利用改进BP神经网络预测初产奶牛产奶量的方法

针对传统BP算法的缺陷,提出了一种采用L-M训练法的BP神经网络。在此基础上建立了基于改进BP神经网络非线性系统的奶牛305d产奶量预测模型,此模型可以提前215d预测初产奶牛305d产奶量,从而实现提早进行选择,加速奶牛育种工作进程。并通过具体的实验验证了改进BP神经网络预测模型的有效性。     

基于GF-6/WFV卫星遥感的大田冬小麦叶片氮素含量估测

为对大田冬小麦叶片氮素含量（LNC）进行快速、准确及无损监测,通过在江苏省泰州泰兴市、盐城大丰区和南通如皋市布设冬小麦遥感监测大田试验,在获取试验样点冬小麦冠层红光波段反射率（RED_ref）、近红外波段反射率（NIR_ref）和计算的十个光谱指数（RVI、NDVI、DVI、SAVI、OSAVI、MSR、RDVI、EVI2、NLI和SVI）基础上,将12个遥感光谱指标与冬小麦LNC进行相关分析,选出与LNC相关性较好的作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型, 并利用GF-6/WFV卫星遥感影像对县域冬小麦LNC的空间分布开展监测。结果表明,12个遥感光谱指标与冬小麦LNC之间存在不同程度的相关性,其中NDVI、RVI、MSR、OSAVI和NLI与冬小麦LNC的相关性较好（相关系数不低于0.65）。将优选的5个遥感光谱指标作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型（LNC-BPEM）,模型的估测精度r²=0.866,RMSE=0.246%,ARE=12.9%。将冬小麦LNC-BPEM估测模型和GF-6/WFV影像结合对县域冬小麦LNC的空间信息监测,获得了如皋县域冬小麦LNC的空间分布特征,该区域冬小麦LNC范围在0.9%~2.0%（长势正常）的种植面积为29 693.3 hm²,占冬小麦总种植面积的74%。这说明利用GF-6/WFV卫星的多个遥感光谱指标与神经网络结合建模可有效估测县域大田冬小麦叶片氮素含量。     

网络信息资源在高校教学和科研中的作用

论述了网络信息资源在高校教学和科研中的重要性,并介绍了如何利用网络信息资源进行学习和科学研究。     

南亚实蝇成虫空间分布型及抽样技术

南亚实蝇Zeugodacus tau(Walker)是瓜果蔬菜上重要的检疫性害虫,常导致严重的经济损失。本文旨在明确其在主要寄主作物(丝瓜、“苦瓜-桂花”系统)上的空间格局,并根据最适理论抽样数制定了采样方案,以便为该虫管理决策提供科学依据。于2020年7月和9月分别在立架栽培的丝瓜地和“苦瓜-桂花”系统采用黄板诱捕实蝇类害虫,用非参数两独立样本t测验分析不同生境南亚实蝇雌、雄成虫种群密度的差异显著性,用2个常用的聚集度指标(C和k)和2个回归模型(Taylor幂回归模型和Iwao的m~*-m回归模型)分别分析雌虫、雄虫和“雌虫+雄虫”的空间格局。共诱集实蝇成虫3 542头,“苦瓜-桂花”系统只诱集到南亚实蝇,丝瓜地诱集到4种果实蝇,其中南亚实蝇占97.2%,为优势种。桂花树上的南亚实蝇雌虫种群密度显著高于苦瓜地(Z=-2.932,P=0.003),为后者的1.87倍;丝瓜地样地Ⅱ中的雌虫种群密度显著大于样地Ⅰ(Z=-7.160,P<0.001),为后者的3.13倍。回归分析表明,对雌虫,Taylor的b和Iwao的β与1无显著差异(t_c...     

基于校园网环境下机房总管Ⅱ系统的设计与实现

本文介绍了一种基于校园网实现机房自动化管理系统的设计思路与实现方法.该系统用助于提高机房的管理水平、使用效率与管理质量.     

基于声振信号对称极坐标图像的苹果霉心病早期检测

为实现苹果早期霉心病较高精度的检测,该研究采用对称极坐标法（Symmetrized Dot Pattern,SDP）将苹果声振信号变换为雪花图,然后采用AlexNet、VGG16和ResNet50卷积神经网络以迁移学习方式深度挖掘SDP雪花图像的特征信息,将其输入到支持向量机（Support Vector Machine,SVM）分类器,对霉心程度≤7%的苹果进行检测。研究结果表明,当时间间隔系数为25和角度放大因子为50°时,健康果与早期霉心果声振信号的SDP图形状特征差异最大,在此条件下获取的SDP图经卷积神经网络AlexNet、VGG16和ResNet50提取特征并构建了不同核函数的SVM霉心果检测模型,在各类SVM模型中,ResNet50-SVM-gaus（高斯基）模型用相对较少的训练时间和参数量可取得训练集霉心果较高分类准确率,经超参数优化训练该模型对健康果和早期霉心果测试集不平衡样本（10∶1）的总体分类准确率达到96.97%,平均查准率、平均查全率、平均加权调和均值、Kappa系数和马修斯相关系数值分别为80.19%、90.36%、86.21%,82.54%和82.68%,该模型不仅对多数类的健康果保持较高分类准确率,而且对少数类的早期霉心果也具有较高判别能力。这些研究结果为声振法应用于果蔬内部病害的早期在线检测系统研发提供了技术支撑。     

A parametric and microstructural study of the formation of gluten network in mixed flour–water batter

The mechanism of gluten network development is still unclear and remains difficult to study since gluten network formation in bread dough is a rather quick process. In order to better characterize this dynamic event, we slowed down its kinetics by increasing the dough water content. During mixing, performed with a planetary mixer at variable mixing speeds and flour/water ratios, the torque was recorded. Common flours from wheat cultivars Orvantis, Caphorn and Isengrain, similar in composition and Farinograph parameters, were studied.     

玉米苗期杂草的计算机识别技术研究

利用计算机视觉技术和人工神经网络技术对识别玉米苗期田间杂草进行了研究。首先利用类间方差最大自动阈值法二值化杂草图像的超绿特征,再进行连续腐蚀与膨胀,然后根据长宽比、圆度、第一不变矩3个形状特征由BP网络识别出玉米幼苗,最后利用种子填充法从阈值分割结果中擦除玉米目标,剩余的就是杂草目标。研究表明,基于BP网络的杂草识别算法对玉米幼苗与杂草的正确识别率分别为87.5%和93.0%,处理一幅640×480像素的杂草图像平均耗时约为58 ms。     

Modeling waterbird diversity in irrigation ponds of Taoyuan, Taiwan using an artificial neural network approach

The study develops an approach adopted by artificial neural networks (ANN) to model the relationship between pondscape and waterbird diversity. Study areas with thousands of irrigation ponds are unique geographic features from the original functions of irrigation converted to waterbird refuges. The model considers pond shape and size, neighboring farmlands, and constructed areas in calculating parameters pertaining to the interactive influences on avian diversity, among them the Shannon–Wiener diversity index. Results indicate that irrigation ponds adjacent to farmland benefited waterbird diversity. On the other hand, urban development leads to the reduction of pond numbers, which reduces waterbird diversity. By running the ANN model, the resulting index shows a good-fit prediction of bird diversity against pond size, shape, neighboring farmlands, and neighboring developed areas with a correlation coefficient (r) of 0.72, in contrast to the results from a linear regression model (r < 0.28).