基于模糊数学的覆盖集模型在鱼病诊断中的应用

本文结合鱼病诊断中随机性、模糊性和不完备性同时存在的特点，基于节约覆盖集理论的概率模型，将模糊数学方法集成到症状的提取中，并根据获取信息的序贯性给出求解算法，构造了一个能够有效处理随机性、模糊性和不完备性知识表示和推理的鱼病诊断模型。通过大量鱼病诊断实例证明该模型具有一定的有效性和实用性。     

基于Web的农业机械化发展决策支持系统

设计了一个网络化农业机械化发展决策支持系统软件。以Intranet为核心技术,采用先进的Client／Server／Server(CSS)多层体系结构,以Visual InterDev,Dhtml,MSDN,IESDK,VB Script,SQL Server7．0,Active Server Pages动态服务器网页,以及Photoshop 6．0图像处理等软件为开发工具,以Windows NT4．0／Windows 2000为服务器应用软件平台,对农业机械化水平评价、关键因素分析、发展阶段评判、水平区域分类等4个基本模块进行了系统集成。     

人工智能在水产养殖中研究应用分析与未来展望

中国水产养殖的生产模式已由粗放型向集约型转变,生产结构不断调整升级,生产水平不断提高。但较低的劳动生产率、生产效率和资源利用率,低质量的水产品以及缺乏安全保障等问题都严重制约中国水产养殖业的快速发展。利用现代信息技术,研究智能设备来实现精确、自动化和智能化的水产养殖,提高渔业生产力和资源利用率是解决上述矛盾的主要途径。水产养殖中的人工智能是研究利用计算机实现水产养殖的过程,也就是利用机器和计算机监视水下生物的生长,进行问题判断、讨论和分析,提出养殖相关决策,完成自动化养殖。为深入了解人工智能技术在水产养殖中的研究发展现状,本文从水产养殖的生命信息获取、水产生物生长调控与决策、鱼类疾病预测与诊断、水产养殖环境感知与调控,以及水产养殖水下机器人5个具体方面入手,结合生产中面临的实际问题,分析了人工智能在水产养殖中的研究应用现状和技术特点;阐述了人工智能应用的主要技术手段和原理,总结了近年来人工智能技术在水产养殖中的最新应用研究进展,分析了当前人工智能技术在水产养殖发展中面临的主要问题和挑战,并提出了推动水产养殖转型的主要建议,以期为加速推进中国渔业数字化、精准化和智慧化提供参考。     

基于视觉感知特性的多聚焦图像融合技

针对多聚焦图像融合问题,借鉴生物视觉特性和相关图像处理理论,提出了一种基于视觉感知特性的多聚焦图像融合算法.该算法在对待融合的多聚焦图像进行RGB分块分解的基础上,采用视觉对比度模型以确定融合后图像的选取准则.为了获得最佳图像融合效果,采用免疫遗传算法以指导图像分块,标准熵和标准偏差作为评价图像融合质量的的标准.实验表明,该算法具有较好的效果,能够解决多聚焦图像融合问题.     

基于自动视觉检测的棉花异性纤维分类系统

为实现棉花异性纤维的在线识别,设计了一种基于自动视觉检测(AVI)的棉花异性纤维分类系统.该系统利用棉层生成器将待检测皮棉制成约2mm厚的均匀薄层使其中的异性纤维更容易检测,利用彩色线扫描相机检测有色异性纤维,利用单色线扫描相机检测在紫外线激发下能产生荧光的白色异性纤维.采用多特征多分类器集成的模糊分类方法实现了对异性纤维的分类.实验表明,该系统对异性纤维的平均分类正确率可达到80%.     

智能化水产养殖信息系统的设计与初步实现

智能化水产养殖业信息系统以当今世界上主流的Intranet技术(服务器、浏览器),采用先进的Client/Server/Server(CSS)多层体系结构。以等图象处理软件为开发工具,以Windows NT4.0/Windows98为应用软件平台,对水产养殖、网上专家、信息咨询、渔业环保、市场商情、观赏鱼、会员注册、相关站点等8个基本模块进行了系统集成。实现了完善的专家决策支持功能、直观的专家在线功能和广泛的信息服务功能     

高分辨率棉花异性纤维彩色图像的快速分割方法

针对传统的图像分割方法较难分割棉花异性纤维的问题,提出了一种高分辨率棉花异性纤维彩色图像的快速分割方法。该方法通过改进的数学形态学的边缘检测方法得到灰度梯度图,再选取迭代过程中的最佳经验值得到最佳分割阈值,从而实现了灰度梯度图的分割。实验结果表明,该方法可以直接对高分辨率棉花异性纤维彩色图像进行分割,且分割效果较好,并使此环节的计算速度提高2倍以上。     

基于深度可分离卷积网络的粘连鱼体识别方法

及时准确地识别出养殖区域内的粘连鱼体是实现水产养殖中鱼群计数、养殖密度估算等多种基本养殖操作自动化的关键技术。针对目前粘连鱼体识别方法存在准确率低、普适性差等问题,该研究提出了一种基于深度可分离卷积网络的粘连鱼体识别方法。首先采集鱼群图像数据,采用图像处理技术分割出鱼体连通区域图像,构建粘连鱼体识别数据集;其次构建基于深度可分离卷积网络的粘连鱼体识别模型,采用迁移学习方法训练模型;最后基于训练好的模型实现粘连鱼体的识别。在真实的鱼体图像数据集上进行测试,识别准确率达到99.32%。与基于支持向量机（Support Vector Machine, SVM）和基于反向传递神经网络（Back Propagation Neural Network, BPNN）的机器学习方法相比,准确率分别提高了5.46个百分点和32.29个百分点,具有更好的识别性能,可为实现水产养殖自动化、智能化提供支持。     

鱼病诊断过程模拟及其推理模型的构造

在分析鱼病诊断特点基础之上,抽象总结出鱼病诊断推理过程,并从逻辑角度模拟了该过程。将人工智能技术与传统的诊断活动结合起来,从理论上提出分级渐进推理模型模拟鱼病诊断过程。本文的研究对构造鱼病诊断专家系统具有重要的理论与实践指导意义。