摘要：为了实现嵌入式除草机器人在玉米田间准确、快速的进行除草工作,提出了一种实时目标检测算法GBCYOLOv5s。使用1×1卷积和深度可分离卷积的组合替代普通卷积,在不改变输出特征图大小的情况下减少主干网络产生的杂草冗余特征。设计了一种双向特征融合网络(S-BiFPN)增强特征提取能力,充分利用不同尺度的特征提高杂草检测速度,并将多通道结构与自注意力机制结合,通过对输入特征进行压缩与再加权,以加强对小目标的关注度。针对不同的环境构建MWeed数据集进行测试,结果表明,与现有Yolov5s、Faster RCNN等模型方法相比,GBC-YOLOv5s模型轻量化后的大小仅为3.3 MB,输入图像的检测耗时(GPU)达到15.6 ms,平均精度(mAP)达到96.3%,能够有效地提升目标检测速度和识别精度,为农业智能除草领域提供理论依据。

摘要：AODV路由协议是无线自组织网络中的经典协议,被广泛应用于各种通讯场景中。传统的AODV路由协议在路由发现阶段使用广播方法转发RREQ(路由请求分组),容易造成广播风暴从而影响网络性能。针对该问题,研究提出了基于改进K-means的AODV路由协议,使用节点间距离、传输错误数和路由拥塞度作为路由度量,利用密集度参数改进初始聚类中心的选择,设计AODV-K路由协议选择最佳转发节点以减少不必要的路由请求分组转发,提高了路由请求分组的转发效率并减少了路由拥塞。运用NS-3对协议进行仿真,仿真结果表明所提出的改进路由协议,在高网络负载和网络密度下,对比原AODV路由协议,在平均端到端延迟方面分别降低了26.1%和25.6%。当节点数在30、40、50时,在分组投递率方面平均提升13.7%,当每秒发送分组数据包数大于30时,分组投递率平均提高了11.3%。

摘要：当前的农产品供应链系统,常由单个部门监管,存在单点故障、数据难以实时监管等问题,此外企业节点身份无明显区分,难以保证企业节点不会泄露企业隐私数据。本研究构建了农产品区块链多监管差分隐私共享架构,提出零知识证明身份验证算法,实现隐私数据对具有特定特征的监管部门的共享,降低了传统监管部门的压力。设计隐私数据分层规范,以基于密文策略的属性加密方案技术实现企业隐私数据差异化共享,降低了隐私数据泄露风险。在此基础上设计农产品区块链多监管差分隐私共享系统,并应用在某企业番茄供应链进行测试,测试结果表明,与现有监管模型相比,监管节点查询企业隐私数据时间缩短7.1%,企业节点查询隐私数据时间缩短23.9%。结果说明,本研究提出的方法能够在保证隐私安全的前提下提高监管效率。

摘要：[目的/意义]针对传统大米品质监管追溯系统中存在的品控数据链机制不够完善、品控信息可追溯程度不足、数据上链效率低及隐私信息泄露等问题,提出一种差分隐私增强的大米区块链品控模型。[方法]首先,结合大米全产业链,设计数据传输流程,涵盖种植、收购、加工、仓储和销售等各环节,有效保证品控数据链的连续性;其次,为解决上链数据量大、上链效率低问题,将大米全产业链各环节关键品控数据存储于星际文件系统(InterPlanetary File System, IPFS),然后将存储完成后返回的哈希值上链;最后,为提高品控模型信息可追溯程度,将种植环节关键品控数据中涉及隐私的部分信息通过差分隐私(Differential Privacy)处理后展示给用户,模糊化个体数据,以提高品控信息可信度,同时也保护了农户种植隐私。基于该品控模型,设计了差分隐私增强的大米区块链品控系统,并在相关大米企业实际运行。[结果与讨论]经测试,差分隐私增强的大米区块链品控系统全产业链单环节数据完成存储平均耗时1.125 s,信息追溯查询平均耗时0.691 s。与传统大米品质监管追溯系统相比,单环节数据存储时间缩短6.64%,信息追溯查询时间缩短16.44%。[结论]研究提出的模型不仅提高了品控数据连续性和信息可追溯程度,同时保护了农户的隐私,还在一定程度上提升了品控数据存储及信息追溯查询的效率,可为大米品质监管与信息追溯系统的设计和改进提供参考。

摘要：随着消费者对农产品质量要求的不断提升,有效的质量安全监管成为现代农业亟需解决的问题。农产品溯源系统作为一种有效的解决方案,能够提升信息的透明度和操作的可靠性。本研究利用Fisco-Bcos联盟链技术,构建了一个新型的农产品溯源系统。通过即时将农产品质量相关的图片信息上传到区块链上,本系统提升了数据的可信性,强化了消费者的监管能力及知情权。结果表明该系统显著提高了溯源信息的真实性和整体的信任度。此外,本研究系统通过仅上传关键的质量认证图片,而非全部溯源节点信息,不仅加强了消费者的知情权和监管能力,同时也进一步有效减轻了区块链节点的存储压力。

摘要：轨迹跟踪是移动机器人控制技术的重要领域之一,拥有广阔的发展前景,而高度非线性的动态特性是控制器设计的主要障碍。提出了一种基于长短期记忆网络(LSTM)和准滑动模态的滑模控制(SMC)方法。给出履带车的运动学模型和动力学模型,并基于动力学模型建立滑模控制系统。设计基于深度学习方法的LSTM网络来对未知干扰项进行控制补偿,降低外部干扰的影响,通过结合LSTM网络和准滑动模态的优势,减弱震颤现象。并给出控制系统的稳定性分析。在不同轨迹上进行长短期记忆网络MATLAB/Simulink仿真实验,并与现有方法进行了比较,证明了其优越性。

摘要：【目的】为准确有效地检测农业物联网的感知数据异常,提出了基于宽度卷积神经网络的异常农情数据检测方法,为实现农业物联网数据高质量感知提供参考。【方法】首先将标准化后的农情数据编码为极坐标表示,通过滑动窗口机制划分子集,接着将每个子集数据重构为矩阵,最后设计并训练宽度卷积神经网络模型用于异常检测,采用养殖场环境监测数据进行试验。【结果】构建的滑动窗口机制可提升异常数据检测能力,缩短检测时间。所设计的宽度卷积神经网络对空气温湿度、土壤温湿度等数据中所存在的异常检测准确率均超过97.5%,优于SVM、RF和CNN模型1.69%、2.76%和3.05%;F1值均在0.985以上,优于SVM、RF和CNN模型0.0093、0.0149和0.0163;且在处理波动性较大的空气、土壤温湿度数据时性能优势更为明显,准确率和F1值分别提高了3.61%~5.98%和0.0188~0.0310。此外,该方法模型检测耗时较短,仅为传统CNN模型的1/6~1/7,并且比SVM和RF模型使用更少的超参数。【结论】所建立的数据编码、子集划分和重构方法与宽度卷积神经网络模型对异常农情数据有较好的检测效果。

摘要：针对现有的农产品区块链溯源系统中,数据差异化共享与追溯效率不高,难以保障上链数据可信性的问题。该研究通过分析农产品供应链各环节业务逻辑与数据组成,设计了农产品区块链信息可信评估差异化共享模型。提出了农产品区块链信息可信评估差异化共享架构,构建了农产品信息存储优化模块,基于区块链技术建立企业链、溯源链,将数据按隐私性分账本存储于企业链,全供应链公开数据存入星际文件系统(InterPlanetary File System,IPFS)后,返回的数据哈希值存储于溯源链,通过企业链账本维护策略实现了供应链数据的高效性共享与追溯;设计了基于层次分析法的企业信誉度评估机制,根据企业和消费者对链上数据可信度的评估结果对数据发布节点进行信誉积分奖惩,提升链上数据可信性;并通过智能合约实现了数据格式和内容的链前监管。基于Hyperledger Fabric平台研发农产品区块链信息可信评估差异化共享系统,在某茶叶供应链上进行应用与测试。测试结果表明,此模型与现有数据差异化共享模型相比,数据存储时间缩短16.7%,隐私数据查询时间缩短10.01%,公开数据查询时间缩短38.3%。该研究提出的方法能够实现农产品供应链数据差异化共享,提供高效可信溯源服务,为农产品可信溯源系统的设计提供参考。

摘要：旨在针对生猪养殖过程中,混合生猪音频特征难以提取及识别的问题,提出一种基于稀疏化理论的欠定生猪盲源信号分离方法。本研究选取4个月、150 kg左右,健康状况良好的长白母猪,将其不同状态下的叫声按照不同系数混合得到的音频信号作为观测信号,运用短时傅里叶变换(short-time Fourier transform,STFT)对音频信号做时频域转换,通过分组筛选出信号中的单源点,使用自适应阻尼系数的AP(affinity propagation)算法结合奇异值分解,将单源点聚类以估计混合矩阵,采用优化最小lp范数的方法完成音频信号的重构。设计2组试验,1组阐述试验的一般过程,另1组通过对比分析整个分离算法的性能,使用相似系数(similarity coefficient)、信噪比(signal to noise ratio,SNR)和均方误差(mean square error,MSE)衡量分离音频质量。结果表明:1)3个源信号与2个观测信号的欠定生猪盲源分离中,不同时长下分离出的音频信号与对应源信号的相似系数、信噪比和均方误差分别在0.67~0.92、7.9~9.7 dB和0.005~0.08之间,从波形上看,算法的分离性能与时间长短和试验次数无关,结果具有一定的稳定性。2)在源信号数与观测信号数分别为3和2、4和2、4和3、5和2、5和3、5和4时,重构信号与源信号的平均相似系数、信噪比和均方误差分别在0.785~0.957、7.468~10.347 dB和0.019~0.092之间,经过对比分析,本研究方法具有一定的可靠性。3)在源信号数一定时,观测信号数越多,测得的指标越好,分离出来的音频质量越优。综上所述,该方法能够较为有效地分离出混合猪声信号的各源信号分量,为实际环境中混合生猪音频的特征提取奠定了基础。

摘要：自然语言接口的语义分析任务是将自然语言指令转化为某种目标系统的形式化描述逻辑,是对自然语言的形式化建模,但语义分析模型在可视化、并发性、复杂度、一致性、可变性等方面还不够完善.在吸收语义网、深度网络、依存分析等现有概念基础上,提出一种综合的意元网络MNet的语义分析方法.MNet由意元、内关系、外关系及特征属性构成,并通过层次化递归的方式进行定义,期待面向从短语、句子到篇章的整体语义空间描述.从元关系、树结构和网结构3个过程设计了MNet一般构造算法.重点提出了自底向上规约式的MNet语义依存树构造算法,实验表明MNet能有效解决语义依存分析和自然语言控制接口问题.将SCADA系统的自然语言操控接口的语义分析过程转化成MNet的一般构造过程,为自然语言语义分析提供了一定的思路.