摘要：针对传统检测网络难以准确、高效地提取农作物叶片病虫害特征信息的问题,通过改进YOLOv8网络,提出一种多层级多尺度特征融合的农作物叶片病虫害识别算法。通过学习不同层级特征直接的特征关系,构建多层级特征编码模块,学习全面的特征表达;在Transformer的基础上设计多尺度空间—通道注意力模块,利用学习细粒度、粗粒度等多尺度全面的特征表达模式,捕获不同尺度特征之间的互补关系,并将所有特征表示有效融合起来,构成完整的图像特征表示,进而获取更佳的识别结果。在Plant Village公开数据集进行试验验证,结果表明:提出的改进方法能够有效提升配准精度,准确地识别出农作物叶片上同时存在的不同病虫害,对番茄叶片检测的mAP 0.5达到88.74%,比传统YOLOv8方法提升8.53%,且计算耗时没有明显增加。消融试验也充分证明所提各个模块的有效性,能够更好地实现高精度识别叶片病虫害,为农田智慧化管理提供有力支持和保障。

摘要：针对传统的单模态数据预测小麦产量存在精度不高的问题,提出一种结合多源异构数据和注意力门控机制的小麦产量预测方法。首先引入了特征级的门控策略,来捕获每个模态内部特征的信息变化;然后利用神经网络评估每个模态内的置信度分数,并构建模态间的有效信息获取模块;最后设计了基于Transformer的空间和通道注意力门控机制模块,将不同模态之间的有效信息进行充分的融合,从而获得最佳的预测特征表示。实验结果表明,所提方法与传统方法相比具有更高的预测精准度,RMSE和MAE分别仅为809kg/hm2和522kg/hm2,R2则达到了0.806,通过对河南省近10年的小麦产量进行预测,得到的三项评价指标均相对稳定,且展现出了较强的鲁棒性。消融实验也验证了该方法中的不同组件均能有效提高小麦产量的预测精度,可为相关部门制定保障粮食安全管理决策提供有力的数据支持。

摘要：为进一步提高我国农业灌溉系统的精准化水平,结合具有强大传感识别与智能嵌入特点的物联网技术,针对灌溉系统的精准控制展开研究。规划基于物联网技术的农业灌溉系统架构,搭建精准控制模型,以多传感器融合理念为主线,进行系统硬件选型与软件设计,并展开精准控制性能试验。试验结果表明:灌溉系统的多功能传感器数据采集与传输模块精准化程度高,土壤湿度系统监测值与实地测量值之间的相对误差控制在2%以内;在保证系统数据信号传输条件一致情况下,基于物联网技术精准控制算法,系统信息控制处理精准度可提高7.50%,灌溉作业效率可达90%以上;系统运行稳定,具有较好地推广前景,可为智慧农业发展提供优化方向。