摘要：准确获取油茶茶枯有机肥的离散元仿真模型参数是运用仿真手段优化设计油茶茶枯施肥装置的关键。以含水率为2.88%的油茶茶枯为研究对象,选用EDEM软件中的“Hertz-Mindlin with JKR”作为接触模型,以圆筒提升法物理实验堆积角度为响应目标,通过响应面法优化标定了油茶茶枯有机肥的仿真参数。首先通过接触摩擦试验并结合GEMM材料库得出其他难以测量的参数,如COSM的泊松比和剪切模量,进而为Plackett-Burman试验提供选择水平。通过Plackett-Burman试验从油茶茶枯有关的9个参数中筛选出了3个对堆积角影响较为显著的参数:茶枯-茶枯静摩擦系数、茶枯-不锈钢静摩擦系数、茶枯-茶枯滚动摩擦系数。根据最陡爬坡试验结果确定显著性参数最优值区间,进一步以茶枯有机肥堆积角为响应值,基于Box-Behnken试验获得堆积角与显著性参数的二阶回归模型。以物理试验测得的堆积角度35.42°为响应目标对回归方程寻求最优解,得到最佳参数组合为:茶枯-茶枯静摩擦系数1.01,茶枯-不锈钢静摩擦系数0.34,茶枯-茶枯滚动摩擦系数0.20。采用最优解进行堆积和模孔压缩仿真试验,仿真堆积角与物理试验结果的相对误差为2.96%,且堆积形状具有高度相似性,仿真挤压力与实际模孔压缩试验的挤压力相对误差为1.79%,验证了所标定的参数的准确性。研究结果可为分析茶枯有机肥与施肥装置间复杂的相互作用并设计出高效精准茶枯有机肥施肥机提供理论参考。

摘要：将系统分析方法和数学建模技术应用于水稻植株的形态建成,通过对水稻形态数据的定量分析,构建了水稻地上器官形态几何模型,在此基础上设计了水稻植株虚拟生长可视化系统。整个系统由器官几何形态模型模块、生长模型模块、可视化控制模块、数据库和人机交互界面等组成。水稻植株三维形态是由各器官形态结构特征参数的几何模型来描述的。根据水稻器官几何形态参数,通过人机交互操作,采用vc++6.0和OpenGL标准图形库,在计算机上重构出水稻器官、主茎和植株群体的三维形态,具有较好的真实感。

摘要：多标记数据的特征选择是机器学习和数据挖掘领域的重要研究内容,当前对于多标记数据的特征选择研究大多是针对完备性数据,但在许多应用领域中,连续型数值数据较多,且由于诊测成本和隐私保护等因素导致数据往往呈现出不完备性。为解决上述问题,提出了一种面向多标记不完备数据的特征选择算法。该算法将邻域粗糙集模型应用于多标记不完备数据的特征选择,根据邻域阈值求解多标记不完备数据的邻域粒度,并基于邻域粒度给出了度量多标记不完备数据的特征重要性准则,以此设计了面向多标记不完备数据的特征选择算法。最后,通过在Mulan数据集上的实验结果验证了算法的有效性和可行性。

摘要：苹果和番茄是日常生活非常常见的果蔬,准确地识别病害能够提升作物产量,减少经济损失。针对现有的植物病害检测方法不能准确且快速地检测植物叶片中病害区域的问题,设计一种基于改进Yolov5的深度学习方法,用于检测苹果、番茄叶片常见病害。通过数据增强和图像标注技术构建苹果、番茄叶片病害数据集,利用K-means算法对初始锚框进行调整,在此基础上使用复合主干网增强Yolov5主干网对病害特征的提取能力,使用Varifocal Loss函数提高对密集感染区域的识别精度。试验结果表明:改进后的Yolov5病害检测算法mAP达到95.7%,在原来Yolov5模型基础上mAP提升1.7%,平均检测一张图像耗时0.033 s,为苹果、番茄叶片病害检测提供一种高性能的解决方案,能够以较高的准确率对植物叶片病害进行分类与定位。

摘要：为了实现水稻害虫的快速、准确识别,提出了一种基于迁移学习和卷积神经网络相结合的水稻害虫识别方法。首先对水稻害虫图像进行平移、翻转、旋转、缩放等预处理,并按照害虫特征由人工分为稻纵卷叶螟、稻飞虱、二化螟、三化螟、稻蝗、稻象甲等6个类别。然后基于迁移学习方法,将VGG16模型在图像数据集ImageNet上训练得到的权重参数迁移到水稻害虫的识别当中,将VGG16的卷积层和池化层作为特征提取层,同时将顶层重新设计为全局平均池化层和一个softmax输出层,训练时冻结部分卷积层。实验结果表明:所提模型的平均测试准确率为99.05%,训练时间约为原有模型的1/2,模型大小仅为74.2 MB;在稻蝗、稻飞虱、稻象甲、二化螟、稻纵卷叶螟、三化螟等6类害虫的F1值分别为0.98、0.99、0.99、0.99、1.00、0.99。所提方法识别效率高,识别效果好,可移植性强,可为农作物的害虫高效快速诊断提供参考。

摘要：为实现农田环境质量数据的在线共享、查询统计与评价分析服务,该文结合地统计学及农田环境质量监测相关专业知识建立采样点布设优选评价模型,并基于GIS、GNSS、角色访问控制等技术,设计开发了农田环境动态监测与评价分析系统。应用证明,系统采用Geo-WebServices技术能够实现分布式存储的极高分辨率遥感影像和大比例尺基础地理数据等数据服务的实时在线集成与共享,提高了数据分析精度,也解决了高精度基础空间数据的共享安全性及数据版权的问题;能依据角色分配用户权限,使得系统安全可靠;能灵活定制与管理农田环境监测评价与预警分析等模型,并实现从采样布设优选评价、采样点数据预处理、环境质量评价与预警分析及结果多方式直观的可视化等全流程的动态监测分析功能,系统能有效应用于农田环境质量监测与管理。

摘要：【目的】为提高脐橙采摘机器人在自然环境下对脐橙果实进行识别定位的精度,提出采用深度学习结合快速导向滤波方法识别自然环境下脐橙果实。【方法】以赣南脐橙为对象,改进导向滤波方法,去除自然环境下脐橙图像的光照等噪声信息,突出图像颜色和纹理特征。采用带有残差模块的Darknet-53作为特征提取网络,将多尺度融合的3尺度检测网络减少为2尺度检测网络,引入GIoU边界损失函数代替原损失函数,并使用DBSCAN+Kmeans聚类算法,对训练数据集聚类分析,优化预测分支的先验框尺寸,通过迁移学习训练方法建立脐橙果实识别模型,设计单果、向光、背光、果实重叠、枝叶遮挡5组测试集的对比实验,并与其他几种识别模型性能进行比较。【结果】快速导向滤波方法能很好地去除脐橙图像在自然环境下光照及边缘模糊等噪音信息。当优化2个预测分支先验框尺寸时,改进后模型在5种环境下综合性能都优于其他网络,尤其在真实种植环境下识别准确率达到了91.22%,召回率为97.30%,F1平均值为94.16%,识别速率约为26.48 fps。【结论】使用快速导向滤波结合深度学习方法建立的脐橙果实识别模型对自然环境下脐橙果实的识别具有较高的鲁棒性和实时性,为脐橙采摘机器人的视觉识别提供了技术支持。

摘要：通过数字图像处理技术,获取棉花苞叶器官的边缘和中脉坐标点,并从中提取边缘和中脉的控制点;设计过控制点的B样条曲线插值算法,模拟并重建了苞叶器官的边缘框架,经Delaunay三角化和纹理贴图实现了棉花苞叶器官三维形态的可视化表达。

摘要：设计了一种基于无线传感器网络的智能化温室环境监控系统,实现了对温室内多个采集节点的温度、湿度以及光照强度的远程监控,并且通过上位机的温室环境监控软件实现了数据的显示与处理。此外,为了更合理地调控温室环境,系统建立了各种环境预测模型,对未来一段时间内温室的环境数据值进行了预测,以避免异常的发生,极大地减小农作物的经济损失。该系统结构设计合理,有良好的可维护性和可扩展性,能够满足温室环境监控的应用需求。

摘要：邻域粗糙集模型在处理完备的数值型数据中得到广泛应用,但针对不完备的数值型和符号型混合数据进行属性约简的讨论相对较少。为此,首先结合邻域粗糙集给出了可变精度模型下不完备邻域决策系统的上、下近似算子及属性约简;然后通过邻域粒化的方法构建了广义邻域下可变精度的粗糙集模型,并提出了一种属性重要度的评价方法;在此基础上,设计出了面向不完备邻域决策系统的属性约简算法,该算法可直接处理不完备的数值型和符号型混合数据;最后,通过实例分析验证了本文提出的算法能够求解出变精度下不完备邻域决策系统的属性约简结果。