谷物胚乳性状QTL区间作图的贝叶斯方法

将贝叶斯统计原理和胚乳性状的数量遗传模型相结合,以分离群体中各植株的分子标记基因型以及植株上若干粒种子胚乳性状的单粒观测值为数据模式,提出胚乳性状QTL区间作图的贝叶斯方法.该方法通过Gibbs以及Metropolis-Hastings抽样实现的马尔科夫链蒙特卡罗(MCMC)算法获得QTL效应和位置的估计.方法的有效性用染色体水平和基因组水平2套模拟方案进行验证,结果表明:贝叶斯方法能够准确地估计胚乳性状QTL的位置和效应,并同时区分2种显性效应.     

基于改进的PSO进化神经计算进行苹果颜色快速分级

为克服在苹果颜色分级中存在的速度慢、误差大等缺点,基于再现群智能的粒子群进化算法和神经计算技术,提出了一种新颖、快速的智能分级方法,即首先通过计算机视觉技术获取苹果表面颜色的色度,并提取其特征;然后采用改进的带自适应惯性权值的粒子群优化算法训练神经网络结构,最后用训练好的神经网络进行苹果颜色分级。实际应用表明该方法切实可行且效果显著,不仅分级速度快,而且分级正确率高达98%以上。     

苏南河网水污染控制系统规划优化研究

以苏南某地二级树状河网为例,在运用S-P水质模型模拟河网水质的基础上,构建了以河网污水处理费用及引水稀释费用之和最小为目标函数的水污染控制最优化模型,采用遗传算法,对各引水口的引水量及河网中各排污口的污水处理率进行优化计算,供苏南地区水系规划与管理参考。     

基于DH-YoloX的群养马岗鹅关键行为监测

马岗鹅的行为与其生长状况和福利状况密切相关,马岗鹅关键行为监测对评估其生长性能具有重要的现实意义。为了实现对群养栏马岗鹅关键行为高效率精准监测,该研究探索一种基于YoloX的群养马岗鹅关键行为监测算法（Magang geese behavior monitoring of based on Double Head-YoloX,MGBM-DH-YoloX）,该算法通过减少YoloX的头部数量提升检测效率、使用损失函数减少前景背景干扰、使用迁移训练方式提高网络训练效率等技术对马岗鹅采食、饮水、休息和应激等关键行为及其规律进行分析。MGBM-DH-YoloX首先用Mosaic和Mixup对马岗鹅图像进行数据增强,然后使用增强后的数据集训练模型,并且利用模型检测马岗鹅的关键行为,最后累计得出马岗鹅关键行为的发生时长和行为节律;试验训练集为1 400幅、验证集200幅和测试集为400幅,连续活动视频10 d。结果表明,MGBM-DH-YoloX算法的平均精度为98.98%、检测速度达到81帧/s、内存消耗为2 520.04 MB。对马岗鹅的10 d养殖数据分析发现,MGBM-DH-YoloX能有效观察到马岗鹅随着日龄增长采食次数逐渐减少;试验鹅每日采食与饮水行为同时出现的比例为83.74%,呈现整体相伴趋势,但也从90.78%降低到74.57%,说明马岗鹅采食与饮水行为随着日龄增加呈现出逐渐分离趋势;试验鹅随着日龄增长休息时间逐渐加多,呈现出肉鸭对笼养的适应性逐步增强;应激行为随机性很强,突发性明显,发现人员随机走动等不规范饲喂带来的应激行为占据很大比例。该研究显示MGBM-DH-YoloX算法能利用监控视频对马岗鹅的关键行为进行智能提取,可为家禽智能养殖监管提供技术支撑。     

基于全质心WLS-HDS-TWR算法的无人驾驶农业机械协同定位算法研究

针对室内全球导航卫星系统（Global navigation satellite system,GNSS）信号受遮挡时,农用车辆协同定位精度低、稳定性差、信号丢包等问题,本文开展面向超宽带（Ultra wideband,UWB）调频技术的室内外农用车辆协同定位算法研究。首先,搭建三基站多边测距定位模型,实现主基站绝对位置标定以及辅助基站绝对位置坐标的变换求解;其次,提出全质心加权最小二乘的高速双边双向（Weighted least squares high double sided two-way ranging,WLS-HDS-TWR）农机协同定位算法,基于泰勒级数展开的WLS估计算法,求解主车位置。同时,提出面向室内环境的多状态基站组合的UWB定位模块布设模式,并验证其可行性;通过飞行时间法（Time of flight,TOF）获取主从车距离信息,融合GNSS标定位置信息、主车坐标信息以及测距信息,实现主从车协同定位。最后,基于Prescan/Simulink搭建联合仿真平台,验证提出算法的可靠性;通过农用履带车辆开展室内及室外协同定位实车试验,试验结果表明：全质心WLS-HDS-TWR协同定位算法可有效解决室内GNSS信号缺失问题,室内环境下,定位精度较HDS-TWR及全质心LS-HDS-TWR算法分别提高26.98%和22.03%,满足智能农机协同定位作业需求。     

农户闲置宅基地市场化配置感知风险识别及防控

推进闲置宅基地市场化配置是宅基地“三权分置”改革的主要目标,识别农户宅基地市场化配置的感知风险是稳慎推进宅基地要素市场化配置的基本前提。为科学客观识别农户宅基地市场化配置的感知风险,该研究基于“有监督”的机器学习算法,结合重庆市典型宅改试点的实证,定量识别农户宅基地市场化配置的感知风险,并从“事前预防”“事中防控”“事后防范”3个维度,差异化探讨不同配置方式下的风险防控策略,以期为深化宅基地市场化配置改革提供政策建议。结果表明：1）农户宅基地市场化配置的感知风险等级总体呈“两头低,中间高”的类正态分布。2）就地直接入市中的农民权益风险最高（46.74%）,应联合地方政府、村集体和农户,注重“事前预防”;规划调整入市中的社会稳定风险最高（35.66%）,村集体应注重“事前预防”,而地方政府应注重“事后防范”;复垦指标入市中的耕地保护风险最高（29.13%）,地方政府应注重“事中防控”,而村集体应注重“事后防范”;复绿指标入市中的农民权益风险最高（34.24%）,地方政府应注重“事前预防”。3）4种方式下农户宅基地市场化配置的风险识别结果存在异质性;农户宅基地市场化配置的风险防控既需要“因时而动”,也依赖“多方合力”,需结合不同配置方式的突出致险因子分阶段、分主体协同防控。     

基于布谷鸟搜索的地位指数曲线模型参数拟合

针对地位指数曲线模型的实用性和精度程度,以残差平方和为目标函数,应用布谷鸟搜索算法拟合模型参数。通过实例以及与粒子群和免疫算法对比分析,基于布谷鸟搜索算法模型拟合的参数使模型的总体误差更小,精度更高;布谷鸟搜索算法的简单性方便地位指数曲线模型的参数求解,从而提高模型的实用性。     

基于随机森林算法的橡胶林地上生物量遥感反演研究——以景洪市为例

以景洪市橡胶林为研究对象,将获得的样地植被指数和生物量数据用随机森林方法建立相关关系,将建立的关系用Landsat TM影像反演出整个研究区域的生物量分布,用影像和实地样地调查数据进行分析和验证,实现光学遥感的大范围生物量反演。在反演过程中将植被指数作为自变量,使用R语言环境下的随机森林方法进行变量筛选和建模,并对该方法的适用性进行分析评价。结果表明：随机森林算法适用于森林生物量反演;选择的变量为可见光大气阻抗植被指数（VARI）、简单比值指数（RVI）、归一化植被指数（NDVI）、水分胁迫指数（MSI）、中红外指数（MidIR）;总体模型反演精度R2=043,RMSE=4605。反演结果对于生物量密度较低的区域回归效果较好,对于生物量超过200t/hm2的地区,反演结果偏低,且随着生物量密度的增加,反演结果偏差逐渐增大。     

基于改进神经网络的农村电力系统短期负荷预测

为进一步提高农村电力系统短期负荷预测模型的性能,实现准确与快速预测农村电力系统短期负荷的目的,采用基于优化理论的Levenberg-Marquardt算法来改进传统的BP算法,并构造电力系统负荷预测模型。结果表明,基于L-M算法的神经网络预测模型具有较高的预测精度,在农村电力系统短期负荷预测方面具有较高的使用价值。     

鸡源鲍氏志贺菌的RAPD分析

【目的】确定鸡源鲍氏志贺菌的进化地位。【方法】选用6条随机引物(P1~P6),采用随机扩增多态性DNA(RAPD)技术,对1株鸡源鲍氏志贺菌、2株鸡白痢沙门菌、2株鸡肠致病性大肠杆菌和2株痢疾志贺菌共7株菌的基因组DNA进行分析,同时对个别特殊序列进行克隆测序,并在此基础上分析了鸡源鲍氏志贺菌与其他15个相关菌株的进化关系。【结果】6条随机引物中有4条引物(P1,P2,P4和P6)能较好地在志贺菌、鸡白痢沙门氏菌和鸡致病性大肠杆菌3种菌中检测到多态性分子标记;这4条有效引物共扩增出了64个DNA片段,其中7个菌株共有的谱带有3条,多态性片段有61条,多态率达95.3%。引物P2可根据扩增图谱将志贺菌和大肠杆菌与沙门菌鉴别出来;用引物P6对上述7株细菌进行扩增,发现同种菌株间谱带特别相似,其中鸡鲍氏志贺菌与人痢疾志贺菌扩增条带的相同率达66.7%,与鸡肠致病性大肠杆菌扩增条带的相同率达44.4%,而鸡白痢沙门菌与志贺菌的扩增谱带相差甚远,可用于3种细菌的鉴别。对扩增片段进行的测序及进化分析结果显示,鸡源鲍氏志贺菌与人源志贺菌的进化距离最近。【结论】鸡源鲍氏志贺菌可能是人源志贺菌的一个变异株或新的亚种。