基于模糊聚类的农田对象分类

利用图像分析技术对农田对象进行分类,识别农田中不同植物和不同湿度土壤,为定点变量作业提供依据。首先,针对农田各类对象包含颜色信息的不同,采用不同因子实现农田图像的灰度化;然后,利用3种灰度图像对绿色植物、蓝色天空和褐色土壤的识别优势,分析比较阈值法和K均值聚类方法并实现了图像分割;最后,利用模糊聚类法对绿色植物和不同湿度的土壤进一步实现分类。实验结果表明,利用K均值聚类法对绿色植物的平均识别率可达92.5%,对不同湿度的3类土壤的平均识别率达95.6%。因此,本研究能够准确分割和识别不同类型的植物与土壤,为农田对象的识别提供了基础。     

基于云模型的玉米饮料感官鉴评

利用云模型实现玉米饮料感官鉴评过程中的定性描述性语言和相应定量数值之间的任意转换,首先利用逆向云模型对玉米饮料感官鉴评的得分进行转化和分析,得到玉米饮料定性概念的表示.同时利用正向正态云模型完成玉米饮料定性概念向定量数值的转化,在保留数据特征的前提下将其还原至不同样本点.并针对玉米饮料的评价将云模型推广至多维空间.利用综合定性概念特征在四维空间内表征玉米饮料整体特征.     

基于CUDA的并行K-means聚类图像分割算法优化

为提高K-means聚类算法的运算速度,基于CUDA架构提出一种分块、并行的K-means算法,并采用"合并访问"、"多级规约求和"、"负载均衡"和"指令优化"等策略优化并行算法。实验结果表明,并行K-means算法的分割效果与串行K-means算法相同,但运行速度得到了极大的提高,加速比最高达到560,很好地解决了农业工程实际中由于分割算法带来的瓶颈问题,能够极大地提高农业劳动生产率。     

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。     

西红柿果实目标识别方法研究——基于模糊聚类算法

为了准确识别成熟的西红柿目标,提出了一种模糊C-均值聚类算法(Fuzzy Clustering Means,FCM)的西红柿目标分割方法。该方法首先利用FCM算法对西红柿图像进行模糊聚类,并对聚类后的果实图像与丢失的部分目标图像进行相加,以得到更加完整的西红柿目标;然后对西红柿目标进行二值化、去噪、开运算与闭运算等处理,完成西红柿目标的分割。为了验证算法的有效性,利用20幅图像进行了试验并与K-means算法和Otsu算法分割效果进行了对比。结果表明:利用文中算法所分割出的西红柿目标最高分割误差率均低于Kmeans算法和Otsu算法,平均分割错误率为1 6.5 5%,比K-means算法低了3.5 6%,比Otsu算法低了1 2.8 0%。这表明,将该方法应用于西红柿目标的识别是可行的。     

云农业参与意愿影响因素研究——基于技术接受模型的分析

为了明确用户对云农业的参与意愿以及参与现状,笔者构建了用户云农业参与意愿影响因素的假设模型。应用SPSS24.0和AMOS26.0统计分析软件,通过数据分析检验了研究假设。研究结果表明,用户对在线参与云农业的感知风险、主观规范、感知娱乐性、感知易用性对感知有用性有显著影响,感知有用性对态度有显著影响,态度对使用意愿有显著影响。     

基于改进的K-均值聚类算法的农作物图像分割

图像分割是图像进行分析处理的首要步骤。为此,针对彩色农作物图像的特征,首先将RGB彩色图像转换到HIS色彩空间,运用均值一方差与粗糙集理论选取适当的初值聚类中心和聚类个数,再进行聚类计算,实现了色彩分量的快速自动化分割,较准确地从背景中提取出了目标物体,为农作物图像的识别与分析、后续计算和处理提供了可靠的基础。实验结果表明,改进的k-均值算法减少了运算量,提高了分类精度和准确性。     

基于正态云模型的区域水资源承载力评价

针对水资源承载力评价指标模糊性与随机性的问题,将正态云模型应用于其评价当中。基于正态云模型,以浙江省为例,对区域水资源承载力状况进行评价。结果表明:2006-2009年间,浙江省水资源承载力状态始终处于Ⅱ级(一般)状态,较为平稳,水资源承载力综合值从1.960 3上升为2.052 2,区域水资源承载力水平有增加趋势,但个别评价指标仍处于危险状态,其单因子指标值1.5,有待于进一步提高与改善;正态云模型使水资源承载力的定量评价兼顾随机性和模糊性,研究结果可为区域水资源可持续发展提供一定的参考借鉴。     

基于云模型的电力变压器风险评估及检修决策

针对传统风险评估方法存在评价指标等同对待、当风险优先级（RPN）相等时无法进行评估、评估结果准确性低等不足,提出了基于云模型的电力变压器风险评估方法。该方法在对电力变压器进行故障模式及影响分析（FMEA）的基础上,建立了发生度、严重度、可检测度的云模型,并通过风险的最高等级对故障模式进行排序最终得到变压器部件的维修决策。该方法不仅有效地克服了传统评估方法无法实现评价指标的区别对待和当风险优先级（RPN）相等时无法进行评估这两大不足,而且能为采取有效的运行维修策略、提高电力变压器的安全性和经济性提供有力依据。     

基于德尔菲法和云模型的水利信息化测度研究

建立水利信息化测度模型,对于水利信息化工作的开展和指导有着重要的科学和现实意义。依据我国开展水利信息化工作以来,在全国范围内进行的水利信息化发展状况调查工作中所获取的基础数据和水利信息化发展的实际情况,参考国际上普遍使用的信息化发展程度评估方法,提出了一种基于德尔菲法和云模型的水利信息化测度研究方法,并结合2012-2015年度中国水利信息化发展报告中提供的统计数据,对研究方法展开论述。本研究在一定程度上提升了水利信息化发展程度评价的科学客观性,为实现水利信息化阶段目标提供现状分析和决策参考。     

基于SPI和云模型的海河平原区干旱特征研究

根据海河平原20个气象站1955-2019年逐日降水量计算了年尺度和季尺度的标准化降水指数(SPI),对各尺度不同等级的干旱频率及其时空特征进行分析;以年尺度SPI为样本,采用正态云发生器算法和多步还原逆向云变换算法构建云模型,分析了干旱的随机性和稳定性.结果表明,海河平原区干旱频率主要分布区间为[0.28,0.31]...     

基于博弈论-云模型的金华市用水效率综合评价

用水效率综合评价是评估区域用水水平和节水成效的基础工作,对贯彻落实"节水优先"方针具有重要意义.为了科学评估区域用水效率水平、克服评价过程中的模糊性和随机性,构建了基于博弈论思想组合赋权的云模型,从综合、生活、工业和农业用水效率4个方面选取评价指标,以金华市为研究对象,对其2018年用水效率水平进行综合评价.结果表明:...     

基于云模型的西北地区辐射时空分布研究

为研究西北地区辐射（Rs）时空分布特性,基于西北地区16个辐射站点4个分区（Ⅰ区,新疆北部、甘肃河西走廊中西段、宁夏中北部、内蒙古西部;Ⅱ区,新疆南部;Ⅲ区,青海省;Ⅳ区,甘肃东南部、宁夏南部、陕西关中地区与陕北地区）1995—2015年实测日Rs与日照时数（n）率定?ngstr?m-Prescott（A-P）模型参数a、b,使用A-P模型4种不同参数率定方法（M1：分月率定,M2：分季率定,M3：分半年率定,M4：多年率定）,选取其中精度高且简便的方法计算4个分区1961—2015年共55a的Rs,并用云模型描述西北地区Rs时空分布特性,结果表明：各分区4种方法计算的Rs值与实测值在日尺度和月尺度上拟合结果均较好。各分区4种方法计算Rs的RMSE、nRMSE分布相似,MBE略有差异,t检验结果表明Ⅰ区和Ⅲ区使用M1、M2、M3计算的Rs值与实测值无明显差异,Ⅱ区使用M1、M3计算的Rs值与实测值无明显差异,Ⅳ区使用M1、M2计算的Rs值与实测值无明显差异。Ⅰ区Rs时间分布的不均匀性较小但不稳定,Ⅱ区、Ⅲ区Rs时间分布的不均匀性较小且较稳定,Ⅳ区Rs时间分布的不均匀性较大且不稳定。西北地区Rs空间分布不均匀,4个季节均表现为Ⅲ区（青海省）Rs较大;与Rs在时间上的分布特性相比,其在空间上的分布特性更不均匀、不稳定。该研究结果可用于构建完整的西北地区Rs时间序列,为西北地区Rs时空变化研究提供科学参考。     

基于云模型可能性测度的引水灌溉工程调度风险评估

输水调度是引水灌溉工程最为核心和关键业务,为确保工程安全平稳运行,对调度风险进行深入研究和系统分析是十分必要的。总结分析影响引水工程调度安全众多因素,将调度风险归纳为调度制度风险、调度人员风险、调度技术风险、调度协调风险4方面,细化各类风险因子,建立了调度风险评价指标体系。在此基础上,提出了基于云模型可能性测度风险评估方法,利用正态分布云模型量化风险因子的重要程度和效用值,通过模糊积分计算综合风险程度。实例表明,建立的引水灌溉工程调度风险评价指标体系和评估方法,能够较全面、合理反映调度运行安全影响因素,综合考虑了风险评估中的模糊性和随机性,操作性强,为风险评估研究提供了一种新思路。     

基于主成分和云模型的冬小麦种植信息提取研究

在对Sentinel-2卫星遥感影像进行预处理的基础上,利用主成分变化提取小麦主要信息,基于云模型算法开展光谱遥感图像分类。分类时,首先根据训练样本集,由逆向云发生器生成典型小麦的云模型,然后利用云发生器计算出各波段每个象元对小麦地物的平均隶属度,在对各波段的隶属度分析基础上,摒弃含有复杂信息的第1主成分,利用第2主成分和第3主成分信息实现对冬小麦种植空间信息的提取。结果表明,提取小麦种植信息制图精度和用户精度分别为92.78%和99.90%,小麦种植田块的隶属度值因小麦长势和密度的不同有较大的差异,云模型对长势较差、密度较低的小麦像元存在漏分现象。基于云模型的算法精度极高,对小麦地块的识别错分、漏分现象少。该模型有助于冬小麦种植面积的精确提取,对于农业部门进行冬小麦生长监测与产量估测有重要的支撑作用。      

基于MMC与CV模型的苗期玉米图像分割算法

针对苗期玉米田复杂土壤背景噪声,提出一种基于MMC（最大间隔准则）与CV（Chan-Vese）模型的玉米彩色图像分割算法。利用MMC对玉米彩色图像灰度化,用TV（全变分）滤波器对灰度图像进行去噪,用CV模型对去噪图像进行图像分割。试验结果表明,算法优于传统的颜色因子与Otsu组合算法,能有效去除图像中的小杂草和青苔,实现玉米目标提取,错分率为4.32%,漏分率为9.69%,相似度为86.57%。     

基于云模型的合同节水管理风险评价

针对合同节水管理风险评价过程中各评价指标定性概念的随机性及模糊性,提出一种基于云模型的综合评价方法。运用层次分析法确定指标权重,通过正向云发生器对合同节水管理项目的风险评价标准进行云变换得到概念云模型。通过专家打分法获取云滴,采用浮动运算法和综合运算法实现合同节水管理项目由低级指标向高级指标的转换。将结果转换为云图,并与风险评价标准的概念云模型进行对比,得出评价结果。最终通过实例分析,证明云模型应用于合同节水管理风险评价的有效性和可行性。     

基于云模型的耕地土壤养分模糊综合评价

土壤养分综合评价在很大程度上存在着模糊性和随机性,为有效解决评价中定性概念与评价指标按隶属函数定量描述这一不确定转换问题,基于云理论及模糊数学原理,构建了基于云模型的耕地土壤养分模糊综合评价方法。以吉林省大安市为研究对象,选取耕作层中有机质等7个土壤养分元素的含量作为评价指标,利用熵权法确定各指标权重,计算得到评价对象的土壤养分模糊云综合指数(Cloud fuzzy comprehensive index,CFCI),并对CFCI进行COK插值,形成土壤养分CFCI等级分布图。结果表明:从评价结果的数据特征来看,研究区域CFCI范围在2.43~4.89之间,平均值为3.78,标准差为0.45,变异系数为11.85%,属于中等变异程度;从评价结果的空间分布格局来看,大安市耕地土壤养分综合水平呈现由北向南逐渐下降的趋势,且呈现耕地集中连片度越高的地方,土壤养分综合水平越高的特点。     

基于K均值聚类的成熟草莓图像分割算法

成熟草莓图像分割是草莓收获机器人识别和定位系统的关键技术.考虑到成熟草莓和其所处环境的颜色特性,在Lab彩色模式下将K均值聚类用于成熟草莓图像的分割.首先把输入的草莓图像从RGB空间转换到Lab空间下,然后初始化三个聚类中心进行K均值聚类的迭代算法,最后为消除成熟草莓花托表面细小瘦果对分割产生的影响,利用数学形态学的闭运算对分割的图像进行了修正加工.研究表明,K均值聚类分割算法在Lab模式下能够较好地分割出成熟草莓图像,并且Lab模式比其他彩色模式更适用于K均值聚类的图像分割算法.     

基于模糊聚类的玉米大斑病害图像的分割技术

通过颜色空间的转换,将RGB颜色空间转化为HSI颜色空间,在色度H空间对玉米大斑病图像进行分割。应用模糊聚类分析的方法,确定了图像分割的阈值。对186幅玉米大斑病图像进行分割试验,分割的准确率为97．8％。分析表明,准确的病害图像分割可以为病害的特征值提取和病害的模式识别做好准备。