基于全卷积网络的哺乳母猪图像分割

猪舍场景下,光照变化、母猪体表颜色不均及与环境颜色对比度不大、母猪与仔猪的粘连等,均给目标分割带来很大的困难。该文提出了基于全卷积网络(FCN,fully convolutional networks)的哺乳母猪图像分割算法。以VGG16为基础网络,采用融合深层抽象特征与浅层细节特征并将融合的特征图上采样8倍的跳跃式结构,设计哺乳母猪分割的FCN。利用Caffe深度学习框架,以7栏伴有不同日龄仔猪的3811幅哺乳母猪训练样本进行母猪分割FCN训练,在另外21栏的523幅哺乳母猪测试集上的分割结果表明:该算法可有效避免光线变化、母猪颜色不均、小猪遮挡与粘连等影响,实现完整的哺乳母猪区域分割;分割的平均准确率达到99.28%,平均区域重合度达到95.16%,平均速度达到0.22 s/幅。与深度卷积网络的SDS(simultaneous detection and segmentation)及传统的基于图论的图像分割、基于水平集的图像分割方法做了对比试验,该文分割方法平均区域重合度分别比这3种方法高出9.99、31.96和26.44个百分点,有较好的泛化性和鲁棒性,实现了猪舍场景下哺乳母猪准确、快速分割,可为猪只图像分割提供了技术参考。     

基于生物特征纹理信息的西瓜追溯标识算法设计与实现

为了将生物特征识别技术应用于追溯系统中的果品标识,该文提出了一种采用西瓜蒂外围纹理信息标识果品个体的方法.该方法首先采集西瓜图像并在瓜蒂外围构造一个环形区域;将环形区域归一化后利用Gabor滤波器对图像纹理进行特征提取及编码;然后通过计算码间的Hamming距进行纹理编码的匹配.在试验中,为100个西瓜在采后贮藏初始、第7天和第14天各采集一幅图像并计算出3组每组100个纹理编码,将第7天、第14天的每一个编码与初始阶段的每一个编码两两比对,累计完成20 000次比对证实西瓜纹理具有唯一性,不同个体的纹理特征各不相同.使用成对数据的假设检验证实在采收后14d内纹理特征不随时间的推移产生显著变化(P＞0.05).通过理论和试验证实算法对平移、尺度和旋转具有适应性,即西瓜在图像中的平移、尺度和旋转对Hamming距的计算不会产生显著影响(P＞0.05).使用最大类间方差法在50个西瓜的纹理编码内训练出判别阈值,并用该阈值判别另外50个西瓜3个时间点间相互比对生成的100个来自同一个西瓜的Hamming距和4 900个来自不同西瓜的Hamming距,结果表明上述Hamming距均能正确判别,准确率与召回率为100％.该研究为农产品追溯系统的标识技术提供新的思路.     

多目标驱动的拖拉机产品族外形基因设计

为塑造标志性的品牌造型元素及独特的品牌形象,提高农机用户对拖拉机外形设计的满意度,提出一种多目标驱动的拖拉机产品族外形基因进化设计方法.在拖拉机产品族外形基因的提取、变异系数分析的基础上,构建了多目标驱动的拖拉机产品族外形基因进化设计模型,研究了基于形态学矩阵的产品族外形基因进化解空间,并采用快速非支配遗传算法对多目标决策模型进行求解.以某企业产轮式拖拉机为例,分析了品牌识别、用户意象、社会情境3目标驱动的产品族外形基因进化设计过程,并建立了拖拉机产品族侧面外形基因计算机辅助设计系统,将获得的子代方案与所选取的样本p15的外形方案进行对比评价.结果表明:子代方案能较好地延续该品牌原有产品造型特征与风格;同时,相较于样本p15,子代方案对品牌识别、用户意象、社会情境的符合程度分别提高了30%、54%、80%,验证了方法的可行性与有效性.     

车辆悬挂系统自抗扰控制器改进及其性能分析

针对基于车辆状态的主动控制难以协调改善车辆乘坐舒适性和操纵稳定性等指标的问题,将自抗扰控制引入悬挂系统,设计了一种同时考虑比例、积分、微分的非线性状态误差反馈的自抗扰控制器,以改善车辆的行驶特性。给出了综合考虑悬置质量加速度和车轮动载荷的悬挂系统综合性能评价指标,用以分析算法对悬挂系统改善的有效性。对标准天棚主动控制和改进的自抗扰控制算法进行仿真对比分析,结果表明,标准天棚主动控制仅能够改善乘坐舒适性,而改进的自抗扰控制可同时提高车辆的乘坐舒适性和操纵稳定性,并且其综合性能提高了18.89%;通过改变悬置质量、行驶路面和行驶速度,对改进的自抗扰控制器的鲁棒性进行仿真分析,结果表明,采用改进的自抗扰控制的悬挂系统的乘坐舒适性、操纵稳定性和综合性能的波动幅度均小于3%,该算法具有较强的鲁棒性。通过悬挂台架试验系统对改进的自抗扰控制进行试验验证,相比于被动悬挂,其乘坐舒适性、操纵稳定性和综合性能分别提高了13.31%、10.25%和22.19%,说明了改进算法振动控制的有效性;改变悬置质量、行驶路面和行驶速度,悬挂系统综合性能的相对波动幅度同样小于3%,验证了改进的自抗扰控制算法的鲁棒性。     

基于农田无线传感网络的分簇路由算法

由于无线传感网络节点的能量有限,如何有效地利用有限资源以及实现数据的有效传输,成为研究热点问题.针对农田区域广以及种植作物杂等环境特征,为延长农田无线传感器网络的生命周期,提高传感网的数据包投递率,构建了适用于农田信息采集的无线传感器网络架构,提出了一种混合式的分簇路由算法HCRA(hybrid clustering routing algorithm),研究了簇的形成、簇头竞选以及簇间路由过程,并对HCRA算法与低功耗自适应集簇分层型算法LEACH(low-energy adaptive clustering hierarchy),以及使用固定簇半径的混合节能分簇算法HEED(hybrid energy-efficient distributed clustering)进行了仿真试验.结果表明:在1 000次迭代周期下,采用HCRA算法的网络生存时间要比LEACH算法长约28％,比HEED算法长约12％;采用HCRA算法的数据包投递率要比LEACH算法高约34个百分点,比HEED算法高约16个百分点.该研究可为农田环境信息采集自动化监测系统提供参考.     

基于改进Graph Cut算法的生猪图像分割方法

生猪图像分割为生猪行为特征提取、参数测量、图像分析、模式识别等提供易于理解和分析的图像表示,准确有效的生猪图像分割是生猪行为理解和分析的基础.针对传统Graph Cut算法分割精度差、分割效率低及不能准确分割特定目标的问题,该文结合交互分水岭算法,提出基于改进Graph Cut算法的生猪图像分割方法.采用交互分水岭算法对图像进行区域划分,划分的各个区域块看作超像素,用超像素替代传统加权图中的像素点,构造新的网络图替代传统加权图,重新构造能量函数以完成前景背景的有效分割.试验结果表明:该方法峰值信噪比平均范围为[30,40],结构相似度平均范围为[0.9,1],两种评价准则的结果与主观评价一致,图像分割质量、精度得到明显提升;平均耗时缩短到传统GraphCut算法的33.7％,提高了分割效率;在复杂背景、噪声干扰、光照强度弱等条件下可以快速分割出特定目标生猪,具有较高鲁棒性.     

基于改进主成分分析和AdaBoost算法的运动虾苗识别方法

针对虾行为量化过程中运动虾苗较难检测与识别的问题,该文以南美白对虾虾苗为例,提出了一种基于改进主成分分析(principal component analysis,PCA)+AdaBoost算法的运动虾苗自动识别方法。在室内自然光条件下,利用工业相机采集承装容器中虾苗的灰度图像。提取图像中大小为100×100像素的不同运动状态的虾苗图像,首先使用改进PCA算法进行主成分分析,并进行特征提取。根据特征参数的分布情况,对其进行归一化处理,利用归一化的特征构建多个弱分类器,利用Adaboost方法将弱分类器构建成强分类器。最后,利用强分类器对运动虾苗进行识别。试验结果表明,在150幅不同运动状态虾苗测试样本中,基于改进PCA+Adaboost方法的识别正确率98%,平均每个样本识别时间为0.027 898 s,满足行为量化中的自动识别要求。     

基于改进杂交粒子群算法的农村微能网多能流优化调度

西部农村地区电网薄弱,光伏和风电扶贫投资未考虑配套输配电设施,用以处理生物质废弃物的沼气受季节性温度变化影响运行经济性不佳,为解决上述问题,该文提出利用沼气作为气源含可再生能源的冷-热-电-气多能流农村微能网供能架构,建立相应的多能流微能网调度模型,针对粒子群算法早熟、容易陷入局部最优的问题,提出采用动态调整惯性权重的杂交粒子群算法进行求解,算例结果表明,通过对系统内各设备的调度,有效降低系统日运行成本,在冬季,采用改进型杂交粒子群算法所得日运行费用相比采用基本型粒子群算法降低7.6%,其相比系统未优化所得日运行费用降低79.1%;在夏季,相比基本型粒子群算法与未优化分别降低17.0%、71.2%,实现微能网的经济运行,证明了本模型和算法的正确性。     

烟草脉清病毒完整基因组上微卫星分布特性研究

借助MATLAB软件和最优完全子图算法,提取并展示NCBI数据库中烟草脉清病毒完整基因组（NC-003378.1）上微卫星分布特性。结果表明,计算出了各种1-碱基组～6-碱基组在完整基因组序列上重复出现次数和出现位置,并展示它们的分布规律（指数函数）。烟草脉清病毒完整基因组上各种N-碱基组最大的重复出现次数,随N按指数函数数减少;各种N-碱基组重复出现次数由少到多排序的结果,重复出现次数随序号增加。该研究方法可以系统地运用到其他病毒完整基因组序列微卫星分布特性的提取和展示,从而为有效利用微卫星分布特性研究完整基因组的结构和功能、遗传和变异规律提供依据。     

基于分布式数据入侵检测模型研究

在数据挖掘技术应用于入侵检测的研究中,分布式环境下的全局频繁项目集的更新算法尚不多见。为改善入侵数据增加后,更新算法的效率问题,提出一种基于分布式入侵检测的关联规则快速更新算法TDUA(Trivial Distributed Update of Association rules)。算法引入强频繁项目集概念,有效地修剪候选项目集数目,采用共享模式的体系结构,具有通信代价较小,挖掘效率较高的特点。并从理论与实验两个方面验证了算法适应在高速大流量的分布式网络环境下快速准确地建立入侵检测模型。