QSAR中理化参数描述矩阵的病态参数剔除

在定量构效关系研究中各理化参数ｘｉ构成的描述矩阵，由于参数之间的相关性往往现态性或奇异性，由此获得的ＱＳＡＲ回归方程则不稳定，本文提出了一种新方法即病态指标剔除法：选择一个适当的临界值，打出相关系数大于或等于该临界值所涉及的指标，剔除部分病态指标。     

风选风送管道在小流量叶丝线上的应用

烟草制丝工艺段叶丝中存在一定量的梗签,为减轻卷烟机剔签压力,梗签剔除设备在叶丝制丝工艺段是不可缺少的。为解决以往梗签剔除设备剔除精度低或占地过大等缺点,对梗签剔除设备进行优化,提出了一种叶丝风选风送管道,提高梗签的剔除率,满足小流量叶丝生产工艺需求[1]。     

美国转基因玉米产业化的生态及经济影响分析

应对长期粮食安全的挑战,转基因生物技术是把"双刃剑"。本文以美国产业化20多年的转基因玉米为例,综述了其环境及经济方面的效益和潜在风险,并运用趋势剔除模型对1988—2019年的美国玉米单产进行了稳定性分析。在生态方面,主要有农药使用量减少带来的效益及靶标害虫抗性、杂草抗性、次要害虫爆发和基因漂移等潜在风险;在经济方面,美国玉米单产的变异系数和变异率均有所下降,稳定性维持在较高水平,但存在直接损失、市场交易、出口贸易等风险。最后,本文分析了中国转基因玉米的产业化形势,以便有针对性地做好应对风险的长期准备。     

基于高斯过程建模的物联网数据不确定性度量与预测

物联网已经成为农业大数据最重要的数据源之一,自动观测数据的质量控制对农业生产分析以及基础科研数据应用非常重要。针对农业物联网观测的一类非平稳时间序列数据中的数据缺失、野值剔除、感知故障预警和长时间预测等问题,采用光滑弱假设高斯先验,构建了基于高斯过程的自回归模型表征的动态系统,并通过样本集学习,形成能考虑噪声干扰的传感变化规律建模,并可提供预测误差带用于预测数据的不确定性度量。针对原始数据的缺失和野值问题,采用基于高斯过程的短期预测,可补齐缺失数据,利用其不确定性度量可甄别数据野值,进行野值剔除与替换,并在此基础上判断感知故障;给出了基于输入数据不确定性传播的多步迭代预测方法,使长期预测仍可以跟踪农业数据的动态轨迹,并可为其预测值提供不确定性度量;将温室采集的真实传感数据用于分析试验,验证了高斯过程用于服务器端的农业时间序列数据采集质量控制的可行性。     

基于特征融合与冗余剔除的普洱茶种类电子鼻识别方法

为更好地维护普洱茶的产业秩序,拟探究1种用电子鼻识别普洱茶种类的方法。采用电子鼻对7种普洱古树茶(拨玛、贺开、老班章、老曼峨、帕莎、那卡和易武)和1种普洱台地茶(易武)进行电子鼻采样后,先用线性判别分析(LDA)初步探究电子鼻传感器响应不同特征(最大值、平均值、平均微分值、稳定值和融合特征)对普洱茶种类的分类效果(将传感器R1～R10的特征按照最大值、平均值、平均微分值、稳定值的重复顺序进行提取,用编号1～40表示),再用简单相关分析(SCA)和互信息理论(MIT)结合偏最小二乘回归(PLSR)进行分析,揭示并剔除融合特征中的冗余特征,对去冗余数据进行归一化处理后,通过LDA、k-最近邻分析(KNN)和概率神经网络(PNN)建立普洱茶种类的识别模型。结果表明,多特征融合比单一特征提取的LDA普洱茶种类识别结果更佳,但识别精度仍有待提高。剔除冗余特征前,PLSR对普洱茶种类识别训练集、测试集的R~2分别为0.864 5、0.834 5;采用SCA-PLSR剔除弱相关特征31、35、24、39、36、33后,PLSR对训练集、测试集识别的R~2分别为0.885 2、0.864 3;采用MIT结合PLSR剔除重复信息特征6、7、14、18、22、25后,PLSR对训练集、测试集识别的R~2分别为0.918 7、0.896 5。对去除冗余特征的融合特征数据进行归一化处理,再结合LDA可有效识别各普洱茶种类,结合KNN、PNN对普洱茶种类训练集的回判正确率分别为96.67%、97.50%,对测试集的识别正确率均为90.00%,可较好地识别普洱茶种类。试验结果可为普洱茶种类的识别及电子鼻传感响应特征的提取提供参考。     

大规模植物场景绘制技术综述

大规模场景的快速绘制技术是虚拟现实、实时仿真等领域的关键技术。在农林业信息化发展进程中,植物场景的快速绘制技术对于农林业的发展有着深远的意义。但是由于植物模型固有的复杂性,以及农林业中大规模场景的要求,要实现实时绘制面临很多挑战。由于研究人员的不断努力,近年来在这一领域取得了丰硕的成果。回顾了该技术的发展历程,对其关键技术进行了分析和比较,最后对该领域的发展做出了总结和展望。     

一种基于航空可见光图像的烟草数量统计方法

传统烟草(Nicotiana tabacum L.)数量清点工作主要依靠人工现场抽样的方式,这种方法费时、费力且统计误差较大。针对这一缺点,提出一种基于航空可见光图像处理的烟草数量统计方法。利用无人机所获取的高分辨率影像,采用K-means聚类方法对烟田图像进行图像分割分类,提取图像中绿色植物部分,提取颜色、面积、长宽比等简单特征对杂草进行预剔除,通过构建烟株与杂草样本库,利用灰度梯度共生矩阵,提取其灰度平均、梯度均方差、相关、惯性等4种特征参量,并基于BP神经网络算法进一步对杂草进行识别,剔除杂草,统计烟株,提取连通域数量,即为烟株数量。