模型预测效果相对较优,建模时间短,提高了模型的预测能力和预测精度。该研究为西瓜内部品质的在线无损检测提供研究基础。     

近红外光谱技术快速检测婴配乳粉GOS和FOS含量

为实现婴幼儿配方乳粉中低聚半乳糖（GOS）和低聚果糖（FOS）的快速检测，本研究分别采用标准正态变换（SNV）、多元散射校正（MSC）、归一化（Nor）和Savitzky-Golay平滑（SG）4种方法对获取的乳粉原始光谱进行预处理，再使用变量空间迭代收缩算法（VISSA）和竞争自适应重加权采样算法（CARS）提取具有代表性的特征波长，并建立线性偏最小二乘回归（PLSR）模型和非线性支持向量回归（SVR）模型对婴幼儿配方乳粉中的低聚半乳糖（GOS）和低聚果糖（FOS）含量进行预测。结果表明，乳粉的原始光谱经SNV预处理后，再使用VISSA算法能够有效提取GOS和FOS特征波长，建立的VISSA-SVR非线性模型能够得到较优的GOS和FOS预测结果，GOS的VISSA-SVR模型校正集相关系数为0.998 1，均方根误差为0.050 5，预测集相关系数为0.985 0，均方根误差为0.219 3;FOS的VISSA-SVR模型校正集相关系数为0.994 3，均方根误差为0.053 3，预测集相关系数为0.948 7，均方根误差为0.135 7。本研究可为实现婴幼儿配方乳粉生产过程营养成分...     

基于光谱变换的滨海湿地土壤全氮含量建模预测

基于133个滨海湿地土样的全氮（TN）含量和光谱反射率（R）及其对数（lgR）、对数的一阶微分（（lgR）''）、倒数（1/R）、倒数的一阶微分（（1/R）''）、一阶微分（R''）、平方根（√R）、一阶微分的倒数（1/（R）''）变换，采用偏最小二乘回归（PLSR）、随机森林回归（RFR）和支持向量机回归（SVR）3种算法分别建立土壤TN含量估测模型。结果表明：①土壤TN含量与光谱变换形式相关性由高到低为：（1/R）''> R''> （lgR）''> 1/R > lgR > 1/（R）''> √R > > R，经光谱变换，土壤TN含量与变换光谱的相关性均高于R，其中与（1/R）''的Pearson相关系数最大为0.746。②PLSR和SVR基于R''、（1/R）''、（lgR）''和1/（R）''变换构建的模型、RFR方法构建的所有模型R²均大于0.732，均可用于滨海湿地土壤TN含量的估算。③基于1/（R）''建立的SVR模型预测精度最高，其R²为0.987，RMSE为0.057 g/kg，MAE为0.050 g/kg，是预测滨海湿地土壤TN含量的最优模型，可为准确获取滨海湿地土壤TN含量提供稳定方法。     

边缘检测算法比较分析

阐述了数字图像处理中常用的经典边缘检测各类算子的算法原理、计算方法,包括一阶经典检测微分算子、二阶经典检测微分算子,在明晰原理方法的基础上对比分析各个算子的优劣之处,分析各个算子的效率、精确程度,同时分析各个算子各自擅长处理的图像类型。通过对边缘检测算子的比较分析,可以较全面地了解经典边缘检测算子的不同适用情况,为实际应用准确选择最合适的算子。     

基于改进二维最大类间方差法的白色异性纤维检测算法

白色异性纤维的检测是棉花在线检测中的一个难题。通过对白色异性纤维和皮棉灰度直方图的分析,改进了二维Otsu算法,在计算目标和背景的概率和时考虑了二维灰度直方图副对角线区域的概率和,缩小了二维Otsu算法阈值对的取值范围。经过试验表明,与一维Otsu算法和快速二维Otsu算法相比,改进后的二维Otsu算法的准确性和实时性都得到了有效提高,该算法在实际生产中已经得到了成功的应用。     

基于农田环境的农业机器人群协同作业策略

为合理分配农业机器人群协同作业中各机器人的工作量与工作区域,提高机器人群协同作业的整体效能与工作效率,该研究提出一种复杂环境下异质农业机器人群的任务分配及全区域覆盖策略。在考虑农业机器人异质性的基础上,以机器人团队整体效能最优为目标进行任务分配并确定各机器人的工作量。根据农场实际工作环境建立一级分区的概念,在栅格化环境建模与障碍物膨胀处理的基础上,在一级分区内部建立二级分区的栅格分区和分区合并规则,简化农田中的复杂工作环境;将遗传算法与混合粒子群算法相结合改进遗传算法交叉操作,建立遗传算法染色体种群多样性的概念,并综合考虑遗传算法染色体适应度值的差异以及种群多样性阶段设置自适应交叉变异概率,继而利用改进的遗传算法解决深度优先搜索算法在一级分区与二级分区间的遍历顺序问题;设置深度优先搜索算法在二级分区内的路径搜索规则,并在栅格图内遍历的同时根据各机器人的工作量分配其工作区域,设置机器人在其工作区域中的遍历规则,实现机器人群对农田的全区域覆盖。仿真试验结果表明,改进的遗传算法所得到的遍历各分区的路径长度与收敛迭代次数较传统遗传算法分别减少了2.8%与69.5%,较模拟退火算法分别减少了9.3%与19.0%;包含3、5、7、9和11个障碍物的5幅环境地图中,机器人群遍历工作区域的总面积重复率分别为6.3%、8.9%、16.7%、21.7%和23.4%。在4种面积相等的异形农田中设置相同数量的障碍物进行验证试验,结果表明,机器人群总遍历面积重复率分别为16.7%、13.1%、11.9%和6.7%。机器人群协同作业场地试验结果表明,4个试验机器人均可在规定的时间要求(25 min)内完成各自工作量,遍历面积重复率分别为5.77%、4.14%、6.75%和4.85%。研究结果可为复杂环境下农业机器人群协同作业策略提供理论支撑。     

神经网络在储粮害虫识别中的应用

重点研究了基于图像识别的储粮害虫自动检测系统中的粮虫分类环节。对分割后的储粮害虫二值化图像，从10多个形态特征中选择出5个有效的特征；将GA和BP算法相结合来训练神经网络，克服了传统BP算法收敛速度慢、易陷入局部极小等缺陷，对4类害虫的20个样本的识别率达到100%，为系统的实际应用奠定了基础。     

改进DV-Hop定位算法在动物监测中的应用

为了避免无线传感器网络中由于节点在测距精度、时间同步、硬件与功耗等方面代价较高造成整个网络死亡,同时提高定位精度,该文基于饲养场的实际环境,对无线传感器网络中典型的DV-Hop定位算法进行简化和优化改进,通过仿真和实际节点试验对定位误差等性能指标进行评价。研究结果表明：改进算法比原始三边测量算法的定位误差平均减少3.17%,能够监测到实际环境中“行走动物”节点的运动轨迹,且定位平均误差为0.33 m。改进算法不仅不需要GPS等硬件辅助,而且减少了计算开销,节省能耗,提高了定位精度,可以有效应用于实际环境。     

针对TM/ETM+遥感数据的地表温度反演与验证

利用2001、2004、2005年水体、裸地、农田、草地上红外辐射计的观测数据,结合大气下行辐射与比辐射率数据,通过多种方法分别获取了像元尺度的地表温度实测值,并对基于TM/E1M<' >数据的3种遥感反演算法得到的地表温度进行地面验证.结果表明:3种遥感反演算法得到北京地区地表温度的空间分布趋势一致.与地面实测数据相比,辐射传输方程算法的结果略高于地面实测值,单窗算法的结果与地面实测值一致性最好,而普适性单通道算法的结果明显低于地面实测值.从单窗算法反演的北京市地表温度分布图中可以看出,北京城市热岛效应显著,总体上城区地表温度高于郊区,水体温度最低,而且不同下垫面的地表温度差异明显.     

基于预测模型的选课算法研究

比较了传统的选课算法的优劣,提出了基于预测模型的选课算法,分析了其算法思想和算法流程,并将其应用于小型的选课过程,取得了较高的效率和较好的匹配度。     

连续蚁群算法在水稻灌溉制度优化中的应用

为构建一种新的连续蚁群遗传算法,将优化连续空间变量的蚁群算法与实码加速遗传算法耦合,用蚁群算法将解空间分解成若干子空间,使解的范围均匀而广泛,为找到全局最优解奠定良好基础,且信息素的不断正反馈使问题向着更优解的方向逼近。综合二者的各自特点,通过对查哈阳灌区2006年水稻灌溉制度的优化,检验了该模型不但应用简便,且求解结果精度高、速度快,同时它的出现为制定合理的灌溉制度、提高水利用率提供科学依据,为优化领域提供新思路。     

Methods for reserve selection: Interior point search

Spatial reserve design concerns the planning of biological reserves for conservation. Typical reserve selection formulations operate on a large set of landscape elements, which could be grid cells or irregular sites, and selection algorithms aim to select the set of sites that achieves biodiversity target levels with minimum cost. This study presents a completely different optimization approach to reserve design. The reserve selection problem can be considerably simplified given the reasonable assumptions that: (i) maximum reserve cost is known; (ii) the approximate number of new reserves to be established is known; (iii) individual reserves need to be spatially contiguous. Further assuming the ability to construct a set of reserves in an efficient and close to optimal manner around designated reserve locations, the reserve selection problem can be turned into a search for a single interior point and area for each reserve. The utility of the proposed method is demonstrated for a data set of seven indicator species living in an conservation priority area in Southern Australia consisting of ca 73,000 selection units, with up to 10,000 cells chosen for inclusion in a reserve network. Requirements (ii) and (iii) above make interior point search computationally very efficient, allowing use with landscapes in the order of millions of elements. The method could also be used with non-linear species distribution models.     

Multi-step ahead soil temperature forecasting at different depths based on meteorological data: Integrating resampling algorithms and machine learning models

Direct soil temperature (ST) measurement is time-consuming and costly;thus,the use of simple and cost-effective machine learning (ML) tools is helpful.In this study,ML approaches,including KStar,instance-based K-nearest learning (IBK),and locally weighted learning (LWL),coupled with resampling algorithms of bagging (BA) and dagging (DA)(BA-IBK,BA-KStar,BA-LWL,DA-IBK,DA-KStar,and DA-LWL) were developed and tested for multi-step ahead (3,6,and 9 d ahead) ST forecasting.In addition,a linear regress...