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...     

缺株玉米行中心线提取算法研究

无人驾驶农机自主进行行驶路径检测和识别系统需要具备环境感知能力。作物行的中心线识别是环境感知的一个重要方面,已有的作物行中心线识别算法在缺株作物行中心线提取中存在检测精度低的问题。该研究提出了一种能够在缺株情况下提取玉米作物行中心线的算法。首先采用限定HSV颜色空间中颜色分量范围的方法将作物与背景分割,通过形态学处理对图像进行去噪并填补作物行空洞;然后分别在图像底部和中部的横向位置设置条状感兴趣区（Region of Interest,ROI）,提取ROI内的作物行轮廓重心作为定位点。在图像顶端间隔固定步长设置上端点,利用定位点和上端点组成的扫描线扫描图像,通过作物行区域最多的扫描线即为对应目标作物行的最优线;将获取的最优线与作物行区域进行融合填充作物行中的缺株部位;最后设置动态ROI,作物行区域内面积最大轮廓拟合的直线即为目标作物行中心线。试验结果表明,对于不同缺株情况下的玉米图像,该算法的平均准确率达到84.2%,每帧图像的平均检测时间为0.092 s。该研究算法可提高缺株情况下的作物行中心线识别率,具有鲁棒性强、准确度高的特点,可为无人驾驶农机在作物行缺株的农田环境下进行作业提供理论依据。     

基于目标像素变化的柚果单目测距算法

针对山地果园光线变化和枝叶遮挡干扰果实距离检测的问题,该研究提出一种利用目标区域像素数量变化预测成像距离的算法。根据单目测距原理和柚果成像特性,以具备尺寸和形状代表性的离树柚果样本为研究对象,在采摘作业距离范围内利用单一相机以固定间隔步距对果实某一侧面连续获取图像数据,用以建立并验证目标区域像素数量变化与成像距离变化之间的多元回归关系。随后将该算法应用于果园中树上柚果样本以检验其适用性,并讨论初始成像距离和步距取值对测距精度的影响。研究结果表明,在125 cm以内,6个树上柚果样本的测距相对误差均低于5%,满足采摘机械手目标定位的精度要求;初始成像距离对该算法测距精度具有显著影响。该研究单目测距算法满足果园环境中柚果目标与相机间距离检测需求,为相关采摘机械手的柚果目标识别提供了一种可行方案。     

联合SBAS-InSAR和PSO-BP算法的高山峡谷区地质灾害危险性评价

近年来,高山峡谷区地质灾害频频发生,给人民生命和财产安全带来严重威胁。针对现有地质灾害评价方法存在地质灾害数据时效性差、不准确以及需进行大量评价因子权值计算等弊端,该研究提出一种联合SBAS-InSAR（Small Baseline Subsets- Interferometric Synthetic Aperture Radar）和PSO-BP（Particle Swarm Optimization-Back Propagation）算法来对高山峡谷区地质灾害危险性进行评价的方法。首先利用SBAS-InSAR技术获取得到研究区升降轨形变量,引入高分辨率影像等作为辅助识别,得到研究区地质灾害数据;然后,选取高程、坡度、升降形变速率等12个评价因子与是否为高危险区构建PSO-BP模型,对模型进行训练、验证并保存模型;利用保存好的模型得到研究区的地质灾害指数,通过ArcGIS自然间断点分级法结合专家参与进行危险性分级,最终得到研究区地质灾害危险性评价结果。试验结果表明：利用升降轨结合的方式对高山峡谷地质灾害进行识别,避免了单一轨道存在SAR成像几何畸变造成部分地质灾害不能识别或识别结果不全面等问题;利用SBAS-InSAR技术并结合高分辨率影像等辅助信息,可有效识别出活跃的泥石流、滑坡、崩塌和潜在地质灾害,解决了现有地质灾害点数据源时效性差、不准确等弊端;利用PSO-BP算法能跳过大量评价因子权值计算等弊端;为验证该研究方法的有效性,选择信息量法和组合赋权法进行定量和定性比较,结果表明,该研究方法有效的提高了地质灾害危险性评价的准确度,信息量法、组合赋权法和该研究方法的AUC（Area Under The Curve）值分别为0.694、0.721、0.785,准确率为73.3%、76.2%、79.8%。利用该方法能更为有效的对高山峡谷区地质灾害进行危险性评价,为防灾减灾事业及政府部门决策提供参考。     

基于无人机遥感影像的玉米冠层温度提取及作物水分胁迫监测

针对当前无人机热红外遥感提取冠层温度不准确、监测作物水分胁迫状况精度不高的问题,该研究以不同水分处理的拔节期夏玉米为研究对象,利用无人机获取试验区域热红外和可见光图像资料,分别采用Otsu算法、EXG-Kmeans算法和Otsu-EXG-Kmeans算法获取冠层区域图像,并对提取结果进行精度评价,而后采用最优算法求得对应作物水分胁迫指数（Crop Water Stress Index,CWSI）,通过分析CWSI同土壤含水率相关关系以及CWSI日平均变化趋势来监测玉米水分亏缺状况。结果表明：1）相比于其他方法,Otsu-EXG-Kmeans算法对冠层温度提取精度更高（用户精度为95.9%）,提取的冠层温度更接近实测温度（r=0.788）,可以准确获取图像冠层温度。2）相比于冠层温度,CWSI与土壤含水率的相关性更高（r= -0.738）,CWSI日平均变化趋势更符合实际情况,可更加精确地监测玉米缺水状况。该研究为无人机遥感精准监测作物水分胁迫状况提供参考。