平原河网河流生态修复体系理论研究

平原河网地区多城市密集,随着城市化水平的提高,城镇建设不断与河争地,河网中大量末端河道被封堵或填埋,河网水系自然形态结构受到影响,河网调蓄功能锐减,河流生态系统的健康状况受到严重的威胁,河网河流生态修复问题的解决迫在眉睫。以河流生态修复理论为研究基础,就如何建立合理的平原河网河流生态修复体系展开研究,以期为平原河网地区的河流生态修复提供参考依据。     

工厂化水产养殖水质监测系统

工厂化水产养殖的密度高、风险大,养殖对象对pH、溶解氧、温度、氨氮、亚硝酸盐等水质参数的变化敏感,受影响严重,监测水质参数极为重要。本文针对工厂化水产养殖水质监测特点和需求,研发了工厂化水产养殖水质监测系统。分析研究pH、溶解氧、温度、亚硝酸盐等水质参数的阈值,设计水质监测数据无线采集节点和基于Zigbee的无线监测网络,建立水质监测系统软件平台。结果表明,该系统能够实现工厂化水产养殖水质实时监测,保证生产安全,提高水产养殖生产效率。     

基于数字孪生技术的平面渔网破损检测方法研究

为防止渔网破损造成养殖鱼类逃逸,有必要对网衣进行破损检测。为了克服人工检测劳动强度大且效率低下的缺点,实现渔网的精准实时监测,本研究提出了一种基于数字孪生的网衣破损检测方法,可利用传感器代替人工监测。该方法首先从渔网的数值仿真模型获取大量的仿真传感数据,然后将数据用于人工神经网络的训练与测试,最后生成可进行网衣破损识别的数字孪生体。数字孪生体可根据传感器监测到的数据来判断网衣是否发生破损。在数值模拟中,考虑各种波浪条件以及网衣的破损情况。在训练人工神经网络中,将有效波高Hs、谱峰周期Tp以及横纲竖纲的拉力值作为输入变量,将网衣完整状态以及破损状态作为输出。经过测试分析,该识别模型根据传感器数据识别网衣是否破损的平均准确率为94.32%,由此可见,数字孪生技术能准确检测到渔网的损坏,可以作为网衣破损检测的一种新方法。     

基于显著性增强和迁移学习的鱼类识别研究

针对水下鱼类无法快速准确识别的难点,提出一种具有图像主体自动增强功能的鱼类迁移学习方法。该方法将鱼类RGB图像转换至Lab颜色空间后,利用中央周边算子计算得到整个输入图像的显著性值,进而提供鱼类目标的潜在区域,并结合GrabCut算法获取鱼类分割图像,最终将融合分割图的原始图像送入优化后的残差网络中进行训练。通过对23种鱼类进行识别试验,结果显示,固定ImageNet数据集上ResNet-50预训练模型的conv1层和conv2层参数,微调高层参数的方法能够取得最好的识别效果,且在公开的Fish4Knowledge数据集上,该模型取得了最高的识别准确率,平均识别精度达到99.63%。与其他卷积神经网络方法的对比结果显示,本方法在Fish4Knowledge和Fish30Image数据集上的识别精度和时间性能均具有较大优势,其中识别准确率至少提升4.98%。多个数据集上的试验验证了模型的有效性。     

Graph theory in action: evaluating planned highway tracks based on connectivity measures

Maintaining connectivity among local populations in a fragmented landscape is crucial for the survival of many species. For isolated habitat patches, stochastic fluctuations and reduced gene flow can lead to high risk of extinction. The connectivity of the landscape is especially crucial for the carabid species living in the fragmented forests of the Bereg plain (NE Hungary and W Ukraine) because a highway will be constructed through the plain. Our purpose is to (1) evaluate the impacts of three possible highway tracks, (2) suggest a solution that is realistic with less impact on connectivity than other plans and (3) discuss how to decrease the disadvantageous effects of each track. Our results, based on a network analysis of landscape graph of patches and ecological corridors, indicate that the intended highway could have deleterious consequences on forest-living carabids. Relatively simple actions, like the establishment of stepping stones, could compensate for the loss of habitat connectivity and promote the survival of carabids, or minor modifications in one possible track could diminish its adverse effects. While many other studies would be needed for a comprehensive assessment of the biotic impact of the highway, we provide an example on the usefulness of network analysis for land use management. Electronic supplementary material  The online version of this article (doi:) contains supplementary material, which is available to authorized users.     

无线传感器网络技术在养殖业污染监测上的应用

综述了国际上无线传感器网络技术发展的特点和趋势,提出无线传感器网络技术在畜禽和水产养殖业污染监测上应用需要解决的2个技术问题:一是选择合理的IP无线传输方式;二是选择合理的系统结构,达到较高的性价比。设计出适合不同地域、不同生态环境的无线传感器网络的拓扑结构,实现在户外或野外环境下对畜禽和水产养殖业污染的监测。     

农业车辆视觉实际导航环境识别与分

分析了对路径识别影响较大的变光照环境、杂草环境和阴影环境对农业车辆导航路径的影响,提出一种实际环境中的农业车辆视觉导航研究方法,即先采用神经网络算法对农田环境进行自动分类,然后再相应的选择不同的路径识别方法进行处理.环境识别与分类试验结果证明,该方法能够提高农业车辆视觉导航系统的实用性和可靠性,导航环境的分类准确率为95%,单幅图像平均耗时23 ms.     

华北地区冬季温室植物冠层温度建

基于温室内植物冠层能量平衡关系,建立了与温室内、外气象条件和温室结构相关的冠层温度模拟机理模型,并在华北地区文洛型温室内对该模型进行了试验验证.结果表明:模型能较好地模拟冬季温室内植物冠层温度,模拟值和实测值之间的相关系数为0.797 5,均方根误差为1.3℃.建立了冠层温度的BP神经网络模型,模型相关系数为0.783 5,均方根误差为0.6℃.在所建神经网络模型基础上,运用敏感性分析法对影响冠层温度的各因素进行重要性分析和排序,得出影响冠层温度的最重要因子是室内温度,其次为蒸腾速率、室外太阳辐射和室内相对湿度.     

苹果可溶性固形物含量的检测方法——基于可见光近红外光谱技术

为了快速检测苹果的可溶性固形物(SSC)含量,采用可见光近红外光谱技术,结合主成分分析(PCA)和BP神经网络技术,来建立苹果SSC的预测模型.获取苹果样本在345～1039 nm波段的漫反射光谱,采用DPS数据处理系统对其进行主成分分析,并提取出累计可信度大于95 %的5个新主成分.建立一个3层的BP神经网络模型,并将这5个新的主成分作为BP神经网络模型的输入量,其结果是98 %以上预测样本的预测相对误差在5 %以下.该研究表明,采用近红外光谱技术来建立苹果可溶性固形物的预测模型是可行的.     

汽车悬架参数优化的仿真研究

以BP神经网络对减振器的外特性进行建模为基础,Matlab/Simulink为工具,对汽车八自由度模型进行了平顺性仿真建模,并对含有不同神经网络减振器模型的整车振动响应输出进行了对比分析,从而找到适宜新车型的减振器,实现了汽车悬架阻尼参数的优化。