论人工神经网络在农业工程中的应用

介绍了应用人工神经网络解决问题的基本原理，论述了人工神经网络在农业工程中的应用，及可能的应用范围，最后给出了在农业工程中应用人工神经网络要注意的问题。     

人工神经网络在农业中的应用

本文介绍了人工神经网络的历史发展概况、基本结构和原理、主要特点。综述了人工神经网络历年来在农业信息科学领域的应用情况。     

人工神经网络在农业中的应用研究

本文回顾了人工神经网络技术在国内外农业领域中的应用情况，对其在农业中的应用前景进行展望。     

神经网络在农业工程中的应用

神经网络是人工智能领域发展最快的信息处理技术之一。神经网络模型是研究大脑和神经系统获得启示而建立的,适用于处理复杂、模糊及非线性的问题。该文简单分绍了神经网络的基本结构及逐年来神经网络在农业工程领域的应用。     

农业工程在生态环境建设中的应用

在分析中国生态环境存在的严峻问题的基础上,从几个方面回顾了中国过去几十年来农业工程技术的发展,及对生态环境保护的作用。指出应加强环保意识,制定生产与自然资源合理利用的科学规划,充分发展和利用农业工程技术解决生态环境问题,提出大力发展农业工程技术是解决中国生态环境问题的有效途径之一     

力学在农业工程中的地位

农业工程学科的性质:农业工程学科的任务是从农业生产固有的特征和系统整体性角度来发展农业工程技术,它着重研究农业生物体和环境及工程措施之间的相互关系。不同国家由于经济、技术水平及社会背景差异,农业工程学科的发展战略有很大差别。农业工程科学技术中的力学问题:在设计和研究农业工程装备和工艺中经常碰到各种力学问题,除传统的工程力学问题外,由于农业工程的对象主要是生物体,它们一般具有形状不规则、各向异性、气液固三态同时存在,并受生命现象规律约束等特征。虽然现代计算力学的理论和方法已大量用于农业工程问题的分析和计算,但农业工程仍有许多新的力学研究领域有待开拓。如在农机和农产品加工中要对作物及其他农业物料进行切割、粉碎、脱粒、分离、清选、分级、脱壳、脱皮、运输等作业;在拖拉机进行田间运输、牵引农机具工作时涉及土壤的变形、破坏、压实、摩擦、粘附等问题;在土水控制中要研究水在土壤、作物、大气连续体中输运的规律;在农业建筑及环境控制中既要研究农业建筑结构中的力学问题,也要研究环境控制中的空气动力学及传热和传质问题;在发展农业工程装备和技术中可以用现代力学方法分析动、植物的生理现象等等。只有当农业工程科学技术成为广大农民、农学家、畜牧学家的自觉需要时,农业工程学科的发展才有坚实的基础。发展农业工程学科需要跨学科的广泛合作。     

人工神经网络在水土流失规律预报中的应用

运用人工神经网络技术 ,采用九龙江西溪流域水文数据 ,以年降雨量、年径流量和年平均含沙量为输入因子 ,建立年输沙量的预测预报模型 ,结果表明 :所建立的模型的模拟精度与预测精度分别达到 95 .972 %与 98.315 % ,高于线性模型和幂函数模型 ,从而为水土流失规律的预测预报提供理论依据     

论农业环境保护体系创新工程

针对我国是一个人口多耕地少的农业大国这一国情,以及农业环境保护体系的现状,论述了加强农业环境保护体系创新工程建设是改善和治理生态工程的保证,其主要内容包括机职能,科技发展,任务布局三大体系的创新工程建设,同时提出了抓建设促监测,抓监测促管理的观点。     

人工神经网络技术在鲜茶叶分选中的应用

将人工神经网络技术应用于鲜茶叶的分类,茶叶图像面积、周长、凸壳面积、凸壳周长、等二阶距椭圆长轴长度、短轴长度、椭圆偏心率等几何参数和R、G、B三个彩色空间分量的均值、标准偏差、平滑度和一致性等纹理参数可以作为茶叶分类的特征值。试验表明,BP网络用于茶叶分类能够取得较好的效果,分类判断的正确率达到90%。网络的隐藏层和输出层为多个神经元时,其可能达到的分类效果要略好于隐藏层和输出层只有单个神经元的网络,但前者训练出的网络会出现权值不能收敛到全局误差最小值的情况,其可靠性不如后者。     

试论农业工程学科建设

阐述了农业工程的范畴,分析了我国农业工程学科建设的状况,认为建立农业工程学科的基础理论——《农业工程学》的时机已经成熟。进而根据物理运动过程、化学运动过程、社会经济运动过程及自然环境四个方面与生物生长发育过程之间的关系,提出了《农业工程学》的框架设想。     

农产品品质检测中的计算机视觉及神经网络技术发展与动态

随着计算机技术的飞速发展，计算机视觉及人工神经网络等交叉学科的研究与应用已扩展到农业工程领域中，并在许多方面取得了重大开拓性成果。文中概括介绍了这两项高新技术在农产品品质自动检测与分级中的应用状况及发展动态，并通过分析指出了当前尚须解决的问题。     

新安江模型和人工神经网络的耦合应用

提出了一种集成人工神经网络的概念性水文模型,该模型是一种半分布式概念性水文模型,考虑了降雨的空间变异性,流域特征的不均匀性等因素对径流过程的影响。采用遗传算法进行概念性模型参数优选,同时考虑雨量站的空间分布,利用GIS和DEM数据进行流域单元划分;对于每个子流域,考虑模型输入参数和降雨资料的空间分布特性,进行产流计算;在径流演算过程中,利用人工神经网络的非线性映射方法代替传统概念模型中线性叠加方法计算整个流域的出口流量过程。以半湿润的淮河上游支流的大坡岭流域为例,对模型的可行性进行验证,并与单一的新安江模型的结果进行了比较。验证结果表明,集成人工神经网络技术和新安江模型的耦合模型有较好的模拟和预报结果。     

基于神经网络农用感应电动机直接转矩控制

提出了基于神经网络的直接转矩控制方法，并应用到农用感应电动机的控制上。采用Levenberg优化方法进行网络训练，用神经网络代替了传统的开关状态的选择，实现交流电机的直接转矩控制。基于MATLAB对系统进行了仿真研究，结果表明，该方法和传统方法效果基本一致，具有较好的控制和运行性能，是研究运动控制的一种新方法。     

美国农业工程教育课程的设置及实施

从农业工程教育课程的变化,论述了美国农业工程教育的现状、特点,以及为适应现代化农业,人材市场以及自身发展而进行的课程更新。对未来课程变化作出了粗略估计。     

基于人工神经网络的组合预测及应用

综合组合预测和人工神经网络的特点，提出一种将人工神经网络应用于组合预测的新方法，并以浙江省猪肉产量预测为实例进行了论证。