基于可见-近红外光谱预处理建模的土壤速效氮含量预测

以皖南地区采集的188份黄红壤样本为研究对象,利用地物非成像光谱仪获取原始光谱数据。首先,分析样本在350~1 657 nm波段经过预处理变换的平均光谱反射率曲线特征,再基于原始光谱,以及经29种预处理变换后的光谱,分别结合偏最小二乘回归(PLSR)和径向基核函数(RBF)-PLSR算法,建立60个针对土壤速效氮含量的预测模型,并进行模型优化;然后,以模型的决定系数(R²)和相对分析误差(RPD)来评价模型性能。结果显示,基于Savitaky-Golay卷积平滑和对数变换预处理的光谱,用PLSR建立的模型最适用于土壤速效氮含量的校正预测,其在建模集中R²=0.94、RPD=3.88,预测集中R²=0.91、RPD=3.38。该模型达到A类预测精度,可实现对土壤速效氮含量的定量估测。     

基于深度卷积神经网络的小麦赤霉病高光谱病症点分类方法

为快速、高效地利用高光谱成像技术诊断小麦赤霉病病症,分析了卷积层结构与光谱病症特征的关联性,并重点研究了高光谱的像元分类建模方法。首先,基于深度卷积神经网络的2种典型结构,构建了不同深度的卷积神经网络,比较了小麦赤霉病高光谱数据点集的训练和测试结果。结果显示:Visual Geometry Group(VGG)结构随着网络深度的增加,模型损失值不断下降;残差神经网络(ResNet)结构随着深度增加,损失值没有明显降低,说明ResNet网络的深度与模型性能无关。从测试集评测模型泛化性可知,具有4个基础单元模块的22层VGG网络在所有深度卷积模型中最优,其建模和验证准确率远高于传统的支持向量机(SVM),分别为0.846和0.843,测试集准确率为0.742。以VGG为基础单元构建的深度神经网络,能有效提取小麦赤霉病病症的高光谱特征。研究结果可为大尺度小麦赤霉病的智能成像诊断提供理论基础。     

土壤速效磷含量成像和非成像光谱预测差异性分析

以139个皖北砂姜黑土样品为研究对象,首先在室内采集土壤在400~1 000 nm可见近红外光谱区域的成像和非成像2组光谱数据,再对光谱进行Savitaky-Golay卷积平滑、标准正态变量变换(SNV)和一阶微分(FD)等一种或多种组合处理,最后利用偏最小二乘回归(PLSR)分别建立土壤速效磷(AP)含量回归模型。对2组光谱进行光谱特征分析和相似度分析,并对比模型预测效果,结果显示,成像和非成像光谱在形态上趋向一致,且非成像光谱的反射率值在每个波长点上均高于成像光谱;平滑处理后2种光谱的光谱相关拟合度得到提高;经预处理后,2种光谱建立的模型预测精度均有所提高;非成像光谱经预处理后建立的最优模型预测精度(验证集相对分析误差MRPD为2.02)高于成像光谱(验证集相对分析误差MRPD为1.85)。因此,成像光谱相对于非成像光谱在400~1 000 nm波段建立的土壤速效磷含量回归模型预测能力稍差,但通过光谱预处理变换可以降低成像和非成像光谱的差异性并缩小成像与非成像光谱模型预测精度的差距。     

基于压缩感知的农情监测节点稀疏采样决策方法

将压缩感知应用于农情监测节点的稀疏采样,能够有效减少数据冗余和能耗,而如何甄选测量矩阵、稀疏基和重构算法,是实现节点稀疏采样和数据收集质量控制的关键。系统分析了基于压缩感知的单节点稀疏采样与重构方法,设计了基于压缩感知的农情监测节点稀疏采样决策系统功能架构,阐述了Python语言环境下系统的实现技术与效果。系统初步应用表明,对于30d连续监测、采样间隔为15min的花卉植株茎流、土壤湿度数据的压缩感知,宜选择固定采样率,测量矩阵、稀疏基、重构算法分别选取周期测量矩阵、差分矩阵和SL0算法,每2～10d重构一次数据可实现数据恢复代价与精度的良好折衷。     

基于CS和BP的鸡舍环境与产蛋性能关系模型研究

为了分析层叠式密闭蛋鸡舍多环境因子对蛋鸡产蛋性能的影响,提出基于布谷鸟搜索算法和BP神经网络的鸡舍环境因子与产蛋性能关系回归模型。选取主要环境影响因子参数(温度、湿度、二氧化碳、风速、光照、氨气)作为输入量,鸡的产蛋量作为输出量,构建BP神经网络基本模型。针对BP神经网络容易陷入局部最小值的缺陷,对算法提出改进,采用布谷鸟搜索算法结合BP神经网络,建立鸡舍小气候环境因子与产蛋性能关系回归模型。通过具体试验对CS-BPNN性能进行测试。试验结果表明,相对于GA-BPNN、PSO-BPNN等对比模型,CS-BPNN提高了拟合精度,能够更加准确地反映鸡舍环境因子与产蛋性能的关系。     

基于卷积神经网络和小样本的茶树病害图像识别

以常见且特征相似的茶轮斑病、炭疽病和云纹叶枯病为对象,研究在小样本情况下利用卷积神经网络进行病害图像识别问题。运用7种模式的预处理方法对茶树叶部病害图像样本进行处理,并采用Alex Net经典网络模型进行学习实验,比较、分析其训练及识别效果。结果显示,模式7训练模型精度为93. 3%,平均测试准确率为90%,且对茶轮斑病、炭疽病和云纹叶枯病的正确区分率分别为85%、90%和85%,在预测值和真实值一致性方面优于其他预处理方法。在小样本情况下,该预处理方法可有效区分、识别3种易混病害,且识别精度高,性能好。     

远程农业监测信息系统设计与实现

针对农业信息远程监测服务需求和物联网农业应用背景,设计开发了农业信息远程监测和服务系统。系统将无线数据采集、远程数据传输和网络服务相结合,实现了远程、多目标、多参数的农业信息实时采集、显示、存储、查询和统计等功能。系统通用性和扩展性较强,在数字农业、农作物防灾减灾等领域具有良好的应用前景。     

LabVIEW软件平台在果园生态环境远程监测系统中的应用

在果园的生产管理中，环境对果树的生长发育、栽培技术的实施、病虫害的预防等产生极其重要的影响。应用LabVIEW虚拟仪器开发平台，结合数据采集模块和各种传感器，实现了果园生态环境数据的实时采集，并利用LabVIEW自带的远程面板技术让客户远程监控服务器端。试验结果表明：系统能较好地实现果园生态环境远程实时监测，为果树生产管理提供决策依据。     

基于DRIS与PLI结合的砀山酥梨营养诊断系统

本文根据果树营养诊断技术的发展和砀山酥梨树体营养特点，提出基于营养综合诊断与盈亏指数结合的方法对酥梨进行营养诊断。采用面向对象技术，在VC＋＋环境下实现了砀山酥梨营养诊断系统。实例验证表明，该系统诊断结果准确、有效，并且运行效率高，人机交互界面友好，为砀山酥梨营养自动诊断提供平台，文中着重介绍了诊断原理和系统构建方法。