建立数学模型解决“巡检线路排班”问题

目的安全检查在工业生产中不可或缺,是发现和消除事故隐患、落实安全措施、预防事故发生的重要手段。为提高巡检的效率,优化资源配置,通过建立数学模型以达到花费最短的时间和最少的人力完成巡检任务。方法通过对模型的假设及简化,建立目标规划模型,运用Kruskal算法找出连通图的最小生成树,运用Floyd算法找出最短路径,使用MATLAB、LINGO编程对建立的模型进行求解。结果在问题1中,运用Kruskal算法找出最小生成树后,经过分析计算,以调度中心XJ—0022为树根对最小生成树粗略划分为4个子图,运用Floyd算法找出每位工人的最短巡检路径,建立目标规划模型,再使用MATLAB及LINGO,确定每班4人为最优,并给出了最优巡检线路和巡检时间表。在问题2中,若增加休息和吃饭时间,经过分析讨论后每班应有6名工人。根据第一问的算法思想求出每位工人的最短巡检路径,经过软件求解,给出了最优巡检线路和巡检时间表。在问题3中,若要把问题1中的固定上班改为错时上班,反而会增加人力成本,不可取。对问题2,把上班时间进行如下调整:3∶00-11∶30、11∶30-19∶00、19∶00-3∶00,这样每班5个人就可以完成工作,此种方法比固定上班可节省3人。结论通过建立数学模型,并对模型的求解,最终解决了问题,花费最短的时间和最少的人力完成巡检任务。     

基于用户评论的农业新技术推荐模型设计与应用展望

近年来,推荐系统的应用取得了飞速进步。大数据、人工智能技术的出现为农业信息化的加速发展提供了广阔的空间和前景。为提升农业领域内推荐技术的应用,满足农业用户的信息获取需求,对传统协同过滤推荐算法进行了一定的改进,重点体现在融合了K-means算法以及BIRCH算法进行聚类分析,通过搭建HowNet极性词典解决传统协同过滤方法过度依赖用户具体评分的问题,并提出了一种个性化推荐模型,利用相关数据源,进行模型验证。实验结果表明,该模型运行稳定,可以达到精准推荐农业技术信息的目的。     

利用经验-过程混合建模方法优化华山松过程模型的参数

【目的】以基于碳平衡的过程模型CROBAS为例,提出一种结合经验模型与过程模型的混合建模方法,优化华山松过程模型CROBAS-PA的参数,探索在建模数据不足情况下预估复杂过程模型参数的有效途径。【方法】参数优化模型的目标函数设为过程模型CROBAS-PA与经验模型QUASSI 1.0在树高和生物量预测上的离差,优化模型的决策变量选取过程模型中10个随气候和树种调整的参数(树冠树叶分形维数、消光系数、比叶面积、最大光合速率、树叶衰老率、叶表面积密度、自然整枝参数、树枝边材率、树干边材衰老率和树枝边材衰老率),约束条件为过程模型参数的可行域。选用差分演化算法,采用Sobol一阶灵敏度和全局灵敏度系数进行参数敏感性分析与评估,利用平均误差(ME)、平均绝对误差(MAE)和平均相对误差(MRE)进行模型检验。【结果】经参数优化后的华山松过程模型CROBAS-PA的有效预测时间可达20年,树高和胸径预测值平均绝对误差分别小于1.03 m和1.19 cm,平均相对误差分别低于5.59%和2.59%。灵敏度分析显示,最大光合速率、比叶面积、消光系数、树冠树叶分形维数对树高和胸径的生长变化有明显影响,而叶表面积密度对胸径和树高的生长变化影响较小。【结论】经参数优化后的华山松过程模型CROBAS-PA可以较准确预测华山松的树高和胸径生长以及林木各器官中的碳分配,基于经验-过程混合建模方法在复杂过程模型参数预估中具有一定应用潜力。     

神经网络在温室小气候预测中的应用

近年来,随着以日光温室为主要形式的设施栽培技术的兴起以及神经网络在语音识别、计算机视觉、序列分类领域取得重大突破,作为一种实现时间序列预测的有效工具,越来越多的神经网络技术开始应用在温室小气候预测技术中。按照神经网络的发展顺序对不同类型的神经网络模型在温室小气候预测中的应用进行总结叙述,分别针对前馈神经网络、循环神经网络、深度神经网络及混合神经网络的发展现状和研究者对网络模型的优化情况进行详细的介绍。在此基础上,分析当前针对温室小气候预测的神经网络模型存在模型输入参数单一而无法考虑温室整体环境变化、模型结构单一导致鲁棒性不足以及模型可靠性检验方法不合适、深度模型难以实地部署的问题,提出建立混合模型、改进模型检验方式、优化深度模型网络结构等建议。以期为面向温室智能控制的进一步研究提供参考。     

基于发展潜力评价与障碍因子识别的村庄分类与发展策略研究——以河南新县为例

科学划分村庄类型并制定针对性的村庄发展策略是分类推进乡村振兴的基础。本研究以河南新县为例,分别采用综合指数法和障碍度模型测算村庄发展潜力,识别阻碍村庄发展的障碍因子类型和数量,并以此为基础进行村庄分类和分区,制定差异化的村庄发展策略。结果表明：新县村庄发展潜力存在明显的地域分异,呈现南北部和县城周边较高、东西部较低的总体空间格局,坡度、地质条件、人口和村庄用地规模、距县城和卫生院距离等是限制新县村庄发展的主要障碍因子,其中东南部的田铺乡和西南部的卡房乡个别村庄障碍因子数较多,未来继续保留发展的难度较大。新县全域村庄划分为特色保护类23个、城郊融合类9个、集聚提升类79个、搬迁撤并类13个、整治改善类69个,占比分别为11.92%、4.66%、40.93%、6.74%、35.75%,并采用SKATER空间聚类算法划分村庄发展分区,在此基础上依据各分区村庄发展特征、优势和短板提出针对性村庄发展策略。本研究可为村庄发展障碍因子识别及乡村振兴精准施策等相关研究和实践提供借鉴。     

结合注意力机制与YOLOv5的松材线虫病受害木检测

松材线虫病是我国近几十年来最严重的一种森林病害,加强疫情的监测迫在眉睫。本研究在自建数据集的基础上采用3种不同的注意力模块(CBAM、SE和CA)改进YOLOv5算法并结合数字正射影像图自动识别松材线虫病受害木,分别对比了改进模型CBAM-YOLOv5、SE-YOLOv5、CA-YOLOv5与YOLOv5模型的识别效果,实现了对变色松树和枯死疫木检测效果的提升。结果表明：3种注意力改进策略的变色松树查全率、平均精度和F1分数显著提高,查准率不逊色于YOLOv5模型;综合考量查全率和F1分数指标,SE-YOLOv5模型的变色松树和枯死疫木检测效果最好,其F1分数分别达到89.7%和76.9%,比原模型分别提高了5.5%和5.4%,其检测精度分别为91.7%和80.3%,较YOLOv5模型分别提升了4.7%和5.1%;在理想置信度阈值情况下3种注意力改进策略的变色松树和枯死疫木查全率均值分别为85.4%和76.6%,基本满足实际检测需求。对各注意力改进模型检测层的特征图和热力图进行剖析可以看出,嵌入注意力机制有利于提取高贡献度的特征成分,可以提升变色松树特征提取的准确性。因此,改进的YOL...     

基于SD-SVD-Burg的玉米叶片铜铅污染甄别与程度诊断

为研究一种快速甄别作物受重金属污染的元素类别和所受污染程度的方法,于2017年设置不同梯度铜(Cu)、铅(Pb)胁迫下的玉米盆栽实验,对玉米的紫谷、绿峰和红边3个光谱特征区间的高光谱数据进行光谱一阶微分和奇异值分解处理,并结合Burg算法绘制功率谱密度曲线,同时利用2014年采集的光谱数据作为验证组检验该模型的稳定性。结果表明:健康玉米叶片与不同浓度Cu、Pb胁迫下玉米叶片光谱信号的功率谱密度曲线的波峰数及波峰坡度均不相同。功率谱曲线平均功率和玉米叶片中Cu、Pb含量的相关系数最高可达0.9958,证明该方法在对玉米进行污染元素种类辨别和污染程度诊断方面具有可行性,不同年份Cu与Pb胁迫下绿峰功率谱曲线平均功率与玉米叶片中Cu、Pb含量的相关系数分别为0.9213和0.9915,进一步验证该算法在玉米Cu、Pb污染诊断方面具有稳定性与普适性。     

基于二叉决策树分类模型的草原牛行为识别

为了解决人工监测草原放牧牛运动行为工作量大、监测精度低的问题,试验提出一种基于二叉决策树分类模型的草原牛行为识别方法,即选取草原牛颈部三轴加速度计采集数据的X轴、Y轴、Z轴方差、均方根、平均值及三轴总体的矢量幅度(signal vector magnitude, SVM)和幅度(singal magnitude area, SMA)共11种统计特征量来构建查准率-查全率曲线(P-R曲线),通过P-R曲线获取各统计特征量所对应的最优行为类别分组方式及最优阈值,利用信息增益作为选择标准来构建二叉决策树分类模型,运用此模型对草原牛的躺卧、反刍、采食及慢走四种运动行为进行分类识别,并与K-均值(K-means)聚类算法比对。结果表明：K-means聚类算法只能识别躺卧行为,难以区分反刍、采食及慢走三种运动行为,但二叉决策树分类模型能够有效地将躺卧和慢走行为从躺卧、反刍、采食及慢走四种行为中识别出来,查准率和查全率均达到0.760以上。说明二叉决策树分类模型较常用的K-means聚类算法可更有效地完成草原牛行为分类,并且准确率更高。     

文本挖掘下的话语认知与构建——以人工智能和5G领域白宫新闻文本为例

[目的/意义]政府新闻文本是政策文本的表达形式之一。对政府新闻文本进行挖掘分析,能直观的展现表面动态,揭示对话事件的立场及其背后关系,能对情报分析工作、中国新型智库的发展建设,提供有效的助力。[方法/过程]文章利用TextRank算法进行核心句提取,并结合批评话语分析理论框架来做评估,以语料驱动从关键句、关键词两个宏观角度讨论政府决策态度,以词性从话语策略的微观角度总结美国官方对人工智能和5G领域的话语认知形象。[结果/结论]通过分析可以看出,美国政府对于人工智能和5G领域的态度将持续保持在“政府引领下的美国需优先”这一局面,面对发展中国家的科技竞争,增加政府政策性文本的指导无疑是最好的对策建议。     

基于YOLOX改进模型的茶叶嫩芽识别方法

【目的】改善茶叶嫩芽识别困难的问题,提高模型的识别准确率。茶叶嫩芽的识别是实现茶叶自动化采摘的核心技术之一,而茶叶嫩芽生长的姿态以及采集图像时的拍摄角度等条件都会对茶叶嫩芽的识别带来困难,造成识别准确率低的问题。【方法】提出一种改进的YOLOX茶叶嫩芽检测算法SS-YOLOX,该方法能准确地对一芽一叶、一芽二叶等茶叶嫩芽进行识别、分类。该方法通过添加注意力模块（Squeeze and excitation,SE）提高模型的特征提取能力,改善小目标漏检问题、引入Soft NMS算法改善检测框重叠度较高时的打分机制,提高模型对不同场景下嫩芽的识别能力。【结果】消融试验表明,引入Soft-NMS算法、SE模块均能提高YOLOX模型模型的检测精度,以引入SE模块提升较为明显。通过不同嫩芽图像对比验证算法的可行性和准确性,SS-YOLOX模型的均值平均精度mAP比原YOLOX模型提高2.2%,达到86.3%,表明经过改进后,模型的识别能力得到提升。在目标嫩芽数量较多的情况下,SS-YOLOX模型能有效地降低漏检率和错检率。【结论】SS-YOLOX模型能准确识别茶叶嫩芽,且识别效果更好,可为茶叶智...