基于改进的PSO进化神经计算进行苹果颜色快速分级

为克服在苹果颜色分级中存在的速度慢、误差大等缺点,基于再现群智能的粒子群进化算法和神经计算技术,提出了一种新颖、快速的智能分级方法,即首先通过计算机视觉技术获取苹果表面颜色的色度,并提取其特征;然后采用改进的带自适应惯性权值的粒子群优化算法训练神经网络结构,最后用训练好的神经网络进行苹果颜色分级。实际应用表明该方法切实可行且效果显著,不仅分级速度快,而且分级正确率高达98%以上。     

基于二叉树结构聚类算法的彩色图像分割研究

提出了一种基于二叉树结构的彩色图像分割方法,首先对待分割图像采用最优阈值化方法获取R,G,B 3个颜色空间的最佳阈值,然后通过构造自适用二叉树进行一次粗分割提取目标区域,最后采用C-均值聚类算法对二叉树的每个叶子节点进行精确分割.试验表明,该算法可以在保留原图像中大部分的信息的基础上,对目标物体进行有效的分割.     

小麦生长模型对拔节期和孕穗期低温胁迫响应能力的比较

【目的】作物生长模型是预测和评估气候变化对作物生产力影响的重要量化工具,明确典型作物生长模型对小麦拔节期和孕穗期低温胁迫响应能力的不足,可以为进一步改进低温胁迫对小麦生产力影响的模拟算法提供指导。【方法】本研究将来自4套国际知名小麦生长模型(美国密歇根州立大学的CERES-Wheat、美国华盛顿州立大学的CropSyst、荷兰瓦赫宁根大学的WOFOST和法国国家农业科学研究院的STICS模型)的典型低温胁迫效应算法,与本课题组研发的小麦生长模拟模型Wheat Grow相耦合,利用2012—2013年南京和2013—2015如皋不同品种(扬麦16和徐麦30)、不同温度水平(最低至-6℃)和持续时间(2、4、6 d)的人工气候室低温盆栽试验资料,检验和评价了原WheatGrow模型和耦合后低温胁迫效应算法的WheatGrow模型在拔节期和孕穗期低温胁迫下对小麦叶面积指数动态、茎生物量、地上部总生物量、籽粒产量等指标的预测能力。【结果】拔节—孕穗期低温胁迫明显降低了小麦叶面积指数、地上部生物量积累和籽粒产量,且随低温水平的降低和持续时间的增加降低幅度呈明显升高趋势。比较不同处理时期和品种发现...     

一种生物病虫害控制模型的进化算法处理

为控制蘑菇种植过程中尖眼蕈蚊数量,利用线虫和尖眼蕈蚊数量变化的动态关系模型,应用分布估计算法对控制干涉次数和控制数量进行优化处理,将其与遗传算法结果进行比较.结果表明:该算法在控制次数略有增加情况下,可以取得较小目标函数值,并且算法稳定收敛,该结果可以作为一种理想的控制优化方案.分布估计算法可以用来处理此类动态关系模型的优化问题.     

基于改进YOLO的玉米幼苗株数获取方法

为快速准确获取玉米幼苗株数、评估播种质量、进行查缺补苗等管理,对YOLO算法进行改进,提出了一种基于特征增强机制的幼苗获取检测模型(FE-YOLO),实现了对玉米幼苗株数的快速获取.该方法根据玉米幼苗目标尺寸和空间纹理特征,构建了基于动态激活的轻量特征提取网络,融合了多感受野和空间注意力机制.实验表明:FE-YOLO模...     

基于二代测序数据拷贝数变异检测的新方法研究

目标区域捕获测序（TRS）是将基因组特定区域制成探针与基因组DNA杂交,将目标区域的DNA富集后再进行二代测序。TRS已应用于多种疾病如智力障碍、帕金森症等,能够有效的对人类主要组织相容性复合体（MHC）、外显子等区域进行测序。由于测序效果受捕获测序探针密度影响较大,探针的疏密及均匀程度很大程度会影响最终结果,与全基因组测序相比,TRS检测拷贝数变异（CNV）难度更大。随着生命科学的飞速发展,越来越多的拷贝数变异检测工具出现,但它们的CNV检测率依然较低,假阳性率较高。因此,本研究开发了一种新颖的拷贝数变异检测方法,结果显示,本研究方法、ExomeDepth和XHMM的检测率分别是76.7%、12.4%和5.5%,假阳性率分别是25.7%、49.4%和66.9%,本研究方法在检测率及假阳性率的表现均优于ExomeDepth和XHMM两种方法。本研究补充了拷贝数变异检测算法,并为相关研究提供一定的理论依据。     

基于DH-YoloX的群养马岗鹅关键行为监测

马岗鹅的行为与其生长状况和福利状况密切相关,马岗鹅关键行为监测对评估其生长性能具有重要的现实意义。为了实现对群养栏马岗鹅关键行为高效率精准监测,该研究探索一种基于YoloX的群养马岗鹅关键行为监测算法（Magang geese behavior monitoring of based on Double Head-YoloX,MGBM-DH-YoloX）,该算法通过减少YoloX的头部数量提升检测效率、使用损失函数减少前景背景干扰、使用迁移训练方式提高网络训练效率等技术对马岗鹅采食、饮水、休息和应激等关键行为及其规律进行分析。MGBM-DH-YoloX首先用Mosaic和Mixup对马岗鹅图像进行数据增强,然后使用增强后的数据集训练模型,并且利用模型检测马岗鹅的关键行为,最后累计得出马岗鹅关键行为的发生时长和行为节律;试验训练集为1 400幅、验证集200幅和测试集为400幅,连续活动视频10 d。结果表明,MGBM-DH-YoloX算法的平均精度为98.98%、检测速度达到81帧/s、内存消耗为2 520.04 MB。对马岗鹅的10 d养殖数据分析发现,MGBM-DH-YoloX能有效观察到马岗鹅随着日龄增长采食次数逐渐减少;试验鹅每日采食与饮水行为同时出现的比例为83.74%,呈现整体相伴趋势,但也从90.78%降低到74.57%,说明马岗鹅采食与饮水行为随着日龄增加呈现出逐渐分离趋势;试验鹅随着日龄增长休息时间逐渐加多,呈现出肉鸭对笼养的适应性逐步增强;应激行为随机性很强,突发性明显,发现人员随机走动等不规范饲喂带来的应激行为占据很大比例。该研究显示MGBM-DH-YoloX算法能利用监控视频对马岗鹅的关键行为进行智能提取,可为家禽智能养殖监管提供技术支撑。     

典型农业物料碰撞接触损伤机理及应用研究进展

农业物料在收获、加工和运输等过程中易出现碰撞损伤,直接影响农产品质量。深入研究其碰撞损伤机理对于降低农业物料损伤具有重要意义。农业物料损伤来源主要为碰撞接触损伤,为了解典型农业物料碰撞损伤机理,在研究大量国内外文献的基础上,基于撞击式损伤原理,针对农业物料碰撞损伤机理综述了经典接触力学中小变形碰撞接触的研究现状和典型物料碰撞接触的损伤规律,从碰撞理论、碰撞模型、碰撞检测及数值仿真等方面,分别阐述了脱粒型、脱壳型和柔性果型农业物料碰撞特性的研究进展和技术难点,并探讨了典型农业物料在逆向建模、碰撞损伤模型改进、碰撞算法改进以及开发高精度损伤传感器等方面研究的可能性,为农业工程装备设计及改进提供参考。     

基于全质心WLS-HDS-TWR算法的无人驾驶农业机械协同定位算法研究

针对室内全球导航卫星系统（Global navigation satellite system,GNSS）信号受遮挡时,农用车辆协同定位精度低、稳定性差、信号丢包等问题,本文开展面向超宽带（Ultra wideband,UWB）调频技术的室内外农用车辆协同定位算法研究。首先,搭建三基站多边测距定位模型,实现主基站绝对位置标定以及辅助基站绝对位置坐标的变换求解;其次,提出全质心加权最小二乘的高速双边双向（Weighted least squares high double sided two-way ranging,WLS-HDS-TWR）农机协同定位算法,基于泰勒级数展开的WLS估计算法,求解主车位置。同时,提出面向室内环境的多状态基站组合的UWB定位模块布设模式,并验证其可行性;通过飞行时间法（Time of flight,TOF）获取主从车距离信息,融合GNSS标定位置信息、主车坐标信息以及测距信息,实现主从车协同定位。最后,基于Prescan/Simulink搭建联合仿真平台,验证提出算法的可靠性;通过农用履带车辆开展室内及室外协同定位实车试验,试验结果表明：全质心WLS-HDS-TWR协同定位算法可有效解决室内GNSS信号缺失问题,室内环境下,定位精度较HDS-TWR及全质心LS-HDS-TWR算法分别提高26.98%和22.03%,满足智能农机协同定位作业需求。