近红外多组分分析中异常样本识别方法

近红外光谱分析中,异常样本的存在严重影响定标模型的预测性能和适配性。基于 X / Y 联合的ODXY异常样本识别和剔除方法,提出并证明了一种专用于多组分分析的MODXY异常样本识别方法。实验采用80组玉米近红外光谱数据,利用不同异常样本识别方法剔除异常样本后建立玉米含水率、含油率、蛋白质含量和淀粉含量4种组分的偏最小二乘预测模型,采用预测均方差和决定系数作为评价指标比较所建模型的性能,检验MODXY方法在多组分分析中的异常样本识别能力。实验结果表明：在近红外多组分分析中,MODXY方法在大多数情况下具有更好的异常样本识别能力;MODXY方法和ODXY方法均有一定的适用范围,它们更适合于相应组分化学值的相对标准偏差较大的情况。     

面向不确定数据的农产品追溯方法

针对现有追溯模型无法对可追溯单元的混合过程进行定量表示的缺陷,将不确定数据引入到追溯系统中,搭建了不确定数据追溯模型,提出了一个新的面向不确定数据追溯的查询方法,利用不确定数据的基本表示和查询方法,解决了多源追溯问题.基于模型,实现了追溯模型中的简单查询、节点评价和单节点异常推断功能.并且给出了多节点异常的求解方法.     

基于数据世系管理的精准农业不确定性复杂事件处理

伴随物联网采集数据流的增加和对复杂事件匹配的准确性、可靠性要求的提高,不确定性复杂事件处理的研究得到广泛的关注。精准农业中存在大量的RFID及传感器监测数据,但是监测硬件和无线通信技术不能保证100%的可信数据,因此需要一个能应用在精准农业中处理不确定事件的流处理引擎。本文在现有流处理引擎SASE基础上,加入概率流理论和数据世系管理理论,提出一种新型的复杂事件处理引擎PUCEP,可以计算输出复杂事件的概率,同时提高不确定性复杂事件的匹配效率,从而减少计算资源消耗和反应时间,提高整个系统的实时性。实验使用温室传感器采集数据,结果表明所提方法对处理概率事件流的复杂事件是有效的。     

基于机会网络的牧场物联网数据传输方法

智能化畜牧业管理需要对牧场中牲畜的行为进行检测以及对牲畜的运动路径、位置等信息进行采集,利用牧场物联网系统可以实现对上述信息的获取。基于无线传感器网络的系统架构能够满足各个采样节点间的通信需求,但是由于牧场所处的地理位置一般比较偏远,网络环境复杂,与互联网连接时经常出现连接中断、丢包等问题。采用传统的网络连接方式可能导致数据大量丢失,为了减少在与互联网连接中断时采样数据的丢失,提出了一种基于机会网络的牧场物联网数据传输方案,分析了在牧场环境中传感器之间的通信状态,总结出传感器之间通信的3种方式,分别予以建模分析。在传感器有限存储容量的前提下,利用机会网络的原理,提出接入点密度的计算方法,并总结了牲畜运动速度、传感器节点存储容量与数据传输丢包率之间的内在联系,从而保证了系统数据丢失在设计允许的范围内。通过评估和验证所提方法理论结果的实验,证明了方法的正确性。     

基于时间自动机的温室环境监控物联网系统建模

由于温室环境的复杂性,系统设计的不合理会直接导致数据的不确定和系统的不稳定。基于体系结构的物联网层次模型对物联网的实施具有指导意义,但是体系结构模型没有提供系统建模工具和模型验证的方法。基于时间自动机理论的建模与模型验证方法是一种对物联网系统建模的有效手段,能在系统设计时提高系统的稳定性,保证系统设计的正确性。通过对智能温室监控物联网系统的分析,从系统实施的角度重新对温室环境监控物联网系统进行了层次划分,利用时间自动机理论对系统中的相应组件进行建模,在对各个子系统分别建模的基础上形成了时间自动机网络模型。最后利用时间自动机建模工具UPPAAL,对已经建立的形式化模型进行了系统逻辑正确性验证与系统执行时序验证。结果表明,利用时间自动机理论及其建模工具UPPAAL可以对智能温室监控物联网系统进行建模及模型验证,可以在系统设计时对系统进行准确的模型分析,避免系统设计错误,降低系统设计缺陷,在系统投入运行中规避设计风险,从而提升系统的稳定性与可靠性,确保系统设计的正确性。     

一个基于加权计算的综合信息资源评价方法研究

针对农业网络信息的特点,提出了通过加权算法对其进行综合评价.该算法为了满足用户的个性化需求,给出专家指标体系以供选择,用户既可直接使用也可自己进行评价指标的管理,以及权重的设定.文中还给出了该评价方法在实践中的应用举例.     

基于多尺度卷积的蛋鸡肠道疾病识别方法研究

【目的】在蛋鸡养殖中,如球虫病和传染性法氏囊病等鸡肠道疾病发病率高,严重影响鸡舍饲料的利用率,增加了养殖成本。为在密集的蛋鸡笼养环境中使用肠道疾病智能化诊断方法,实现多种肠道疾病的分类识别,【方法】文章根据病理粪便的差异,提出了基于多尺度卷积的对鸡肠道疾病进行分类的算法。首先,实验共采集正常粪便、稀便、绿便和血便4类图像共1 834幅,建立蛋鸡粪便数据集。为减少过拟合的出现,对数据集进行了数据增强,扩充数据集至5 128幅。其次,对VGG16模型进行改进,使用全局平均池化代替全连接层,同时引入了3×3和5×5的多尺度卷积和通道注意力机制,将SE模块插入到多尺度卷积的末端,构建了一个基于多尺度卷积的蛋鸡肠道疾病识别网络VGG-MSC。【结果】VGGMSC的各项指标较VGG16均得到提高,其中在蛋鸡粪便数据集上的分类准确率达到了98.04%,较VGG16提高了1.75%,可为鸡的肠道疾病诊断提供有效的决策支持。【结论】以深度学习为基础,该方法能够实现对鸡肠道疾病的智能诊断,有利于及早发现并预防鸡肠道疾病,为畜禽养殖提供信息化服务,推动蛋鸡产业持续高质量发展。     

软计算技术在农业生产中的应用研究进展

软计算(Soft computing,SC)技术是通过对不确定、不精确及不完全真值的容错以取得低代价的解决方案和鲁棒性,运用模糊逻辑结合智能化技术解决复杂系统中带有不确定因素的问题,使之更接近客观事物的真实反映.随着我国农业发展进入智慧化阶段,软计算技术在农业生产中得到了越来越广泛的应用.在农作物产量预测、杂草检测以及...     

精准农业信息物理融合系统的事件模型研究

信息物理融合系统(CPS)具有严格的实时性和空间约束,根据其事件驱动性,对CPS时空事件模型进行了描述,并依据精准农业的特点对CPS体系结构中的组成部件(物理世界、传感器、计算(控制)单元、执行器、计时器)建立了时空事件模型,并以精准农业大棚的洒水事件闭环过程为例对每一部件进行了分析,证明这些事件模型可以用于精准农业中的基本事件。     

基于ROBOT的农业信息搜索引擎设计

搜索引擎能够帮助人们从网上迅速获取所需要的信息或资源，但由于网络信息爆炸式的增长，每一次搜索所获取的结果中能满足用户要求的信息与大量的无用信息混杂在一起，需要用户手工挑选，严重的影响了工作效率。因此，开发出一种针对特定用户或特定行业的搜索引擎具有现实意义，本文介绍了一种基于ROBOT的农业信息搜索引擎的设计方法。