基于加权随机森林的番茄氮元素缺乏分级模型研究

基于叶面颜色特征建立番茄氮元素缺乏分级模型判别准确率可达08以上。夏季定植的番茄叶片表面会覆盖粘质腺毛,粘质腺毛利于番茄吸收水分和营养元素,相同营养液氮离子浓度下叶片黄化过程异于未覆盖粘质腺毛的叶片。故仅基于叶面颜色特征建立分级模型,其准确率降至0.65。覆盖粘质腺毛番茄其叶片周长和叶面积两个形状特征均小于未覆盖粘质腺毛的番茄叶片,本文将番茄叶片两个形状特征结合原有叶面颜色特征共同作为模型输入,建立新的番茄氮元素缺乏分级模型。搭建图像采集系统,该图像采集单元由树莓派和其相机模块构建,使用WiFi或4G网络完成智能手机、图像采集单元、本地计算机之间无线数据传输。智能手机通过Web界面可远程控制采集图像并将图像传输到云平台存储。本地计算机对图像进行预处理提取叶片形状、颜色特征后输入模型进行预测,并输出预测结果。试验结果表明,图像采集系统春季和夏季平均温度在19.7~28.3℃范围内,光照在1.125~9.543lx范围内均可正常使用,采集的图像经预处理分割后降低了环境光线的影响。使用优化后的加权随机森林模型,基于形状特征和颜色特征相结合的叶片氮元素缺乏分级判别准确率可达0.83。     

基于多源Sentinel数据的县域冬小麦种植面积提取

冬小麦是我国主要的粮食作物之一,及时准确地获取冬小麦种植面积对农业政策的制定具有重要意义.以河南省扶沟县为研究区域,以多生育期Sentinel-1A和Sentinel-2A/B遥感影像为数据源,构建光谱特征、植被特征和极化特征的多生育期数据集,分析各类地物的特征曲线,采用随机森林算法对单生育期单传感器、单生育期多传感器...     

基于随机森林算法的自然光照条件下绿色苹果识别

果实识别是自动化采摘系统中的重要环节,能否快速、准确地识别出果实直接影响采摘机器人的实时性和可靠性。为了实现自然光照条件下绿色苹果的识别,本文采集了果实生长期苹果树图像,并利用随机森林算法实现了绿色苹果果实的分类和识别。针对果树背景颜色和纹理特征的复杂性,尤其是绿色果实和叶片在很多特征上的相似性,论文基于RGB颜色空间进行了Otsu阈值分割和滤波处理,去除枝干等背景,得到仅剩果实和叶片的图像。然后,分别提取叶片和苹果的灰度及纹理特征构成训练集合,建立了绿色苹果随机森林识别模型,并使用像素模板验证数据集,对模型进行预测试验,正确率为90%。最后,选择10幅自然光照条件下不同的果树图像作为检测对象,使用该模型进行果实识别并使用霍夫变换绘制果实轮廓,平均识别正确率为88%。结果表明,该方法具有较高的鲁棒性、稳定性、准确性,能够用于自然光照条件下绿色果实的快速识别。     

基于条件随机场的农作物病虫害及农药命名实体识别

互联网农技问答平台现仅依靠人工提供答题服务,响应速度慢,回答质量难以保证。实现智能农技问题解答,构建农技知识库,需要从现有问答数据提取“农作物-病虫害-农药”命名实体三元组。现有对农业中文命名实体识别的研究较少,且准确率较低。根据农作物、病虫害及农药命名实体的特点,针对农技问答数据,提出基于条件随机场的农作物、病虫害及农药命名实体的识别方法。对数据集进行格式整理及自动分词,并对分词后的语料,针对是否包含特定界定词、是否含特定偏旁部首、是否是数量词、是否是特定左右指界词及词性等特征进行自动标注。利用标注后的数据训练CRF模型,可以对语料进行分类,包括判断语料是否属于农作物、病虫害、农药3类命名实体并识别该语料在复合命名实体中的位置,从而实现了对3类命名实体的识别,由此可自动构建关联三元组。通过试验选择特征组合和调整上下文窗口大小,提高了本方法的识别准确度,降低了模型训练时间,对农作物、病虫害、农药命名实体识别的准确度分别达97.72%、87.63%、98.05%,比现有方法有显著提高。     

农业机械推广鉴定证后监督的实践与思考

为总结利用农机证后监督工作成果,进一步创新完善监督制度,深入推进农业机械化领域“放管服”改革,回顾农机证后监督发展历程,定义为4个阶段：起步摸索阶段、常态规范阶段、创新发展阶段、完善提升阶段。介绍证后监督总体实施情况,包括监督检查内容、工作程序及历年抽查数量、完成率、抽查产品的地域分布及种类分布分析。基于结果数据分析发现整改确认后合格占比呈下降趋势、不合格占比呈上升趋势、证后监督权威日益显现等趋势性变化,并结合政策文件制修订背景分析证后监督结果趋势性变化的原因。通过深入分析不合格及整改等原因,发现获证企业对政策了解不足、对产品一致性管理不足、对证书和标志的动态管理不足、生产经营异常现象日益增多等经营管理现状。针对证后监督总体实施情况及发现问题,提出需加大抽查证书数量及产品种类、加强政策宣传及人员培训、建立信用风险分类监管制度、进一步挖掘潜力强化证后监督作用的政策建议。     

种子微创取样关键技术与装备研究进展

种子微创取样装备是面向生物育种技术中的种子切片取样环节,基于机电控制、机器视觉等技术,实现种子基因样本的全流程、自动化操作的智能化工具,其推广和应用可有效提升种质资源培育的效率和质量,助力种业振兴。本文首先介绍了种子切片检测的历史背景和装备研究现状,随后将种子微创取样关键技术系统地划分为种子分离、位姿调整、夹持输送、取样和样品收集与清洁技术,并对其研究现状和发展动态进行了阐述和剖析。在此基础上,结合种子切片装备发展要求和应用场景,归纳了种子切片取样装备面临的切割理论不足、多尺度通用性差、系统集成度有待提高等问题,提出了未来发展方向为: 加强种子切片装备基础理论研究;多尺度通用化种子切片平台开发;发展全生产环节智慧取样检测系统。     

县域科技工作者状况调查抽样设计与数据分析方法研究——以2007年全国县域科技工作者状况调查为例

抽样设计与数据分析方法选择是问卷调查的核心与关键。2007年全国县域科技工作者状况调查遵循“多层次,等比例”的抽样原则,在全国范围内选取基本样本县203个,基本样本区域内县域科技工作者的抽样总数量为20300人,抽样置信区间控制在95%的水平上。如何从问卷的126个设问,618种答案中分析出影响县域科技工作者状况的主要因素,是本研究要重点探讨的。     

监测采样间隔对作物模型性能的影响研究

为了获得不同监测采样间隔对作物生长模型的影响规律,避免现有研究和应用中存在的主观性或随意性,以番茄叶片蒸腾速率和CO2交换率为对象,采用3 种采样间隔数据及2 种常用方法进行建模、预测和比较研究。研究结果显示,在15、30、60 min的监测采样间隔下,番茄叶片蒸腾速率模型和CO2交换率模型的预测误差是不同的,GA-BP神经网络模型的预测能力普遍优于纯二次回归模型,但两者的结论是一致的,即对蒸腾速率和CO2交换率而言,最合适的监测采样间隔分别为30 min和15 min。本研究结果为监测采样间隔的设定、试验数据的选取和建模方法的运用提供依据,对作物模型研究和应用具有重要意义。     

基于神经网络的机械零部件可靠性优化设计

采用概率约束等价转换的数值逼近法,研究了具有任意分布参数的可靠性优化设计,可以迅速准确地获得优化设计结果。针对具有多失效模式的机械零部件可靠性优化设计,提出了随机模拟-神经网络(MCSNN)方法,模拟得到随机设计变量与机械零部件系统可靠度之间的显性函数表达式,简化了计算过程,同时可以获得较高的计算精度,具有较好的工程实用价值。     

基于介电特性的苹果内部品质预测方法研究

快速无损检测水果糖度、硬度及含水率等内部品质对确定水果的营养价值和分级销售有着重要意义。为准确利用理化特征对苹果内部口感品质进行无损分级,提出了一种基于随机森林的苹果内部口感品质多语义分类模型。采用苹果的介电参数作为随机森林模型的输入,基于TF-IDF算法对苹果内部口感品质进行分类,依据介电参数推断苹果的理化特征。实验结果表明:该方法可有效实现对苹果内部口感品质的多语义分类,均方根误差为0. 51,可为水果等农产品的无损检测及分级提供参考。