基于多源信息融合的中文农作物病虫害命名实体识别

随着农作物病虫害研究文献的快速增长,对农作物病虫害领域文献进行文本挖掘变得越来越重要。开发有效、准确的农作物病虫害命名实体识别系统有助于在农作物病虫害相关研究报告中提取研究成果,为农作物病虫害的治理提供有效建议。本文针对中文农作物病虫害数据集缺失问题,提出了基于半远程监督的停等算法,利用该算法构建中文农作物病虫害领域语料库,大幅度减少标注过程的人工成本和时间成本;同时,提出了中文农作物病虫害命名实体识别模型（Agricultural information extraction, Agr-IE）,该模型基于BERT-BILSTM-CRF,辅以多源信息融合（多源分词信息和全局词汇嵌入信息）丰富字符向量,使其充分结合字符级与词汇级的信息,以提高模型捕捉上下文信息的能力。实验表明,该模型可以有效地识别病害、虫害、药剂、作物等实体,F1值分别为96.56%、95.12%、94.48%、95.54%,并对识别难度较大的病原实体具有较好的识别效果,F1值为81.48%,高于BERT-BILSTM-CRF、BERT等模型的相应值。本文所提模型在MSRA和Weibo等其他领域数据集上与CAN-NER、Lattice-LSTM-CRF等模型进行了对比实验,并取得最佳的识别效果,F1值分别为95.80%、94.57%,表明该算法具有一定的泛化能力。     

基于改进樽海鞘群算法的四旋翼飞行器姿态优化控制

针对集总干扰下四旋翼飞行器的姿态控制问题,提出了一种基于线性扩张状态观测器的快速连续非奇异终端滑模控制策略。该方法通过线性扩张状态观测器来估计和补偿集总干扰的影响,提高控制器的稳定性;借助非奇异终端滑模面有限时间收敛的特性设计控制律,加快控制器的收敛速度;控制器的稳定性分析由Lyapunov函数得以证明。引入樽海鞘群算法来优化控制器中的参数,提升控制性能。进一步地,引入一维正态云模型与自适应算子来克服参数整定算法的固有缺陷,增强其优化能力。通过仿真与试验验证了本文方法的有效性与实用性,结果表明:在阵风干扰下,本文方法比线性自抗扰控制策略具有更高的跟踪精度、更强的抗干扰能力与更快的响应速度。     

基于响应面和遗传算法的尾座式无人机结构参数优化

设计了一种垂直起降尾座式无人机,利用中心组合试验(Central composite design,CCD)对无人机的翼展长、后掠角、小翼高和小翼厚4个结构参数进行设计,构建了25组样本点。利用ANSYS CFX进行升阻比和阻力数值模拟,通过Design-Expert软件建立无人机结构参数与升阻比、阻力的响应面模型,其中升阻比随着翼展长和小翼高的增加而增大,后掠角和小翼高对升阻比的影响较小,当攻角为4°～8°时,升阻比随小翼厚的增加而减小,当攻角为10°～12°时,升阻比随小翼厚的增加而增大;阻力随着翼展长和小翼厚的增加而增大,随小翼高的增加而减小,随后掠角的增加先增大后减小。以升阻比最大和阻力最小为优化目标,采用多目标遗传算法进行结构参数优化,得到最优结构参数为:翼展长1 123 mm、后掠角34°、小翼高39 mm、小翼厚3 mm,与原始样机相比升阻比提高了12. 4%,阻力降低了5. 3%。采用风洞试验对响应面模型进行了验证,其中升阻比和阻力的数值模拟相对误差小于8. 0%,响应面模型相对误差小于3%,表明响应面模型具有较高的精度和良好的通用性,可用于垂直起降尾座式无人机的优化设计。     

基于核K—均值聚类算法的植物叶部病害识

针对植物叶部病害图像的特点,首先对采集到的玉米病害彩色图像采用矢量中值滤波法去除噪声,然后提取玉米病叶彩色图像的纹理特征和颜色特征作为特征向量,利用Mercer核,把输入空间的样本映射到高维特征空间进行K-均值聚类以及植物病害识别.试验涉及的4种玉米病害识别正确率达82.5%,核K-均值聚类方法适合玉米叶部病害分类.     

基于图像旋转投影的导航路径检测算

提出一种农业车辆视觉导航路径识别算法--旋转投影算法.该算法通过角度枚举对图像ROI实施旋转变换,由旋转后图像的列均值与枚举角度构成旋转投影矩阵R,对其行向量实施差分运算得到差分旋转投影矩阵Rd,由Rd的极值可确定图像导航路径,即航向偏差θ与航位偏差d,进而可以求得世界坐标系下的导航路径参数.同理可以对田头线进行检测.为了提高算法的实时性,提出设定合理的ROI、实施线性压缩、旋转角度先粗分再细分的二步法以及充分利用前帧信息4种处理方法,使处理一帧用时6.2ms左右.通过对不同条件下成熟小麦图像测试表明,该算法识别导航路径准确率达到95%.     

基于改进Hough变换的农田作物行快速检测算法

选取苗期农田作为研究对象,采集了包含行栽作物和土壤背景的农田图像,针对现有作物行定位方法易受外界干扰和处理速度较慢的不足,提出将投影法和直接Hough变换法相结合检测作物行的算法.采用2G-R-B 法和OTSU法将图像二值化,通过快速中值滤波算法去除噪声,再利用垂直直方图投影将图像进行水平条划分获取作物垄平均定位点,最后通过Hough变换检测垄定位点,得到作物行中心线.试验结果表明:基于垂直直方图投影的Hough变换检测作物行中心线的算法在保证高定位精度的同时,算法处理速度比直接Hough变换检测法提高了3倍,得到的定位基准线能代表作物行走向.     

温室环境控制系统的MPT智能算法

针对温室环境的大滞后、多输入、多输出、非线性和难以建立数学模型等特点,对传统的PID算法进行改进,并加入自适应控制、模糊控制和专家自整定等智能控制功能,建立了MPT智能控制算法.在论域内用不同控制方式分段控制,当偏差大于某一域值时,根据操态选择模糊控制,不存在抗饱和积分问题,使用模糊控制规则确定输出;当偏差减小到域值以下时,切换转入MPT算法控制,减小响应过程中的超调,并最终消除余差.该算法具有无超调、控制精度高和鲁棒性强等特点..     

复杂注水系统泵站优化调度的改进遗传算法

以耗电量最小为目标函数,排量、压力等限制为约束条件,建立了复杂注水系统泵站优化调度数学模型.针对系统运行特点,采用改进遗传算法对模型进行求解,同时优化出泵的运行状态和排量.改进遗传算法采用实数编码,并设计了随机多父辈交叉方法,改进了变异操作,操作过程中,给出了泵排量的处理方法,使各水量约束条件得到满足,大大减少了不可行解的产生,使算法的优化性能得到了提高.算例说明了该优化方法的有效性.     

New Approaches to Modeling Methyl Jasmonate Effects on Pomegranate Quality during Postharvest Storage

Adaptive neuro fuzzy inference system (ANFIS) and genetic algorithm–artificial neural network (GA-ANN) models were used to predict the effect of methyl jasmonate (at three levels 0, 0.01, and 0.1 mM) and storage time (0, 14, 28, 42, 56, 70, and 84 days) on quality parameters and physiological changes of pomegranate fruits during storage. Methyl jasmonate reduced chilling injury and improved quality characteristics of pomegranates during postharvest storage. The GA-ANN and ANFIS were fed with two inputs of methyl jasmonate and storage time. The results showed that GA-ANN predictions agreed with experimental data and the GA-ANN with 14 neurons in one hidden layer can predict physiological changes and quality parameters of pomegranate (weight loss, pH, chilling injury index, ion leakage, ethylene, respiration, polyphenols, anthocyanins, and total antioxidant activity) with correlation coefficients equal to 0.87. The ANFIS model was trained by a hybrid method and agreement between experimental data and ANFIS predictions was significant (r = 0.90).     

磁化处理的全尾砂料浆沉降参数优化模型

为了提高全尾砂料浆的脱水浓缩效果,将磁化处理技术引入到全尾砂料浆脱水浓缩中,并建立GA-SVM模型优选全尾砂料浆的沉降参数。建立支持向量机（SVM）沉降参数优化模型,以磁感应强度、磁化处理时间、料浆流速、料浆浓度、絮凝剂单耗为输入因子,沉降速度为综合输出因子,通过正交试验建立样本数据对SVM模型进行训练与检验,采用遗传算法（GA）对SVM模型参数进行优化,进而得到磁化全尾砂料浆沉降参数的GA-SVM优化模型。将GA-SVM模型运用到某铁矿磁化全尾砂料浆沉降参数优化中,得到的最佳沉降参数为磁感应强度0.192 T、磁化处理时间1.85 min、料浆速度1.92 m/s、PAC单耗28 g/t,沉降速度可达约155 cm/h。研究表明：适宜的磁化处理条件可提高全尾砂料浆的脱水浓缩效果,节约30.0%~42.5% PAC用量,GA-SVM模型对全尾砂料浆沉降参数预测结果相对误差在5%以内、预测精度高,为全尾砂料浆脱水浓缩及其参数优选提供了一种新思路。