基于熵权的导流标准多目标决策分析

通过分析决策方案目标集．采用信息熵权与决策者的主观权重相结合的方法确定综合权重．运用多目标决策理论，建立导流标准多目标模糊优选模型。该模型系统地考虑了决策方案目标集的客观因素和决策者的主观因素。通过锦屏一级水电站施工导流标准的决策分析，说明该方法和模型是有效的．很好地解决了导流工程的施工强度、投资及风险损失的关系。     

我国农机作业委托决策支持系统研究

在对农机作业委托现存问题分析的基础上,提出了农机作业委托决策支持系统的总体设计和开发原则;拟定了系统的逻辑结构,即以数据库、模型库作为信息基础,完成信息查询和作业调度的功能,实现为决策者提供作业信息和决策支持的功能。     

多传感器信息融合及其在农业中的应用

多传感器信息融合在现代军事C3I(指挥、控制、通信与情报)系统中,以及许多民事领域得到了广泛应用。为此,在对多传感器信息融合技术进行综述的基础上,介绍了此技术在民事各领域中的研究应用进展,并进一步论述了信息融合技术在推进新的农业科技革命、对“精细农业”技术的发展中的广阔应用前景和深远意义。     

寒地水稻生态平衡施肥决策支持系统的设计

阐述了生态平衡施肥的概念、原理和原则，按照生态平衡施肥原理建立寒地水稻生态平衡施肥决策支持系统，同时介绍了系统设计、系统功能以及系统运行环境，能根据测定土壤养分状况给出不同土壤以及生态因子的生态平衡施肥方案，为推广生态平衡施肥生产和供应高效专用肥料提供保障。     

Approach for Load State Detection in MIN

Some thoroughly research on the basic method for load state detection in MIN is introduced. Load sources of SCP and SSP in MIN are analyzed in detail after investigating the relationship between inter resource and load state in the system. And load detection parameters and model are presented. Moreover, a novel strategy to detect system load state based on fusion of multi detection data is presented. By some test, the theory and method are proved most feasible. Our research show that load state of MIN can be recognized by detecting utility of internal resource utilizing of single node in MIN, and multi redundant detecting data fusion is effective approach to improve the reliability and trust degree of the result.     

主被动闭环融合调姿隔振平台动力学建模与模态分析

以载体设备对稳定工作环境的需求为背景,提出一种多维调姿隔振平台新构型,以实现大幅度位姿扰动的补偿和中高频振动的隔离。机构由3个分支组成,每个分支包含1个由主动调姿、被动隔振单元组成的闭环子链。借助于旋量代数及影响系数理论建立机构的运动学模型,得到动平台、开链分支、电动缸分支对广义坐标的一、二阶影响系数。建立机构主被动分离形式的动力学模型,并以此为基础对其进行模态分析。通过脉冲激励对原理样机进行模态实验,实验结果表明,固有频率的实验测定值与理论计算值接近,验证了理论模型的正确性。响应特性的实验结果表明原理样机能够对低频段的位姿扰动进行补偿,结合中高频的被动隔振,原理样机具备了较宽频带的调姿隔振能力。     

基于嗅觉和光谱技术融合的面粉脂肪酸值定量检测

提出了一种基于比色传感器数据和近红外光谱特征融合的储藏期面粉脂肪酸值的定量检测方法。开发比色传感器阵列、搭建便携式近红外光谱测量系统,分别采集不同储藏期面粉样本的比色传感器数据和近红外光谱。利用主成分分析分别对预处理后的比色传感器数据和近红外光谱数据进行特征降维,采用五折交互验证法在反向传播神经网络(BPNN)模型校正过程中进行优化,确定基于单技术分析模型的最佳主成分(PCs)个数。将优化后的基于单技术模型的最佳PCs在特征层进行融合,建立基于融合特征的BPNN分析模型,以实现对面粉储藏过程中脂肪酸值的快速检测。实验结果显示,基于比色传感器特征和基于近红外光谱特征建立的最佳BPNN模型的最佳PCs数量分别为3和4,基于融合特征建立的BPNN模型在预测集中的相关系数和预测均方根误差的均值分别为0.9276和1.9345 mg/(100 g)。研究表明,与单技术数据分析模型相比,基于比色传感器数据和近红外光谱特征融合模型的检测精度和泛化性能都有所提高。本研究可为粮食储藏品质的高精度原位监测提供一种技术方法。     

基于DXNet模型的富士苹果外部品质分级方法研究

针对传统计算机视觉技术在苹果外部品质分级中准确率较低、鲁棒性较差等问题,提出了基于深度学习的苹果外观分级方法（多卷积神经网络融合DXNet模型）。首先,在延安市超市、果园等场所实地拍摄不同外观等级的苹果图像15000幅,并进行人工标记,建立了外部品质信息覆盖度广、样本量大的苹果图像数据库;然后,在对比分析经典卷积网络模型的基础上,采用模型融合的方式对经典模型进行优化改进,抽取经典模型卷积部分进行融合,作为特征提取器,共享全连接层用作分类器,并采用批归一化和正则化技术防止模型过拟合。试验评估采用15000幅图像进行训练、4500幅图像进行测试,结果表明,DXNet模型的分级准确率高于经典模型,分级准确率达到97.84%,验证了本文方法用于苹果外部品质分级的有效性。     

基于区域语义和边缘信息融合的作物苗期植株分割模型

为在自然环境下准确分割作物苗期植株,实现苗期植株定位及其表型自动化测量,本文提出一种融合目标区域语义和边缘信息的作物苗期植株分割网络模型。以U-Net网络构建主干网络,基于侧边深度监督机制,引导主干网络在提取特征时能感知植株边缘信息;利用空间空洞特征金字塔构建特征融合模块,融合主干网络和边缘感知模块提取的特征,融合后的特征图具有足够的细节信息和更强的语义信息;联合边缘感知的损失与特征融合的损失,构建联合损失函数,用于整体网络优化。实验结果表明,本文模型对不同数据集的作物植株的语义分割像素准确率高达0.962,平均交并比达到0.932;与U-Net、SegNet、PSPNet、DeepLabV3模型相比,本文模型在不同数据集上平均交并比最高提升0.07,对自然环境下作物苗期植株具有良好的分割效果和泛化能力,可为植株定位、对靶喷药、长势识别等应用提供重要依据。     

基于信息融合的农业自主车辆障碍物检测方法

针对单一传感器在智能车辆环境感知中的局限性,提出一种基于摄像机与激光雷达信息融合的农业自主车辆前方障碍物检测方法。对单目摄像机获取的图像进行基于Ft（Frequency-tuned）算法的显著性检测,并生成显著图。同时对激光雷达反射点进行基于数据关联性评估的聚类分析,确定障碍物数量、边界与位置等先验信息。然后以激光雷达坐标相对应的图像像素坐标为种子点,由种子点激活经过处理的显著图,基于受限区域生长实现障碍物区域分割。试验结果表明,基于Ft算法的图像显著性检测具有更好的边缘检测效果,基于种子点的受限区域生长法可以有效地进行障碍物分割。在机器视觉的基础上融入激光雷达数据,可以更好地排除非障碍物的干扰,实现了障碍物的完整检出。