基于GF-2卫星数据的日光温室智能识别应用实践

针对辽宁省设施农业产业存在的日光温室数量和面积数据不精准问题,采用高分二号(GF-2)卫星数据,应用卷积神经网络方法进行温室识别应用研究。选取不同的尺寸标准将图像数据分割成碎片,分析截断率进而确定最优切片尺寸;将不同区域图像数据进行数据增强处理和颜色校准,降低图像数据和温室特征的复杂度;采用Segnet、Deeplab v3+、Unet 3个语义分割模型进行日光温室识别模型构建和模型融合研究,最后将识别后的切片数据应用闭操作完成识别结果的拼接,同时统计出温室的数量、面积、位置等信息。经初步分析模型识别效果较好,能够科学量化日光温室情况,从而为相关工作提供数据支撑。     

喷药机电气控制系统优化与分析

针对喷药机智能化和自动化程度不高、喷雾均匀性较差的问题,对喷药机结构进行了优化设计,并对电气控制系统进行了改进和分析。该喷药机的主要组成部分为驱动模块、药液管理模块、转向控制模块和电气控制模块。通过对喷药机的电气控制系统进行优化,包括采用混合投影方式确定目标位置及利用RBF神经网络方式对采集的目标点进行路径规划,提高了喷药机的智能化和自动化控制水平。为验证喷药机的性能,对其进行控制性能和喷雾均匀性试验,结果表明:喷药机控制性能良好,喷雾均匀性和喷雾效果均得到有效提高。     

基于人工神经网络的PV/T热电联供系统性能预测

为研究太阳能PV/T热电联供系统的性能和针对太阳能PV/T系统复杂的能量平衡方程,搭建了太阳能PV/T系统试验台,同时建立了基于改进灰狼优化的BP神经网络(back propagation neural network model based on improved grey wolf algorithm, IGWO-BP)预测模型,在晴朗天气下进行试验,并采用该模型对系统电功率以及蓄热水箱内水温进行预测。结果显示,晴朗日系统的电效率8.7%～12.2%、热效率51.7%;预测结果与BP神经网络预测模型、基于粒子群优化的BP神经网络(back propagation neural network based on particle swarm optimization, PSO-BP)预测模型和卷积神经网络（convolutional neural network, CNN）预测模型预测结果进行比较,结果显示IGWO-BP预测模型电效率预测模型的绝对百分比误差(mean absolute percentage error, MAPE)、决定系数(determination coefficient, R ² )、均方根误差(root mean square error, RMSE)、效率因子(efficient factor, EF)和Pearson相关系数(pearson related coefficient, r )分别为4.5E-05、0.99、0.24、0.99和1.00,在储热罐温度预测中,上述指标分别为8.90E-04、0.98、0.07、0.98、0.99,均优于其他预测模型,IGWO-BP神经网络预测模型具有更好的预测性能。研究结果可为太阳能PV/T热电联供系统性能预测与优化控制提供参考。     

基于神经网络PID的拖拉机空调温控系统优化设计

为了提高拖拉机空调温控系统的调节精度和效率,提升驾驶室内的环境舒适程度,将PID控制器引入到了拖拉机空调控制系统的设计上,采用温度误差反馈调节的方式,提高温控的精确性。在PID控制器的优化上采用了神经网络算法,通过神经网络训练和权值的修改,实现了PID控制器的3个参数的优化,进而提高了控制系统的效率和精度。为了验证神经网络算法对PID控制器的优化作用,以拖拉机的温控误差和调节时间为研究对象,对单独采用PID控制器和采用神经网络PID控制器时的控制结果进行了测试,结果表明:神经网络算法使PID控制器具有更快的响应速度和更高的控制精度。     

生防制剂对小麦土传病害的防效及对小麦生长的影响

为明确生防制剂对小麦纹枯病和茎基腐病等土传病害的防治效果,以及对小麦的生长发育和产量的影响,选用生防制剂拌种和2次常量喷雾开展田间试验。结果表明,生防制剂拌种处理的冬前小麦出苗数、次生根数、次生根长及分蘖数均与空白对照及常规药剂处理无显著差异,株高与常规药剂处理无显著差异,但显著小于空白对照;对小麦纹枯病、茎基腐病防效分别为57.87%、56.64%,显著高于常规药剂处理;理论亩产量为620.2 kg,显著高于空白对照与常规药剂处理。生防制剂处理对小麦出苗安全,对冬前小麦株高有一定抑制作用,对小麦纹枯病和茎基腐病有一定防效,可显著促进小麦增产。     

基于全卷积神经网络的猪背膘厚快速准确测定

为了有效地弥补猪B超图像人工手绘背膘厚的不足,为生猪育种工作提供更精准和稳定的背膘厚测定新方法。该研究将全卷积神经网络（Fully Convolutional Networks,FCN）模型应用于猪B超图像的背膘分割和背膘厚测定上,开发出一套使用Python调用FCN模型对猪B超图像背膘厚进行自动测定的系统。通过开展验证集验证试验、屠宰比对试验和人员比对试验,发现模型测定结果和标注结果之间差异不显著（P>0.05）,两者相关系数达0.92(P<0.01);B超标准测定背膘厚和FCN分割测定背膘厚的相关系数达到0.97(P<0.01);专家组组内标准差为0.17 mm（最小）,行业外组组内标准差为1.67 mm（最大）,而FCN分割结果稳定性强,不受人员因素的影响。因此,该方法可以实现对外种猪B超背膘厚的精准、快速、稳定测量,减少猪场对专业人员的依赖,降低测定人员培训成本,减少工作人员工作量。     

豆粕:美豆新高后回落振荡,现货临近春节成交转淡

国际大豆市场聚焦南美天气,中国在国际市场上的需求变化以及与美国新作种植规模有关的题材也是主要因素;而在金融方面,市场仍将关注各国新冠疫情的变化和全球可能的新经济刺激政策上;美豆强势反弹之后转为盘整行情,我国豆粕市场也持续跟盘振荡,市场心态相对谨慎,由于环保停机、防范疫情以及物流担忧及一系列因素影响,今年下游总体基差合同采购力度明显强于去年,但受制于库容等因素现货采购力度并不算高。     

FC-CNN:基于卷积神经网络的水果图像分类算法

针对现有基于卷积神经网络的水果图像分类算法均使用池化层进行降维处理会丢失部分特征,导致分类精度有待提高的问题,提出FC-CNN(Fruit Classification Convolutional Neural Network)水果图像分类算法.该算法基于深度卷积神经网络思想,设计了一种由二维卷积层、批量规范化层和激活...     

基于卷积神经网络的农作物叶片病害诊断

农作物病害诊断对于及时发现并采取防控措施具有重要意义.本研究针对苹果、玉米、番茄、葡萄等典型农作物的常见叶片病害问题,使用了两种目前使用最广泛的卷积神经网络——VGG 16及Resnet50,对典型农作物叶片病害进行识别.使用AI Challenger比赛的农作物叶片病害数据集图像,并对这些图像进行预处理,构建了47 ...     

资源节约型高性能竹木复合板的研制

采用多种无屑切削方式,将竹材、木材及制材、旋切剩余物——边皮、木芯,加工成不同形态的构成单元,组合成合理的复合板坯结构,热压胶合成一种竹木复合板材。检测结果表明：半成品加权平均利用率可达90．1％,成品板材的出材率为63．1％,居各类型胶合板之首;板材纵横强度之和：静曲强度为113．1MPa,弹性模量为9578MPa,是一种资源节约型高性能的竹木复合板材。