基于深度主动学习与CBAM的细粒度菊花表型识别

针对菊花种类繁多,花型差别细微,准确标注比较困难的问题,基于深度主动学习与混合注意力机制模块(Convolutional block attention module,CBAM),提出了一种标号数据不足情况下的菊花表型智能识别方法和框架。首先,通过主动学习策略基于最优标号和次优标号法(Best vs second-best,BvSB)在未标记菊花样本中选取信息量较大的样本进行标记,并将标记后的样本放入训练样本中;其次,使用深度卷积神经网络ResNet50作为本文的主干网络训练标记样本,引入混合注意力机制模块CBAM,使模型能够更为准确地提取细粒度图像中的高层语义信息;最后,用更新后的训练样本继续训练分类模型,直到模型达到迭代次数后停止。实验结果表明,该方法在少量菊花标记样本下,精确率、召回率和F1值分别达到93.66%、93.15%和93.41%。本文方法可为标号数据不足情况下的菊花等花卉智能化识别提供技术支撑。

基于稀疏实例与位置感知卷积的植物叶片实时分割方法

植物叶片分割在高通量植物表型数据获取任务中起着关键作用。目前,多数植物叶片分割方法专注于提高模型分割精度,却忽视模型复杂度和推理速度。针对该问题,本研究提出一种基于稀疏实例激活与有效位置感知卷积的实例分割模型(ePaCC-SparseInst),实现植物叶片实时、精确分割。在ePaCC-SparseInst中引入1组稀疏实例激活图作为叶片对象表示方式,并使用二部图匹配算法实现预测对象与实例激活图的一一映射,从而避免了繁琐的非极大值抑制(Non-maximum suppression,NMS)运算,提高了模型的推理速度。此外,在实例分支中引入有效位置感知卷积(ePaCC)模块,在增大模型全局感受野的同时提高了模型的推理速度。在Komatsuna数据集上,ePaCC-SparseInst平均分割精度(AP)达到85.33%,每秒传输帧数达到43.52。在相同训练条件下,ePaCC-SparseInst的性能优于SparseInst、Mask R-CNN、CondInst等实例分割算法。此外在CVPPP A5数据集上,ePaCC-SparseInst较上述算法同样取得了更好的分割精度和推理速度。本研究提出的方法采用纯卷积的架构实现了叶片的实时分割,可以为在移动端或边缘设备上获取植物表型数据提供技术支持。

基于CGRSNet的残缺油桃外形点云补全方法

[目的]利用深度相机采集到的油桃数据在进行三维重建时,存在摄像头视野限制,导致油桃点云出现缺失的现象,严重影响油桃表型分析的准确度。为了提高油桃分级分类的准确率和工作效率,提出一种基于三维重建的油桃片外形参数估测方法。[方法]提出了一种基于真实结构的粗粒度点云生成网络(coarse-grained realistic structure with point cloud generation network,CGRSNet)。该网络首先通过编码、解码机制构建点云补全网络,通过新的采样算法对原始点云提取不同维度下的特征信息,提升油桃表型的特征提取能力,然后自解码器自上而下进行多维度点云补全,最终得到完整的油桃形状,最后用模型的参数预估模块预估油桃体积。利用多组参数构建的油桃几何模型离散成点云数据输入CGRSNet网络,得到油桃几何模型外形补全的预训练模型,再利用真实油桃点云数据对预训练模型CGRSNet做模型迁移的参数微调。[结果]该补全网络对油桃数据集补全结果的倒角距离为0.196 cm。经线性回归分析,得出体积估测的RMSE和R^(2)分数为2.47 cm^(3)和0.94,相较于PF-Net的RMSE和R^(2)分数提升约0.88 cm^(3)和0.01。[结论]本文提出的基于CGRSNet的油桃外形参数估测算法具有较好的实用性和精确度。

基于窄带光谱图像分析的小麦冠层植被指数测量方法研究

[目的]针对小麦生长早期植被指数易受土壤背景干扰的问题,提出了一种基于窄带光谱图像分析的小麦植被指数测量方法。[方法]构建了多镜头结构的窄带光谱图像获取装置,实时获取656和770 nm的田间小麦窄带光谱图像。运用简单线性聚类(simple linear iterative clustering, SLIC)和VGG16(visual geometry group network 16)全卷积神经网络对小麦近红外窄带光谱图像进行超像素聚类和分类,把交并比(Qseg)、综合评价指标(F值)、精度(Precision)作为分割精度评价指标,分析传统阈值分割方法和本研究方法去土壤背景干扰的性能差异。去除土壤背景后的窄带光谱图像采用太阳光免白板标定方法计算植被指数,并与GreenSeeker RT200的实测数据进行对比分析,定性定量评价本研究方法去除土壤背景干扰的性能。[结果]试验共采集12个小麦品种、2个施氮水平、24块种植小区图像,Qseg、Precision和F值的平均值分别为90.41%、80.82%和72.73%,分割性能均优于传统的阈值分割方法。针对相同测试田块,GreenSeeker RT200测量的各小区归一化植被指数(normalized difference vegetation index, NDVI)变异系数的最大值、平均值和标准差分别为47.12%、33.61%、10.17%,而本测量方法的各小区NDVI的相应指标值分别为18.59%、9.61%、3.88%;当采样小区小麦封行后,本方法所提取的NDVI与GreenSeeker RT200的测量值具有较高的相关性,决定系数为0.895 9。[结论]该方法可以完成复杂土壤背景、大田光照变化条件下的小麦窄带光谱图像的冠层提取与植被指数测量,可为多镜头结构的作物冠层反射光谱仪的优化设计提供参考。

基于注意力机制和边缘感知的田梗提取模型

田埂精确提取是数字化农业管理的重要前提。针对由于遮挡、斑秃等因素干扰,给基于语义分割方法提取田埂带来困难问题,提出一种基于注意力机制和边缘感知模块的U-Net网络实现田埂提取。首先,将多信息注意力引入U型分割网络的下采样中,增强相邻层之间的上下文信息,提升对田埂区域语义特征的表示能力。其次,将边缘感知分割模块应用至U-Net解码部分的每一层,在不同语义特征层提取田埂边缘信息,提高田埂区域语义分割精度。最后,联合边缘感知损失与语义分割损失构建联合损失函数,用于整体网络优化。通过对安徽省淮北市濉溪县小麦基地采集的无人机麦田数据集进行训练和模型验证,实验结果表明,本文模型语义分割像素准确率高达95.57%,平均交并比达到77.48%。

基于光学特性参数反演的苹果水心病检测

[目的]针对传统的果蔬品质检测方法费时且破坏检测样本的问题,提出了一种新的苹果水心病检测方法。[方法]采用具有水心病的新疆阿克苏苹果作为样本,首先利用反向倍增法计算得出苹果每层组织的光学特性参数,然后利用苹果果皮、果肉、果核层的光学参数据构建3层迁移反演模型,使用蒙特卡罗法对苹果内部的光子轨迹进行仿真并获取苹果表面的仿真光亮度图。由于水心病通常发生在苹果果核层,通过仿真光亮度图学习苹果果核层的特征,然后迁移到实测苹果样本数据中进行学习和预测。基于光学特性参数反演的检测方法是利用蒙特卡罗法和卷积神经网络提取与水心病相关的苹果果核层光学特征,使用迁移学习将这些特征与实际苹果样本水心病病情建立联系,成功利用模拟数据提取实测数据中由于存在噪声而无法提取的有效特征,提高了水心病预测的速度和准确度。[结果]基于光学特性参数反演的水心病检测方法在二分类条件下的预测准确率达到94.3%,优于直接使用高光谱数据的卷积神经网络模型和SVM模型;在四分类条件下预测准确率能达到93.5%,相较于卷积神经网络模型提高约4%。[结论]试验结果说明所提出的基于光学特性参数反演的水心病检测方法能有效提取更多与水心病相关的苹果果核层高光谱特征,为苹果水心病的检测提供了一种新的思路。

基于产品生命周期管理的肉品车间生产跟踪及追溯体系研究

基于PLM的肉品车间生产跟踪及追溯体系包括屠宰后肉品分割、分级等加工以及成品销售的肉品全生命周期的跟踪和全程的可追溯。跟踪系统通过分析肉品生产业务过程,确定其业务关键节点,并利用一、二维混合条码及层位数据标识方法对其进行标识。基于业务关键节点的数据驱动和配置处理,实现肉品生产跟踪。追溯系统则分为车间产品追溯和宰后至成品销售后的全程追溯。前者基于二维条码内嵌上游各业务关键节点一维条码的混合应用技术,实现成品至屠宰的车间追溯。后者则基于本体与XM L的数据融合技术,实现对物理上分布的企业肉品数据的无缝连接和产品信息共享,使用户逻辑上面向一个综合的虚拟数据库的操作,从而便捷地实现肉品从屠宰到销售的全程追溯。在此基础上,并在开源开发环境下,设计和实现一个适应肉品生产需求变化的、可进化的跟踪追溯系统。

基于低功耗传输方法的设施花卉环境监测系统

为了降低现有设施环境监测系统中传感节点的能耗,延长无线传感网络的生存周期,该文提出了节点动态组包主动传输和多种环境变量加权控制传输2种低功耗机制,减少了大量重复冗余数据的传输,并实现了基于Zigbee的设施花卉环境监测及其低功耗传输系统。节点以CC2430芯片为核心,并根据影响花卉生长的环境参数,同时装载SHT10温湿度传感器、BH1750FVI光照传感器以及COZIR二氧化碳传感器,因此节点可同时采集传输多种环境参数,降低了硬件成本。在南农大园艺试验基地进行组网测试,试验结果表明,系统比传统周期传输节点(周期1min)的能耗减少85.97%,测量精度在98.5%以上,网络平均丢包率为0.84%,满足了对设施花卉环境的有效监测及低功耗传输的要求。

Hadoop平台中MapReduce调度算法研究

MapReduce是一种新型的并行计算框架,在计算速度,容错性,可靠性等方面具有优势,因此得到了广泛的商业应用与科学研究。而调度算法作为MapReduce的核心组成部分,它的优劣成为了直接影响MapReduce性能的关键因素,因而得到了很大的关注。在介绍和分析MapReduce并行计算模型的基础上,介绍了几种相关的模型改进,并基于Hadoop平台,重点研究了MapReduce的常用调度算法及改进算法。通过对比分析,就MapReduce未来的发展进行了进一步的探讨,为其调度算法的改进提供有效的方法。

基于角色模型的业务过程再工程(BPR)的研究

Based on role object, the Business Process Reengineering (BPR) is quickly implemented by constructingthe frame of role model. This technology will be widely applied in CIMS too.

WSN/WSAN中的时间同步算法研究

无线传感器网络实现了人类对现实世界的观测,由于网络中节点可以单独监测,因此在这样的网络中节点间需要时间同步,以确定事件发生的顺序。阐述了WSN时间同步的相关问题,并从同步报文传递方式的角度详细介绍了几种时间同步算法;从定性和定量两个方面对算法进行了比较。在此基础上,针对WSAN的新特点提出算法融合的设计思想。

基于光子传输模拟与卷积神经网络的苹果品质检测

针对传统果蔬品质检测方法中因样本数量不足而导致检测误差大的问题,提出了一种基于面光源下光子传输模拟的苹果品质检测方法。以苹果为研究对象,采用蒙特卡洛方法仿真光子在苹果双层平板模型的运动轨迹,快速得到20000幅苹果组织表面光亮度分布图像,以光学参数作为标签,输入卷积神经网络进行训练,将得到的模型进行微调迁移,应用到少量实测苹果光谱图像的数据集上进行光学特性参数的反演,最后将该网络模型全连接层的输出结果与苹果品质建立关联,实现对苹果糖度及硬度的无损检测。结果表明,果肉吸收系数μa2反演准确率为93.24%,果肉散射系数μs2反演准确率为92.54%;与传统光学参数方法相比,苹果品质分类模型糖度和硬度的预测准确率分别提高了5.87、6.48个百分点,苹果品质回归模型糖度和硬度的决定系数分别提高了0.1397和0.088,与基于点光源的预训练模型相比达到了更好的效果。

设施花卉环境参数低功耗传输及模糊控制研究

为了降低现有设施环境监测系统中传感节点的能耗,延长无线传感网络的生存周期,提出了节点动态组包主动传输和多种环境变量加权控制传输2种低功耗机制,减少了大量重复冗余数据的传输,并实现了基于Zigbee的设施花卉环境监测及其低功耗传输系统。提出设施花卉环境下的多变量模糊控制方法,解决了环境变量之间耦合问题,促使温室快速达到花卉适宜环境并保持平衡,实现了对设施花卉环境的综合控制。节点以CC2430芯片为核心,并根据影响花卉生长的环境参数,同时装载SHT10型温湿度、BH1750FVI型光照以及COZIR-ambient型二氧化碳传感器,因此节点可同时采集传输多种环境参数,降低了硬件成本。在南京农业大学园艺试验基地进行组网测试,结果表明,系统比传统周期传输节点(周期1 min)减少能耗85.97%,测量精度在98.5%以上,网络平均丢包率为0.84%,满足了对设施花卉环境的有效监测及低功耗传输的要求。

基于几何模型的绿萝叶片外部表型参数三维估测

为快速高效获取叶类植物叶片的外部表型参数、掌握植株生长状况,以绿萝叶片为研究对象,提出一种基于几何模型的叶长、叶宽与叶面积的三维估测方法。利用微软Kinect V2相机,自80 cm高度垂直位姿获取绿萝叶片局部点云,并进行直通滤波去噪与包围盒精简等预处理,测量得到点云外形参数,输入预先建立的SAE网络分类预测得到几何模型参数,并基于曲面参数方程建立叶片几何模型。采用粒子群优化算法计算几何模型离散点云和局部点云间的空间距离,进行空间匹配,利用遗传算法求解最优匹配模型的内部模型参数,输出最优匹配模型的叶长、叶宽与叶面积作为估测结果。实验共采集150片绿萝叶片的局部点云数据,将估测结果和真实值进行数学统计与线性回归分析,得出叶长、叶宽与叶面积估测的平均误差分别为0.46 cm、0.41 cm和3.42 cm^2,叶长估测R^2和RMSE分别为0.88和0.52 cm,叶宽R^2和RMSE分别为0.88和0.52 cm,叶面积R^2和RMSE分别为0.95和3.60 cm^2。实验表明,该方法对于绿萝叶片外形参数的估测效果较好,具有较高实用价值。

设施环境中WSAN执行器节点协作算法研究

针对WSN技术应用于设施作物无法摆脱人力监控的局面,提出将WSAN技术应用于设施作物,并针对应用中存在的执行器节点之间的协作问题提出了一种执行器节点协作算法。首先利用执行器节点重新部署算法将执行器节点部署到执行器节点执行区域的中间,然后利用基于密封第一价的拍卖算法将事件区域发生的任务进行拍卖与求解。仿真试验结果表明所提协作算法可以实现设施作物应用中的控制任务被WSAN网络中的执行器节点以协作的方式有效并快速地分配和执行。

知识链模型研究

知识链定义为有限个知识资源组成的有序集合。从“过程”的观点来看,伴随业务过程而存在的一个流动的“知识过程”,也就是知识链。知识链映射业务过程,支持并主导业务过程,更提升、激励业务过程。知识健模型包含了知识资源生产过程和知识资源应用过程。前者定义为知识生产链,其操作包括知识资源的挖掘、表示和存储。后者定义为知识应用链,其操作包括知识资源的识别和选用、执行、评估。一个完备、健壮的知识链模型可以通过定义知识链单元的特性参数来评估,以保证知识链操作过程的高效率、低成本和负荷平衡。

基于规则库的业务构件重组的实现

业务构件是业务对象和构件的融合,是业务对象软件实现所形成的自治的业务概念和可复用的软件单元。业务构件的有序集合,就构成实际的业务活动。在领域工程中,则给出了这样的方法:首先,抽取业务过程中的业务规则,建立领域规则库,然后,依据规则库中的业务规则,通过组织业务构件来实现实际的业务活动。业务过程的变化,将导致业务过程的重组,由此提出利用业务构件重组的方式来适应其过程的变化,从而实现业务过程的重组。

基于模型迁移的苹果光学特征参数反演

针对现有水果组织光学特征参数反演方法耗时费力、普适性较差的问题,提出了一种基于模型迁移的光学特征参数反演方法。以苹果为例,构造仿真双层生物组织模型;基于蒙特卡洛(Monte Carlo)原理进行光子传输模拟,生成150万光亮度分布图,将光亮度分布图作为数据集输入构造好的8层卷积神经网络(CNN)上进行训练,得到预训练模型;再将训练好的模型迁移到实际测得的含有4000幅苹果高光谱点光源图像的数据集上进行微调,从而完成对光学参数的反演。将本文方法与其他几种算法的反演结果进行分析比较,结果表明,在实测数据集较小的情况下,该方法对苹果光学特征参数的反演结果为果皮吸收系数87.26%、果肉吸收系数90.53%、果皮散射系数86.66%、果肉散射系数87.57%,反演准确率高于其他算法,预训练模型基于大量仿真模型的光亮度分布图经由训练而得到,具有良好的普适性。本研究为解决水果光学特征参数反演中建模数据量不足问题提供了方法参考。

政府信息资源规划的集成平台技术研究

政府信息资源管理是关于政府信息资源的技术、经济和人文等3个维度的管理,并随时间变化,三者达到相互协调、有机融合。从技术维,针对政府信息资源的分布、异构特性,构建基于OGAIS的面向Web服务的政府信息资源管理的集成技术平台GIRP,利用SOAP和OAGIS来满足政府信息资源管理系统的可集成性的需求;利用WSDL、OAGIS、Web服务流程技术实现系统的可重构性;利用Web服务流程技术以及Web服务事务性、协调性规范来实现分布式环境下基于Web服务的工作流运行和管理以及利用Web服务安全规范实现安全性需求,从而有效、安全地实现政府资源的集成和共享。

企业知识管理平台——知识资源计划(KRP)的研究

文章分析了企业资源计划(ERP)的发展过程,指出企业知识资源是提高现代企业的核心竞争力的核心资源。由此提出企业知识资源计划(KRP)的概念,并讨论了企业KRP的实施将会给企业带来全面提升。作为KRP应用的一个实例,对其在企业业务过程管理中的应用进行了分析和研究。