我国可持续食物安全的实证研究

分析了可持续食物安全的基本内涵,建立了可量化的我国可持续食物评价指标体系,并对我国可持续食物安全的基本状况进行了实证研究。研究结果表明：我国食物安全的水平,质量和可靠性一直稳定提高,并基本处于安全状态,可持续性和公平性则出现波动和下降的趋势,我国食物安全下一步的目标主要是提高农产品质量和效益,提高农民收入,储备农业生产能力,保护农业资源和生态环境,发展持续农业,这是我国未来否实现可持续食物安全的根本。     

农业资源高效利用技术集成专家系统的设计

基于对不同类型区农业资源高效利用技术集成专家系统的内涵和特点的认识,针对我国农业资源高效利用与规划管理的实质,探讨了农业资源高效利用技术集成专家系统（EUARES）的设计。在剖析了EUARES的总体目标和具体任务的基础上,从人员组成、硬件／软件系统、数据库、知识库、方法库、模型库等方面,阐述了系统的组成;从系统基本功能和应用功能方面,论述了EUARES的系统功能设计。     

基于PCA-MCAFA-LSSVM的养殖水质pH值预测模型

为解决水质预测传统方法精度低、鲁棒性差等问题,提出了基于主成分分析(PCA)、改进文化鱼群算法(MCAFA)和最小二乘支持向量机(PCA-MCAFA-LSSVM)的养殖水质pH值预测模型。该模型通过主成分分析提取养殖生态环境指标的主成分,降低模型输入向量维数,利用改进文化鱼群算法对最小二乘支持向量机超参数进行组合优化,以自动获取最优超参数建立非线性养殖水质pH值预测模型。应用该模型对宜兴市河蟹养殖某池塘2011年9月1日~9月4日在线监测的水质数据进行了预测分析,试验结果表明:该模型取得较好的预测效果,与分别用蚁群算法或遗传算法优化LSSVM的方法相比,PCA-MCAFA-LSSVM模型有93.05%的测试样本绝对误差小于8%,最大绝对误差仅为11.61%,均方根误差、平均相对误差绝对值和运行时间分别为0.047 4、0.004 1和4.367s,且均优于其他预测方法。PCA-MCAFA-LSSVM算法不仅计算速度快、预测精度高,还能够为河蟹养殖水质调控管理提供决策依据。     

基于EMD和ELM的工厂化育苗水温组合预测模型

针对南美白对虾工厂化育苗水温时序数据存在非线性、非平稳等特点,采用传统单项预测方法预测精度低、鲁棒性差等问题,提出基于经验模态分解(EMD)、相空间重构和极限学习机(ELM)的非线性组合预测模型。在建模过程中,采用EMD方法将工厂化育苗水温原始时序数据多尺度分解为一系列固有模态分量(IMF),并对各分量进行相空间重构,在相空间中对ELM训练建模,分别对各IMF序列进行预测,将各分量预测结果进行叠加重构得到原始水温序列的预测值。将该模型应用于广东省湛江市南美白对虾工厂化育苗水温预测中,结果表明,该模型取得了较好预测效果。与BP神经网络、标准LSSVR和标准ELM等单项预测模型对比分析,模型评价指标MAPE、RMSE和MAE分别为0.015 8、0.032 9和0.096 2,均表明提出的组合模型具有较高预测精度和泛化性能,为南美白对虾工厂化育苗水温调控管理提供了一种有效的技术支持。     

物联网与智慧农业

该文从物联网及智慧农业的内涵出发,提出了农业物联网的体系架构和关键技术,在科学分析农业物联网技术应用现状的基础上,提出了促进我国农业物联网发展的对策与建议。      

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,为实现水产养殖自动化、智能化提供支持。     

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.