基于偏好免疫网络的油茶果采摘机器人图像识别算法

针对油茶果采摘机器人视觉识别中外界物体的形态学特性要求,采用了偏好人工免疫网络算法作为机器视觉的图像识别算法,并根据采摘环境及采摘对象的特点对算法结构进行了改进,增强了算法的识别率.仿真实验表明,采用偏好人工免疫网络算法对油茶果的识别率在晴天时达到了81.67％,阴天时达到了87.69％,满足采摘识别率的要求.     

青海省公路弃土场土壤侵蚀规律天然降雨试验研究

以青海省平阿高速公路弃土场作为研究对象,在雨季进行了天然降雨试验研究,分析了弃土场土壤侵蚀特征及影响因素.结果表明,该区弃土场土壤侵蚀与降雨量和降雨强度有密切的相关关系,大部分土壤侵蚀均发生在降雨较大的7-9这3个月.在40°左右的坡度条件下,坡度变化对土壤侵蚀量的影响很大,坡度稍有增加,水土流失就会大幅增加;在植被建植初期,耕作土比红弃土更易发生水土流失.     

Soil conservation on road embankments using palm‐mat geotextiles: field studies in Lithuania

The application of geotextile mats constructed from the palm leaves of Borassus aethiopum (Borassus) and Mauritia flexuosa (Buriti) was investigated in field experiments. The use of geotextiles caused improved soil moisture storage during dry summer periods on a steep (21–25°) roadside slope in Lithuania. The enhanced soil moisture under the Borassus and Buriti mats encouraged better root development of perennial grasses, increased the number and weight of earthworms and increased the dry biomass of perennial grasses by 50.5 and 18.2%, respectively, compared with a grassland control. The mean rate of water erosion from bare soil during the study period from 17/04/2007 to 11/12/2008 was 33.21 Mg/ha. The cover of palm‐mat geotextiles decreased soil losses from bare fallow soil by 94.8–91.1%. An erosion rate of 0.85 Mg/ha over this 21‐month period was measured on the slope under perennial grasses without geotextile cover. Application of geotextile cover on perennial grasses completely prevented soil erosion by water. Therefore, use of geotextiles has clear soil and water conservation benefits on industrial slopes susceptible to erosion. The use of geotextiles has multiple benefits including soil conservation, the improvement of plant growth conditions and the encouragement of earthworm populations.     

基于改进YOLOV5s网络的奶牛多尺度行为识别方法

奶牛站立、喝水、行走、躺卧等日常行为与其生理健康密切相关,高效准确识别奶牛行为对及时掌握奶牛健康状况,提高养殖场经济效益具有重要意义。针对群体养殖环境下奶牛行为数据中,场景复杂、目标尺度变化大、奶牛行为多样等对行为识别造成的干扰,该研究提出一种改进YOLOV5s奶牛多尺度行为识别方法。该方法在骨干网络顶层引入基于通道的Transformer注意力机制使模型关注奶牛目标区域,同时对奶牛多尺度行为目标增加路径聚合结构的支路与检测器获取底层细节特征,并引入SE（Squeeze-and-Excitation Networks）注意力机制优化检测器,构建SEPH（SE Prediction Head）识别重要特征,提高奶牛多尺度行为识别能力。试验验证改进后的奶牛行为识别模型在无权重激增的同时,多尺度目标识别结果的平均精度均值较YOLOV5s提高1.2个百分点,尤其是对奶牛行走识别结果的平均精度4.9个百分点,研究结果为群体养殖环境下,全天实时监测奶牛行为提供参考。     

浅谈市政道路石灰土基层施工

笔者从石灰土在道路施工中的重要性出发,分析市政道路石灰土基层施工的前期准备工作,并介绍了市政道路石灰土基层施工工艺流程,最后分析了特殊季节道路石灰土基层施工的注意事项。     

基于迁移学习和金字塔卷积网络的河蟹个体图像识别方法研究

针对目前河蟹追溯成本高、消费者无法细粒度地追溯单体河蟹信息等问题,提出一种基于迁移学习和金字塔卷积的河蟹背甲图像个体识别算法。该算法使用金字塔卷积层替换普通残差卷积块构建网络模型,可以从蟹背图像中提取多尺度、深层次的特征信息。结果显示:采用金字塔卷积结构的Resnet34和Resnet50的准确率分别为98.38%、98.51%,与使用普通卷积层的模型相比,准确率提升5.49%、1.3%,而当模型深度达到101层时,模型性能不再明显提升。与使用金字塔卷积结构的全新学习模型相比,迁移学习方法的训练收敛迭代轮次从20轮降低至5轮,此时模型准确率为98.88%,较全新学习的准确率提升0.37%,同时弥补了样本量较少的问题。该研究为河蟹个体识别追溯提供了理论依据和技术支持。     

花龄期棉花虫害的电子鼻检测

棉花害虫具有隐蔽性、迁飞性和突发性特点,并且影响因素众多,棉花虫害准确地诊断是农业领域的难点问题。该研究以受到棉铃虫侵害的花铃期棉花为研究对象,采用电子鼻对不同处理的棉花挥发物进行检测。研究表明,主成分分析（Principal Component Analysis, PCA）和聚类分析结果显示健康棉花释放的挥发物具有明显的昼夜节律性,健康棉花与虫害棉花差异性显著。径向基函数神经网络（Radial Basis Function Neural Network, RBFNN）对8个不同时间的4组虫害棉花处理进行分析,测试集判别总的正确率为73.4%,健康棉花对照组测试集判别正确率100%,误判样本出现在3个虫害处理之间。当不考虑时间因素建立虫害棉花统一的预测模型,RBFNN模型对健康棉花对照组的预测正确率均达到了100%,分析结果可以作为花铃期棉花是否遭受棉铃虫侵害的依据,说明电子鼻可以作为棉花虫害发生的有效监测手段,在农作物虫害监测领域具有潜在的应用价值。     

多邻域保持嵌入的人脸识别方法

现有流形学习算法在学习人脸数据时,假设所有数据点位于单一低维嵌入流形之上,当数据点实际分布在不同的流形上时,单流形假设就会影响数据真实空间结构。为此提出一种基于多邻域保持嵌入（multiple neighborhood preserving embedding, M-NPE）的学习算法来发现不同类别数据在不同维度的低维嵌入空间中分布的多流形结构。首先,单独学习不同类别数据的流形,得到反映其本质特征的流形;再通过遗传算法搜索每个流形的最优维数;最后依据最小重构误差分类器对样本分类。在Extended Yale B和CMU PIE这2个大型人脸库上实验结果验证了该算法的有效性。     

人工智能产业链分析

根据对我国人工智能技术从基础层到技术层,最后到应用层的全产业链进行分析,旨在 对我国的人工智能技术与应用创新,提供发展方向。我国目前的人工智能技术在某些应用领域 发展迅速。例如,将算法层中的人工智能核心技术——机器学习,应用到智能金融领域、和智能 交通领域的无人驾驶公交车。在智能家居、智能教育、智能医疗等方面,现阶段有一定成果,但也 存在提升空间。     

道路景观设计方法探讨

提出对道路景观的规划、调查、定位等系统分析,从而在道路的形态、周边环境的借景及路域生态系统的景观绿化等方面,探讨了道路景观设计的方法。