基于改进残差网络的田间葡萄霜霉病病害程度分级模型

针对传统葡萄霜霉病人工诊断分级方法低效且存在滞后性的问题,提出了一种改进残差网络的田间葡萄霜霉病识别及病害程度分级模型.在田间采集霜霉病前期、中期、后期以及健康叶片图像,并模拟天气、拍摄角度及设备噪声等影响因素进行数据增容;基于不同发病程度叶片间特征相似度高、区分难度大的特点,在优选ResNet-50模型的基础上,为解...     

基于XGBoost算法的多云多雾地区多源遥感作物识别

快速、准确地获取作物种植面积信息是长势监测、产量估算、病虫害监测和预警的基础。针对我国江南区域多云雾的特点,以Sentinel-1/2为数据源,综合采用光学遥感影像和合成孔径雷达(Synthetic aperture radar, SAR)影像等多源数据,针对研究区作物早春覆膜的特点,构建地膜植被指数(SAR plastic-film vegetation index, SPVI);利用时序光谱和植被指数特征,研究基于XGBoost算法的作物识别方法。以安徽省宣城市宣州区为研究区,开展实例验证研究。在作物生育期内,云雾影响较大,光学遥感覆盖稀疏区域以Sentinel-2影像为主,获取时序指数数据集,增加4期Sentinel-1雷达影像,用以补充云雾时期(5—7月)光学影像的缺失。以本文设计的方法,得到作物识别总体精度为84.87%,优于随机森林的83.93%,主要作物烟草制图精度88.69%,用户精度95.51%。仅使用生育期Sentinel-2影像的作物识别总体精度79.01%,主要作物烟草制图精度82.30%,用户精度93.49%。研究结果表明,本文构建的基于XGBoost算法多源...     

基于本体与认知经验的农业机器人视觉分类决策方法

基于小样本数据下认知经验知识辅助计算机进行决策,对实现农业领域机器人智能认知决策与助力智慧农业发展具有重要意义。本文在统计计数、支持向量机（SVM）等图像属性信息学习方法基础上,使用Protégé等工具,基于认知经验构建水果识别分类的专业知识库;然后根据图像颜色与形状信息,进行知识库搜索推理得到分类决策。实验在Fruit360数据集中共选择2091幅葡萄、香蕉、樱桃水果图像作为测试集,并各挑选30幅图像作为属性信息训练集与验证集,结果表明当前数据下葡萄与樱桃识别准确率为100%,香蕉识别准确率为93.30%。仅在知识库添加黄桃知识后,对984幅黄桃图像样本进行测试,其分类准确率为97.05%。表明本文方法能有效完成图像分类决策任务,且具有良好的过程可解释性、能力共享性和可拓展性。     

降水对华北主要粮食作物灌溉需求影响特征

探明华北地区作物灌溉需求规律及主控因素是合理制定水资源规划,缓解该区地下水超采的重要依据。本文基于华北60个气象站近50年(1971—2020年)逐日气象资料,采用FAO推荐的Penman-Monteith公式计算作物需水量,并分析降水对主要粮食作物(冬小麦和夏玉米)灌溉需求时空特征的影响。结果表明：在降水丰水年(25%),冬小麦作物灌溉需求指数I_RI以0.50～0.75区间的高度灌溉需求分布区为主,夏玉米则以0.25～0.50区间的中度灌溉需求分布区为主,分布面积比率分别为研究区的92%、86%;在平水年(50%),冬小麦I_RI以大于0.75的极高灌溉需求分布区为主,分布面积比率占56%,夏玉米仍以0.25～0.50的中度灌溉需求分布区为主,但分布面积比率扩大至100%;在枯水年(75%),冬小麦极高灌溉需求分布面积比率增大至97%,夏玉米则以0.50～0.75的高度灌溉需求分布区为主。降水量是影响I_RI的主控因素,随降水量的增大,不同区位I_RI均呈直线下降趋势,但对降水量变化的敏感性存在较大差异...     

基于多源信息融合的中文农作物病虫害命名实体识别

随着农作物病虫害研究文献的快速增长,对农作物病虫害领域文献进行文本挖掘变得越来越重要。开发有效、准确的农作物病虫害命名实体识别系统有助于在农作物病虫害相关研究报告中提取研究成果,为农作物病虫害的治理提供有效建议。本文针对中文农作物病虫害数据集缺失问题,提出了基于半远程监督的停等算法,利用该算法构建中文农作物病虫害领域语料库,大幅度减少标注过程的人工成本和时间成本;同时,提出了中文农作物病虫害命名实体识别模型（Agricultural information extraction, Agr-IE）,该模型基于BERT-BILSTM-CRF,辅以多源信息融合（多源分词信息和全局词汇嵌入信息）丰富字符向量,使其充分结合字符级与词汇级的信息,以提高模型捕捉上下文信息的能力。实验表明,该模型可以有效地识别病害、虫害、药剂、作物等实体,F1值分别为96.56%、95.12%、94.48%、95.54%,并对识别难度较大的病原实体具有较好的识别效果,F1值为81.48%,高于BERT-BILSTM-CRF、BERT等模型的相应值。本文所提模型在MSRA和Weibo等其他领域数据集上与CAN-NER、Lattice-LSTM-CRF等模型进行了对比实验,并取得最佳的识别效果,F1值分别为95.80%、94.57%,表明该算法具有一定的泛化能力。     

灌溉施氮和种植密度对棉花叶面积指数与产量的影响

为构建便于实际应用的棉花叶面积指数和产量模型,综合考虑灌溉、施肥、种植密度及覆膜的影响,建立了基于相对有效积温的普适棉花相对叶面积指数的Logistic模型,并研究了棉花最大叶面积指数与全生育期灌水量、施氮量、种植密度及产量之间的关系。结果表明：覆膜棉花叶面积指数最大时的有效积温为1400℃左右,不覆膜棉花的叶面积指数最大时的有效积温为1600℃左右。棉花最大叶面积指数随耗水量、施氮量呈现出先增后减的变化趋势,而种植密度与最大叶面积指数之间表现出明显的正相关性。综合考虑灌水量、施氮量和种植密度的作用可以较为准确描述最大叶面积指数变化特征。棉花产量随着最大叶面积指数的变化呈现出明显的先增后减的变化趋势,当最大叶面积指数为4.93时籽棉产量最大达6066.2kg/hm2。相对化分析结果表明,覆膜与不覆膜棉花相对叶面积指数的变化趋势基本一致,相应的模型参数也基本相同,从而建立了全国范围内覆膜与不覆膜棉花统一的相对叶面积指数的Logistic模型。该研究为棉花科学种植和精细化管理提供了方法,也为其他作物在不同管理措施和地域时进行建模提供了参考。     

基于无人机遥感与卷积神经网络的草原物种分类方法

基于无人机高光谱成像遥感系统,在400～1 000 nm波段内采集低矮、混杂生长的荒漠草原退化指示物种的高光谱图像信息。分别在退化指示物种的开花期、结实期和黄枯期进行飞行实验,飞行高度30 m,高光谱图像地面分辨率2. 3 cm。采用特征波段提取与深度学习卷积神经网络相结合的方式,提出一种荒漠草原物种水平分类的方法,结合植物物候给出了中国内蒙古中部荒漠草原物种分类的推荐时相,总体分类精度和Kappa系数平均值分别达到94%和0. 91。研究结果表明,无人机高光谱成像遥感技术及深度卷积神经网络可以较好地实现荒漠草原退化指示物种的分类,与基于径向基核函数的支持向量机、基于主成分分析的深度卷积神经网络分类法相比,基于特征波段选择的深度卷积神经网络分类法效果最好,分类精度最高。无人机搭载高光谱成像仪低空遥感和卷积神经网络法提供了一种草原物种水平分类的途径。     

基于小波变换和BP神经网络的水稻冠层重金属含量反演

自然农田生态系统中,农作物的各种生化参数受重金属污染胁迫后虽表现异常,但其特征往往极为微弱,极不稳定。利用处理非稳定信号方法中常用的信号处理方法——小波分析法(Db-5),对水稻的光谱反射率数据进行处理,有效提取光谱信号中受重金属污染胁迫而潜藏的一些"突变"弱信息。利用Db-5小波基进行小波变换,从中选取具有异常光谱特征的奇异点,利用奇异点对应波段(716、745、766 nm)的光谱反射率构建反向传播(BP)神经网络模型,对水稻冠层4种重金属含量进行反演。将利用模型得到的预测值与实测值进行相关性分析,结果表明,基于BP神经网络的水稻冠层重金属含量反演模型对于实验区镉、铅、汞、砷4种重金属胁迫,具有良好的反演效果。     

种子重力分选机预分层喂料系统设计与试验

为了提高种子重力分选机分选性能,降低设备使用调节难度,提出了种子进入分选台面的预分层工艺,设计了配套的分层喂料系统,计算确定了结构参数。在SolidWorks中建立了系统模型,采用SolidWorks-Simulation对模型工作应力和位移进行分析。采用SolidWorks-Flow Simulation对流场进行仿真和系统结构参数优化。在5TZX-50型重力分选机上进行试验,利用Design Expert 软件进行Box-Behnken响应面分析,建立了性能指标与影响因素的数学回归模型,选出了气流速度为3.40m/s、振动频率为9.75Hz、导流板倾角为29.65°的最佳组合,该组合下除轻杂率和除重杂率试验值为95.12%和96.37%。试验表明,除杂率与目标优化预测值的误差不大于1.36%,分层喂料系统满足设计要求。     

基于作物生长监测诊断仪的玉米LAI监测模型研究

为探索作物生长监测诊断仪（CGMD-402型）在作物长势监测应用中的精准性与适用性,连续2年在不同氮肥水平下进行不同玉米品种的实验。使用作物生长监测诊断仪采集冠层归一化差值植被指数（Normalized differential vegetation index,NDVI）、比值植被指数（Ratio vegetation index,RVI）,并同步以ASD FR-2500型野外高光谱辐射测量仪获取冠层光谱反射率,构建NDVI、RVI高光谱植被指数;通过对比两种仪器获取的植被指数特征及其定量关系,评价CGMD-402型作物生长监测诊断仪监测精度;基于CGMD-402型作物生长监测诊断仪获取的NDVI、RVI,建立叶面积指数（Leaf area index,LAI）监测模型,并对模型监测精度进行验证。结果表明：玉米冠层NDVI、RVI随施氮量增加而增加,增加幅度分别为8.20%~36.59%、4.40%~25.16%;CGMD-402型作物生长监测诊断仪与ASD FR-2500型野外高光谱辐射测量仪获取的NDVI、RVI相关系数分别为0.991、0.985,决定系数分别为0.983、0.969,说明CGMD-402型作物生长监测诊断仪具有较高的监测精度,可替代ASD FR-2500型野外高光谱辐射测量仪获取NDVI、RVI指数;利用CGMD-402型作物生长监测诊断仪获取NDVI、RVI,建立LAI监测模型的决定系数分别为0.911、0.898;以独立数据对模型精度进行验证,模型预测值与田间实测值间决定系数分别为0.963、0.954,相对误差分别为6.65%、9.37%,表明二者具有高度一致性。研究表明,利用作物生长监测诊断仪能有效监测玉米不同品种LAI动态变化,可以替代AccuPARLP-80型植物冠层分析仪获取玉米LAI数据。