基于低功耗广域网的海岛水产养殖环境监测系统研制

针对海岛环境中水产养殖区域分散、工作环境恶劣、人工巡检不便等问题,设计了基于低功耗广域物联网的海岛养殖环境监测系统。系统包括集成Arduino和传感器的终端采集节点,通过LoRa技术实现数据汇总和远距离传输的汇聚网关,利用Python与PostgreSQL开发用于数据接收、存储、处理、访问和控制的后台监测系统。通过对网络拓扑复杂度、能耗等方面的评估,表明在海岛环境下部署水产养殖环境监测系统,相比传统Zigbee多跳无线传感网,采用LoRaWAN,其单跳节点覆盖范围更大,而网络复杂度、能耗等更优。测试表明该系统能以较低功耗实现整片区域内远距离数据采集,有效传输养殖区水体环境数据。网络生存期与传输可靠性测试表明,当传感器节点采用3.7 V/4 200 mAh锂电池,上传周期为30 min时,监测网络的有效生存期理论上可达2.4 a;在800 m通信范围内,发射功率为20 mW时,节点丢包率小于3.6%,具有较高的通信可靠性。该研究可为水产养殖生产和物联网应用研究提供有效参考。     

基于IMU的细粒度奶牛行为判别

针对奶牛行为判别自动化水平不足、准确率低的问题,采用惯性测量单元(IMU)和卷积神经网络(CNN),对细粒度奶牛行为判别进行研究.结果表明:1)在KNN、SVM、BPNN、CNN和LSTM 5个模型中,CNN模型在奶牛行为分类测试集上的准确率最高.2)含有三轴加速度计、陀螺仪和磁力计的IMU更加适用于奶牛行为分类,其分...     

利用双通道卷积神经网络的图像超分辨率算法

目的 图像超分辨率算法在实际应用中有着较为广泛的需求和研究。然而传统基于样本的超分辨率算法均使用简单的图像梯度特征表征低分辨率图像块,这些特征难以有效地区分不同的低分辨率图像块。针对此问题,在传统基于样本超分辨率算法的基础上,提出双通道卷积神经网络学习低分辨率与高分辨率图像块相似度进行图像超分辨率的算法。方法 首先利用深度卷积神经网络学习得到有效的低分辨率与高分辨率图像块之间相似性度量,然后根据输入低分辨率图像块与高分辨率图像块字典基元的相似度重构出对应的高分辨率图像块。结果 本文算法在Set5和Set14数据集上放大3倍情况下分别取得了平均峰值信噪比(PSNR)为32.53 dB与29.17 dB的效果。结论 本文算法从低分辨率与高分辨率图像块相似度学习角度解决图像超分辨率问题,可以更好地保持结果图像中的边缘信息,减弱结果中的振铃现象。本文算法可以很好地适用于自然场景图像的超分辨率增强任务。     

基于高光谱和BP神经网络的玉米叶片SPAD值遥感估算

为了进一步提高玉米叶绿素含量的高光谱估算精度,该文测定了西北地区玉米乳熟期叶片的光谱反射率及其对应的叶绿素相对含量（soil and plant analyzer development,SPAD）值,分析了一阶微分光谱、高光谱特征参数与 SPAD的相关关系,构建了基于一阶微分光谱、高光谱特征参数和 BP 神经网络的 SPAD 估算模型,并对模型进行验证;再结合主成分回归（principal component regression,PCR）、偏最小二乘回归（partial least squares regression,PLSR）以及传统回归模型与 BP 神经网络模型进行比较。结果表明：SPAD 值与一阶微分光谱在763nm 处具有最大相关系数（R=0.901）;以763 nm 处的一阶微分值、蓝边内最大一阶微分为自变量建立的传统回归模型可用于玉米叶片 SPAD 估算;将构建传统回归模型时筛选到的光谱参数作为输入,实测 SPAD 值作为输出,构建 BP 神经网络模型,其建模与验模 R2分别为0.887和0.896,RMSE 为2.782,RE 为4.59%,与其他回归模型相比,BP 神经网络模型预测精度最高,研究表明 BP 神经网络对叶绿素具有较好的预测能力,是估算玉米叶片 SPAD 值的一种实时高效的方法。     

黑龙江省农业机械化作业水平预测方法

黑龙江省农机化作业水平的预测是一个复杂的非线性系统,其发展变化具有增长性和波动性,对于拟合的方法要求较高。该文对黑龙江省农机化作业水平预测方法进行研究,在传统预测模型灰色GM(1,1)模型、平滑预测模型和回归预测模型的基础上建立了基础预测模型,并与BP神经网络模型组合,建立了灰色神经网络、平滑回归神经网络等组合预测模型,并预测了黑龙江省2008～2015年的农机化耕、种、收、植保、灌溉作业水平。结果表明,新的预测方法拟合精度高、有效、可行,为农机化作业水平的预测提供了一条新的途径;黑龙江省机耕、机播、植保作业水平很高,但是机收作业水平不高,机械化灌溉是主要的瓶颈,需要进一步发展。     

柴油机故障诊断系统的数据结构与模型算法

为了实现对柴油机故障诊断系统的最小化和系统诊断模型的通用化,该文主要在机械设备的故障诊断数据处理方面,在对特征量提取算法、主特征量提取算法、神经元网络专家系统进行深入比较研究的基础上,建立了机械设备故障诊断系统统一的数据结构和模型算法,结合MATLAB的工具包实现了机械故障诊断系统（MFDS）软件包的开发。并在6135柴油机上试验,对测量取得的数据经过MFDS的学习与诊断,结果表明该系统可以快速准确地给出诊断结果,对完善柴油机等复杂机械系统的故障诊断理论和水平具有实际意义。     

灌溉用水量的并联型灰色神经网络预测

该文提出了把人工神经网络和灰色预测方法结合成并联型灰色神经网络预测方法,用这种方法来预测灌溉用水量,并以预测方法有效度为优化指标求解组合模型加权系数。结果显示,灰色神经网络预测方法的平均误差为2.67%,明显低于单一的灰色预测方法和神经网络预测方法的平均误差,可以将这种组合方法应用于中长期灌溉用水量预测。     

基于BP-MC网络的张家港市耕地安全定量化分析

近年来城市用地大量侵占农业用地,不断威胁到城市的粮食安全问题,利用遥感快速准确地监测土地利用覆盖变化和城市扩张对保护耕地意义重大。运用BP人工神经网络,结合广义蒙特卡罗思想,利用多年的张家港市TM遥感影像、土地利用图和年鉴,对耕地、道路、城市扩张、GDP及产业经济结构之间的关系进行了深入的分析。研究结果表明：张家港市10 a来耕地面积以每年约2.5%的幅度减少,但在2002年后农业总产值有小幅回升,这与该市落实土地优化政策、农业结构和产业结构调整息息相关。城市扩张主要方式为多核心蔓延式扩展,距主要道路和已建城区2 km内的农业用地最有可能在4 a内转变为城镇用地,并且道路和城区附近500 m内是转化高峰,而且间隔年限越长,道路和已建城区对其缓冲区的影响范围越广、辐射强度越大。经济的快速发展使得耕地大量被占用,导致了农转非概率升高,但随着城市用地与耕地数量逐渐达到平衡,农转非概率降低,使得GDP与非农转化率呈现倒“U”曲线;BP-MC网络通过在图像中采集大量像素点进行训练,有效地避免了人工神经网络陷入局部极小点,是一种定量研究城市扩张驱动力的有效途径。     

基于多层感知神经网络的水稻叶瘟病识别方法

为实现水稻叶瘟病的快速诊断,综合利用图像处理技术和神经网络来进行叶瘟病斑的识别研究。该文设计了3个多层感知分类器来进行病斑识别准确率的对比验证,分别采用叶片正常区域和病斑区域的纹理特征、颜色特征以及纹理和颜色的组合特征作为不同分类器的输入单元;输出层采用1个单元用于输出病斑区域和正常区域的识别结果。首先,该文将采集到的RGB图像转换成灰度图像,利用灰度共生矩阵分别提取叶片正常区域与病斑区域的能量、对比度、熵、逆差距作为纹理特征;紧接着,将RGB彩色空间转换至HIS和Lab空间,分别提取病斑区域和正常区域的L、a、b值作为颜色特征。最后,采用不同的BP神经网络分类器进行病斑区域识别。该文共采用120副图像作为待测对象,试验结果表明,采用颜色和纹理的组合特征进行识别,准确率要比单独使用纹理特征和颜色特征高10%～15%。本文的研究结果为进一步实现水稻病害自动诊断打下了基础。     

小麦田中天线高度对2.4GHz无线信道传播特性的影响

探索农田环境下无线信道传播特性,将为无线传感器网络部署与功率控制方面的研究打下基础。该研究在小麦田地中实地测试了不同生育期 2.4GHz 无线信号的功率衰减情况和丢包率,进而得出传输范围及路径损耗,并用MATLAB对路径损耗进行了回归分析。研究表明,小麦田中,信号衰减的速度随天线高度的变化单调递减,而传输距离随天线高度的变化单调递增,因此,天线的较优位置应略高于成熟植株（1.2 m左右）。同一天线高度下,小麦生长后期无线信号的衰减大于前期。2.4GHz 无线信号的衰减情况可用对数距离路径损耗模型来预测,理论值与测量值的相关系数在0.961～0.996之间。路径损耗指数与天线高度呈现对数衰减趋势;在同一天线高度下,路径损耗指数随着小麦的生长而增大。