基于Web的葡萄病害智能决策支持系统的分析与研究

针对葡萄病害人工诊断以及传统专家系统的不足,采用基于J2EE标准的3层B/S体系结构,分析了基于Web的葡萄病害智能决策支持系统的总体结构以及核心部件的实现方法,研究了面向对象的XML葡萄病害知识表示方法以及模糊人工神经网络用于葡萄病害诊断的方法,讨论了利用MATLAB Web Server实现MATLAB的Web应用的开发过程。实验测试结果表明：诊断结果准确率达90%以上,系统具有较好的实用价值。     

基于MODIS数据的土壤水分预测方法研究

针对目前应用MODIS数据进行土壤水分预测研究现状,综合分析现有文献,依据使用遥感光谱波段的不同,分别讨论了基于热红外遥感的温度法、基于可见光-近红外遥感的植被指数法以及综合温度和植被指数的特征空间法,分析了几种主要方法在精度、适用范围、实时性等方面的优缺点,认为在裸土或低植被情况下使用热惯量法,而在植被覆盖地区应选择特征空间法来预测土壤水分。在此基础上,提出了未来基于MODIS的土壤水分监测的发展趋势,即多源遥感数据融合技术是提高反演精度的主要手段,MODIS数据与GIS和高光谱数据的结合是今后的研究重点。     

融合关系上下文与路径的茶叶种植知识图谱关系补全模型

针对茶叶种植知识图谱不完备问题,该研究提出了一种融合关系上下文与路径的茶叶种植知识图谱关系补全模型。模型由TeaConAggr（tea context aggregate）聚合模块、多层关系消息传递机制、关系路径聚合模块和关系路径学习模块组成,首先利用TeaConAggr模块对实体的各跳关系上下文进行聚合,通过多层关系消息传递机制将各跳关系上下文进行汇总,从而得到实体对的关系上下文;其次使用关系路径聚合模块对实体之间的关系路径进行聚合,并通过关系路径学习模块对路径进行学习;最后通过注意力机制对关系上下文和关系路径进行融合,以实现实体关系补全的目标。模型在自建的茶叶种植知识图谱数据集TPKGData上开展试验,试验结果表明：该模型在平均倒数排名、命中率Hits@1和命中率Hits@3三个指标上分别达到了85.40%、80.95%和90.08%,与Shallom模型相比分别提高了2.56个百分点、2.63个百分点和4.25个百分点。此外,模型在公开数据集FB15K-237和WN18RR上与Shallom模型进行试验对比,平均倒数排名分别提高了2.17个百分点和1.05个百分点,进一步表明本文模型具有较好的泛化能力。     

决策支持系统及其在农业机械化管理中的应用

介绍了决策支持的概念及功能,分析了决策支持系统(Decision Support System,简称DSS)在农业机械化领域应用的必要性,阐述了DSS在我国农业机械化领域应用的现状、存在问题,指出了农业机械化DSS的发展趋势.     

玉米大斑病的发生与综合防治

根据原平市玉米大斑病多年的发生为害情况,分析玉米大斑病的症状、侵染循环和发病原因,提出选用抗病品种、改善栽培环境、加强病害监测、及时喷药的防治措施。     

Visual Basic教学研究与实践

本文分析了Visual Basic和QBasic的差异，就Visual Basic教学过程中的具体问题作了探讨和实践。     

基于轻量级残差网络的植物叶片病害识别

针对基于卷积神经网络的植物叶片病害识别方法存在网络参数众多、计算量大且复杂的问题,结合植物叶片病害特征,提出了一种基于轻量级残差网络(Scale-Down ResNet)的植物叶片病害识别方法.网络基于Residual Network(ResNet),通过缩减网络卷积核数目和轻量级残差模块(SD-BLOCK),在大幅减...     

基于改进MobileFaceNet的羊脸识别方法

针对羊只个体差异较小,相似度高难以辨别,远距离识别准确率不高等问题,本文基于MobileFaceNet网络提出了一种融合空间信息的高效通道注意力机制的羊脸识别模型,对羊只进行非接触式识别。该研究基于YOLO v4目标检测方法生成羊脸检测器,以构建羊脸识别数据库;在MobileFaceNet的深度卷积层和残差层中引入融合空间信息的高效通道注意力(ECCSA),以增加主干特征的提取范围,提高识别率,并采用余弦退火进行动态学习率调优,最终构建ECCSA-MFC模型,实现羊只个体识别。试验结果表明,在羊脸检测上,基于YOLO v4的羊脸检测模型准确率可达97.91%,可以作为脸部检测器;在羊脸识别上,ECCSA-MFC模型在开集验证中识别率可达88.06%,在闭集验证中识别率可达96.73%。该研究提出的ECCSA-MFC模型在拥有较高识别率的同时更加轻量化,模型所占内存仅为4.8 MB,可为羊场智慧化养殖提供解决方案。     

基于本体的植物病虫害智能答疑系统模型的研究

针对目前智能答疑系统存在的知识共享、复用问题,结合植物病虫害领域的知识特点,提出了基于本体的植物病虫害智能答疑系统模型。将本体理念与技术引入植物病虫害领域,研究该领域间概念关系,构建植物病虫害领域本体模型,为促进植物病虫害综合防治的知识共享及复用提供参考。     

多目标肉牛进食行为识别方法研究

基于计算机视觉技术,借助已有系统获得肉牛进食行为数据,并与体重变化、健康状况等进行关联分析,对肉牛科学养殖具有重要意义。为此提出了一种基于机器视觉的肉牛进食行为识别方法。该方法采用YOLOv3模型对观测范围内的肉牛目标进行检测,利用卷积神经网络识别单个目标的进食行为,进而实现对多目标肉牛进食行为的识别。卷积操作时,利用填充（padding）增强网络对目标边缘特征的提取能力;使用修正线性单元（ReLU）为激活函数,防止梯度消失;采用丢弃（dropout）方法提高网络的泛化能力。获取实际肉牛养殖场的监控视频,构建数据集,分别在8组测试集上进行试验,本文方法对观测范围内肉牛目标检测的平均精确度为83.8%,进食行为识别的平均精确度为79.7%、平均召回率为73.0%、平均准确率为74.3%,能够满足肉牛进食行为的监测需求。基于YOLOv3模型和卷积神经网络的多目标肉牛进食行为识别方法具有较高的准确性,为肉牛行为非接触式监测提供了新的途径。