摘要：针对水下图像普遍存在低对比度、低亮度和颜色失真,以及现有的水下图像复原方法恢复结果不自然、亮度不均和主体色调偏红等问题,该研究提出了双背景光自适应融合与透射图精准估计水下图像方法。采用基于水下光衰减特性和背景光平坦性的双背景光自适应融合策略以提高估算的融合背景光准确度,通过新型水下暗通道先验、反向饱和图和三通道光谱衰减系数估算出更加精准的水下图像透射图,最后将估算出的融合背景光与精准透射图应用于水下成像模型得到复原后的水下图像。在广东罗非鱼良种场水产养殖数据集和水下图像增强基准数据集的试验结果表明:对比暗通道先验、最大强度先验、基于模糊和光吸收、蓝绿通道去雾、基于背景光统计模型和透射图优化5种水下图像复原方法,在主观恢复效果评价中,该文方法能有效纠正水下图像失真、亮度偏暗和主体色调偏红等问题;在7个客观评价指标中,该文方法在6个指标中取得最好值,其中全参考图像质量评价指标中的峰值信噪比、结构相似性、均方误差和视觉信息保真度等数值比次好水下图像复原方法分别提升了0.52%、2.1%、3.4%和0.86%;无参考图像质量评价指标中的自然图像质量评价指标和水下图像质量评价数值比次好水下图像复原方法分别提升了2.4%和7.4%。该文方法在解决传统水下图像复原方法中存在的亮度不均和颜色偏红等问题具有一定优势,可以为水下图像复原方法提供技术借鉴。

摘要：为提高狮头鹅养殖禽舍气温预测精度,提出了基于主成分分析(Principal Component Analysis,PCA)、支持向量回归机(Support Vector Regression,SVR)融合自回归滑动平均(Autoregressive Moving Average,ARMA)模型的狮头鹅养殖禽舍气温组合预测模型。在建模过程中,运用主成分分析法筛选狮头鹅养殖禽舍气温的关键影响因子,消除变量之间冗余信息,约简预测模型结构;采用SVR-ARMA构建狮头鹅禽养殖舍气温组合预测模型,先通过SVR对气温进行预测,再由基于ARMA模型的残差预测值修正气温预测结果。利用该模型对广东省汕尾市2018年7月21日至2018年7月30日期间的狮头鹅养殖禽舍气温进行预测。结果表明,该组合预测模型取得了良好的预测性能,与标准BP神经网络、标准SVR、PCA-BPNN(反向传播神经网络,Back Propagation Neural Network)、PCA-SVR和PCA-BPNN-ARMA等模型对比分析,其评价指标平均绝对误差、均方根误差和平均绝对百分比误差分别为0.1832℃、0.4540℃和0.0059,均表明所提出的组合模型具有更高的预测效果,不仅能够满足狮头鹅养殖禽舍气温实际精准调控的需要,还为狮头鹅健康养殖和种苗繁育环境精细化管理提供决策。

摘要：为减少肉羊集约化养殖过程中因环境恶化产生的应激反应,精准调控CO_(2)质量浓度,提出了基于分布式梯度提升框架(LightGBM)、麻雀搜索算法(SSA)融合极限学习机(ELM)的CO_(2)质量浓度预测模型。首先利用LightGBM筛选出与CO_(2)质量浓度相关的重要特征,降低预测模型的输入维度;然后选择Sigmoid为激活函数,使用具有较强非线性处理能力的单隐含层ELM神经网络算法构建CO_(2)质量浓度预测模型;最后通过麻雀智能优化算法对ELM模型中所需要的超参数进行优化,并将优化后模型应用于新疆玛纳斯集约化肉羊养殖基地。试验结果表明,该模型预测均方根误差(RMSE)、平均绝对误差(MAE)和决定系数(R^(2))分别为0.0213 mg/L、0.0136 mg/L和0.9886,综合性能指标优于支持向量回归(SVR)、反向传播神经网络(BPNN)、长短记忆神经网络(LSTM)、门限循环单元(GRU)和LightGBM等;CO_(2)质量浓度预测曲线贴近真实曲线,具有良好的预测效果,能有效满足集约化肉羊养殖过程中CO_(2)质量浓度精准预测及调控要求。

摘要：区块链是基于数字加密货币基础上发展而来的分布式数据库技术,区块链系统具有去中心化、不可篡改、高度自治、分布共识等特点,为无需第三方监管实现分布式一致性问题提供了解决方案。随着区块链技术快速发展,区块链在弱信任平台应用领域更加普及,但也面临着自身系统漏洞和安全攻击的挑战。从区块链研究背景及漏洞发展趋势入手,总结分析了区块链关键技术原理及其优缺点、区块链系统存在的技术漏洞和安全攻击,并对技术漏洞和漏洞攻击类型进行归纳分类,指出语法错误、环境配置和图形界面错误是区块链系统中排前三的漏洞缺陷,漏洞攻击对区块链系统构成极大的安全威胁,务必加以重视和防范,以期对未来区块链技术改进发展提供参考与借鉴。

摘要：根据当前高校毕业生就业工作的需求,结合仲恺农业工程学院原就业信息系统在使用过程中所存在的问题,本文设计了一款集就业辅导培训、招聘信息管理、就业数据统计分析、毕业生就业跟踪等功能于一体的就业信息平台。平台采用B/S (Browser/Server)结构、分布式数据存储及主从数据读写分离设计,通过搭建微信公众号平台,及时推送就业信息和反馈学生就业资讯,有效提高了学校就业管理部门的工作效率。

摘要：二维码以其可容纳信息量大和价格低廉的优点,已在农产品溯源中得到了广泛应用。但是,农产品溯源中二维码水印防伪系统的应用研究仍处于起步阶段。当前,二维码的水印技术大多是对鲁棒性水印进行研究,但在农产品溯源的实际应用过程中,二维码水印应主要是为防止不法商贩对已加密的二维码进行扫码再打印,以保障农产品的唯一性。针对农产品溯源中二维码使用量大的特点,提出在农产品溯源的二维码水印系统中创建图像水印库,以增强二维码水印系统的安全性,保障农产品流通过程中的安全性。

摘要：溶解氧(DO)浓度是对虾养殖水质检测的核心指标。为提高对虾养殖溶解氧浓度的预测精度,本研究提出了一种基于经验模态分解、随机森林和长短时记忆神经网络(EMD-RF-LSTM)的对虾养殖溶解氧浓度组合预测模型。首先采用经验模态分解(EMD)对养殖水质溶解氧浓度时序数据进行多尺度特征提取,得到不同尺度下的固有模态分量(IMF);然后分别采用长短时记忆神经网络(LSTM)和随机森林(RF)对高、低频不同尺度IMF进行建模;最后结合各分量预测结果构建叠加模型,实现对溶解氧浓度时序数据的综合预测。本研究模型在广东省湛江市南三岛对虾养殖基地展开了试验及应用,在基于真实数据集的性能测试中,经验模态分解后EMD-ELM模型与极限学习机(ELM)模型对比,平均绝对误差(MAPE)、均方根误差(RMSE)和平均绝对误差(MAE)分别降低了30.11%、29.60%和32.95%。在经验模态分解基础上用RF和LSTM对不同特征尺度的本征模态分量分别预测后叠加求和,EMD-RF-LSTM模型预测的精度指标MAPE、RMSE和MAE分别为0.0129、0.1156和0.0844,其中关键指标MAPE较EMD-ELM、EMD-RF和EMD-LSTM分别降低了84.07%、57.57%和49.81%,预测精度显著提高。结果表明,本研究针对经验模态分解后高、低频分量分别预测的策略可有效提升综合性能,表明本研究模型具有较高的预测精度,能够较准确地实现对虾养殖水体中溶解氧浓度预测。

摘要：为提升我国对虾养殖产业的行业竞争力,解决我国对虾养殖产业中生产过程信息散乱、海量产业数据没有得到合理利用的现状,本文采用ECharts可视化技术及ARIMA预测算法,设计开发了一套对虾养殖产业信息可视化及展示平台,实现了生产加工、过程管理、经营销售、市场分析及价格预测等功能。平台的应用结果表明,该平台多尺度涵盖了对虾养殖生产过程及产业信息,实现了对虾养殖产业信息的高效集成;并以一张图的形式直观地展示了对虾养殖行业完整信息,实现了行业发展及行情分析、产品价格预测,为对虾养殖企业经营者提供直观的分析参考依据及发展规划数据支撑。

摘要：本文采用Java、JSP及二维码等技术,设计并开发了一套种子防伪防窜系统,系统对每一批次种子的生产、流通及销售等信息进行详细记录,并通过二维码加密技术生成唯一溯源码,实现对种子信息的实时追溯。系统的开发与设计为企业品牌的管理提供了便利性,有效保护了农民的利益。

摘要：随着经济社会的发展和人民生活水平的提高,肉鸡养殖行业面临着巨大的需求。受到新冠疫情和非洲猪瘟影响,人们对禽类食品安全问题更加关注。肉鸡养殖管理的重要性日益凸显,而传统养殖行业存在的信息化和智能化水平不高等问题制约了行业的进一步发展。本文提出了一种基于人工智能的肉鸡智慧养殖信息化服务平台,结合物联网、大数据、人工智能等技术,为肉鸡养殖行业提供了信息化基础。该平台通过Web端及移动端进行信息管理,提高了数据流通性,实现了养殖信息的可视化展示。大屏可视化能直观展现各类信息,便于监管部门、企业主和管理人员了解养殖场状况,提供及时响应和决策。本文能有效提高肉鸡养殖行业的信息化和智能化水平,有利于行业的数字化健康发展。