农村土地调查时空数据模型构建及应用

随着我国土地调查工作的开展,获得了大量的土地调查历史数据,尤其是农村土地数据,具有典型的时态特征,使其存储和管理对现有的时态数据模型提出了挑战。土地变化的模拟、查询和显示的根本在于时空数据模型的建立。本研究在对农村土地调查数据的时间、空间语义分析的基础上,借助于面向对象思想,对时空数据建模进行了研究,提出适合于农村土地调查数据的面向对象时空属性概念模型,为土地时空信息的有效组织、管理和查询提供了新的思路和方法,达到了降低数据冗余,提高检索效率的目的。     

基于语义Web的农业生产协同决策服务机制研究

针对分布式农业知识资源异构、自治和难以实现共享服务的问题,采用语义Web技术,提出了基于Web本体建模语言的异构农业知识资源描述模型和决策服务形式化表达模型.以模型为基础,将农业协同决策服务需求分解为多个决策流程片段,设计了基于上下文感知计算的农业问题协同决策服务机制,实现对多个决策流程任务和知识资源的按需调度,提高了农业知识资源的利用效率和协同推理效率.与其他方案不同,该机制进一步考虑了任务均衡分解与知识资源智能调度对协同决策服务机制的影响,并通过生猪疾病协同诊断决策系统的搭建进行了应用实例验证.实验表明,该方法在求解精度、决策效率方面优于传统农业智能决策方法.     

融合时间感知和增强过滤的农业知识推荐模型

[目的/意义]农业场景下的知识服务具有周期性长、活动时间长的特点。传统推荐模型无法有效挖掘农业场景下的基于农时的隐藏信息。针对上述问题,提出一种融合时间感知和增强过滤的农业知识个性化推荐模型(Time-aware and Filter-enhanced Sequential Recommendation Model for Agriculture Knowledge,TiFSA)。[方法]首先,基于时间感知的位置嵌入方法,将农户交互的时间信息与位置嵌入相结合,帮助学习农业情境下基于农时的项目相关性。其次,在时间感知位置嵌入的基础上,引入滤波器过滤算法,自适应地衰减农户情境数据中的噪声。最后,引入时间信息的多头自注意力网络,实现对时间、项目和特征的统一建模,对农户随时间变化的偏好特征进行情境表示,从而为用户提供可靠的推荐结果。[结果和讨论]根据“全国农业知识智能服务云平台”中的用户交互序列数据集进行实验。结果表明,该模型在农业数据集上的命中率为45.79%,归一化折损累计增益为53.52%;与近几年性能最佳的模型Ti-SASRec相比分别提升16.19%和14.02%。[结论]该模型能够...     

基于改进粒子群算法的农产品召回优化

农产品加工是食品供应链质量控制的关键环节。该文针对农产品加工环节的产品召回优化问题,给出了批次分散优化模型并分析了其算法复杂度。针对优化模型为NP难度(non-deterministic polynomial hard),难以求解的问题,指出了采用粒子群优化进行求解的途径。针对粒子群优化算法在进化的初期收敛速度快,易引起早熟;在进化后期收敛速度慢,易引起振荡的问题,提出了一种基于分段门限粒子替换策略的改进粒子群优化算法。采用相关算例对该文提出的改进粒子群优化算法进行优化性能验证,并与类似智能优化算法进行性能对比。算例仿真和性能对比的结果表明,该算法运算开销约为同类算法的10%,且可以降低潜在的召回规模约30%,适用于农产品加工环节的产品召回优化。     

基于实例分割的柑橘花朵识别及花量统计

柑橘隔年结果现象严重,花量统计有助于果园的规划管理,并对产量预测有重要意义,但是柑橘单一植株花量巨大,花朵紧凑密集,花期树叶遮挡覆盖,对花量计算造成很大的阻碍。对此该研究提出基于实例分割的柑橘花朵识别与花量统计方法,以花期的柑橘树冠图像为样本进行花朵实例的识别及分割,通过对Mask R-CNN主体卷积部分和掩膜分支部分的优化,实现对复杂结构图像中密集小尺度柑橘花朵目标的高效检测、获取图像中可见花数量。结果显示,该方法花量识别神经网络的平均精度为36.3,花量计算误差为11.9%,对比未优化Mask R-CNN网络在训练和识别的时间效率上均有显著提升。该研究解决了柑橘花量统计难度高的问题,有助于柑橘早期测产和落花监测,并为花量控制提供决策依据。     

农村土地利用数据集成的模式匹配方法

以模式匹配作为数据集成的重要方法可以解决多源数据在模式上的差异问题,为用户提供统一的访问视图。通过对现有模式匹配方法及农村土地利用数据差异类型的分析,提出基于不同模式结构层次的元素匹配和实例统计匹配相结合的复合匹配方法,通过对模式语义相似度的计算,解决农村土地利用数据集成过程中的模式匹配问题。最后选取海南省琼海市大路镇农村土地利用数据,验证该方法的可行性和有效性。     

基于复杂环境的番茄叶部图像病虫害识别

针对复杂环境下番茄叶部图像因其背景复杂导致病害识别较为困难,以温室大棚内采集的番茄叶部图像作为研究对象,对番茄白粉病、早疫病和斑潜蝇三种常见病虫害,提出一种结合颜色纹理特征的基于支持向量机(SVM)的CCL-SVM的复杂环境番茄叶部图像病害识别方法。CCL-SVM方法为实现小样本及复杂背景环境下的快速识别,首先采用滑动窗口将原始番茄叶部病害图像切割成小区域图像,选取不包含背景的小区域图像样本作为试验样本,从而实现样本数量和样本多样性的增加,并降低样本复杂背景的影响。通过对样本数据抽取颜色纹理特征(CCL),采用SVM模型对番茄早疫病、白粉病、斑潜蝇和健康叶片分类识别。试验结果表明,提出的CCL-SVM方法比Gray-SVM对番茄叶片病害种类的识别性能得到大幅提升,识别率从60.63%提升到97.5%;CCL-SVM方法识别精度高于对比的深度学习网络VGG16和Alexnet方法,且每个小区域图像的平均测试时间远低于深度学习网络。本文设计的CCL-SVM方法具有减小复杂背景影响,计算量小及系统要求低的优点,为复杂环境下番茄病害快速识别提供一种新的思路。     

小规模农产品加工企业联合优化召回模型

针对当前召回模型仅能优化召回规模的问题,分析了批次分散模型,并加入批次的品质属性,给出了原料-部件-成品的规模比例和品质权重约束条件,提出了一种召回数量-成品品质的联合优化召回模型.针对小规模农产品加工企业的产品召回优化需求,分析了联合优化模型的运算开销,给出了相关算例和优化结果.结果表明,该联合优化模型可以在减小召回规模的基础上,提高成品的品质.