白鹤草莓GCD-EF-CV病虫害识别模型研究与应用

[目的]提高白鹤草莓病虫害识别准确率和工作效率,解决灰度不均匀引起的白鹤草莓病虫害图像识别不准确问题。[方法]对基于区域信息的无边缘主动轮廓模型(CV)进行改进,通过对CV模型能量泛函添加能量函数,对闭合曲线内外灰度均值进行演化,提出并建立了带有能量函数的CV模型(EF-CV)。将灰色关联度作为图像边缘信息,全局项和边界信息项共同作用分割白鹤草莓病虫害图像目标,提出并建立了基于灰色关联度的能量函数CV模型(GCD-EF-CV)。[结果]GCD-EF-CV对草莓炭疽病、叶斑病、白粉病、蚜虫、红蜘蛛、蓟马识别准确率分别达到95.32%、92.85%、96.34%、98.14%、95.38%、96.27%,平均识别率达到95.72%,领先其它模型。GCD-EF-CV的训练准确率、测试准确率分别达到88.48%、95.67%,平均单张识别时间为32 ms,该模型对灰霉病、褐斑病、白粉病防效分别达到88.54%、87.31%、89.24%,对蚜虫、白粉虱、蓟马的虫口减退率分别为91.08%、93.07%、92.47%,防效分别达到86.24%、88.46%、87.41%,在5种病虫害识别模型中达到最优。[结论]GCD-EF-CV的病虫害识别准确率、平均单张识别时间、病情指数、虫口减退率、防效等指标在5种病虫害识别模型中表现最佳,GCD-EF-CV能够高效的对白鹤草莓病虫害进行识别并具有较好的实用性。

水稻FT-AI-GSCMPP虫害防控模型研究及应用

为有效提升水稻虫害防控工作效率,合理控制水稻种群密度、虫害种群密度,在水稻虫害种群广义系统模型(GSMPP)的基础上进行改进,将清除病残叶和喷洒农药等因子加入模型,建立基于人工干预因子水稻虫害种群广义系统控制模型(AI-GSCMPP)。为解决AI-GSCMPP涉及变量多、实施难度大问题,在AI-GSCMPP的基础上引入模糊理论,对水稻虫害实施非线性智能防控,建立基于模糊理论的人工干预因子水稻虫害种群广义系统控制模型(FT-AI-GSCMPP)。在上海松江水稻种植基地开展系列试验和生产应用,试验结果显示FT-AI-GSCMPP对稻象甲的虫量防效为95.67%,卷叶防效为94.12%,达到五种模型最优;FT-AI-GSCMPP对黏虫、蚜虫、稻瘿蚊的虫口减退率分别达到91.84%、90.68%和92.65%,领先于其他四种模型。水稻生产应用结果显示,FT-AI-GSCMPP对水稻的结实率、每穗粒数、穗数、千粒重、实际产量分别达到93.38%、91.04粒、34.58万穗/667 m^(2)、28.16 g、686.37 kg/667 m^(2),在五种模型中表现最佳。FT-AI-GSCMPP的虫量防效、虫口减退率、卷叶防效、结实率等指标领先于其它虫害防控模型,该模型具有防控效率高、误差小、稳定性强等特点,可用于水稻虫害防控等研究领域。

MPI+OpenMP混合编程模型在大规模三对角线性方程组求解中的应用

分布式共享存储系统的特点是每个节点内是共享存储的,而节点间是分布式存储.为了更好地利用这种多级体系结构,讨论了MPI+OpenMP混合编程模型的性能及实现方法,建立了大规模三对角线性方程组的MPI+OpenMP混合并行算法,并在上海大学高性能计算集群上与单纯MPI算法进行了性能方面的比较.结果表明,MPI+OpenMP混合并行算法具有更好的加速比和扩展性.

基于GaBP的迭代加速优化算法

求解对称对角占优线性方程组的GaBP(Gaussian Belief Propagation)迭代算法具有低计算复杂性和高并行性的特点。利用GaBP算法的这两个特点,便于处理大规模稀疏线性方程组的求解。为了进一步提高求解的迭代效率,使用经典迭代算法中的加速优化方法,给出了对应的多种GaBP迭代加速优化算法。从动态松驰因子的GaBP算法和MannGaBP迭代加速优化算法的实验结果表明,在相同精度下,所提出的加速优化算法比经典迭代算法和GaBP算法具有更高的并行执行效率。

基于案例推理系统的研究探讨

基于案例推理是一种类比推理方法,利用过去的案例或经验进行推理来求解新问题;它提供了一种近似人类思维模型的建造专家系统的新的方法学,这与人对自然问题的求解相一致;适当的相似度量能够有效提高问题求解及问题描述,使CBR系统更具效率。文中研究了CBR在众多的领域获得了成功应用的关键因素,同时对在CBR中如何应用多种复合技术建造智能系统也进行了探讨。

机器学习在智能管理系统中的应用探索

尽管计算机管理技术有了很大进展,但仍然存在许多问题,如:不满足多层次用户的管理需要、不具备多方面的管理功能、不适应多阶段的管理过程、人机不够协调、智能化水平不够高等。智能管理系统是人工智能与管理信息系统相结合的产物,具有自动处理和自适应能力。探讨了智能管理系统的发展及分类,提出了应用机器学习来解决问题的方法。

GaBP算法优化与实现

通过研究经典GaBP算法,实现了同步和异步GaBP算法程序设计和计算实验,并对结果进行了系统的分析。实验表明GaBP优化算法——异步GaBP算法比经典GaBP算法有更好的计算效率。

融合深度信息的视觉注意计算模型

针对Itti模型在特征选择上的局限性,借鉴心理学中有关视觉注意的研究成果,提出一种融合深度信息的视觉注意计算模型。该模型在基于图像分割的自适应立体匹配基础上提取深度特征,与亮度、方向、颜色特征相结合,实现空间显著性度量,并采用侧抑机制和WTA机制得到注意焦点。实验结果表明,新模型能较好地反映空间立体视觉信息对注意的影响,使计算结果能更符合人类视觉。

基于Visual studio.NET的Word文档方式的报表实现

众所周知,一个应用软件常常有大量的报表需要操作,如果采用常用的报表工具,一般无法满足典型的中国式报表要求,本文探讨的是如何制作出让客户满意的,具有格式美观、图文并茂,可以显示、存储、打印的MicrosoftOffice下的Word文档方式的报表来。

多重网格格子Boltzmann方法的并行算法

针对复杂流动数值模拟中的格子Boltzmann方法存在计算网格量大、收敛速度慢的缺点,提出了基于三维几何边界的多重笛卡儿网格并行生成算法,并基于该网格生成方法提出了多重网格并行格子Boltzmann方法(LBM)。该方法结合不同尺度网格间的耦合计算,有效减少了计算网格量,提高了收敛速度;而且测试结果也表明该并行算法具有良好的可扩展性。

基于覆盖算法与多层前馈网络的案例库维护

针对运行在电子商务等交互式应用领域中的案例推理系统时,其案例库的规模很容易达到成千上万条且不能削减的特点,提出同时从两方面着手完成案例库维护:一方面用覆盖算法将案例库划分成覆盖领域,实现案例的选择性过滤使用;另一方面应用多层前馈神经网络改进案例匹配,提高检索效率.实验表明,该方法可以用来处理海量的高维数据,保证了系统的可用性.

基于多层前馈神经网络的案例推理系统

采用基于该神经网络技术的案例推理系统,使用交叉覆盖算法,可以有效地缩减案例的检索时间、减少案例适应性修改、提高推理效率。实验表明该系统易于设计构建,极大地提升了CBR在实际中的应用能力。

基于WSN的仓桥水晶梨节水灌溉控制系统设计与应用

传统的农业灌溉存在浪费水资源的问题。为了节约水资源并提高农作物的灌溉精度,深入研究了现有的节水灌溉控制方法,提出了PID-LPF控制算法,从系统总体设计、系统电路设计和无线传感网络设计等方面进行了介绍。在上海市仓桥水晶梨园区的试验结果表明,基于无线传感网络的仓桥水晶梨节水灌溉控制系统可以在一定程度上提高传统灌溉系统的控制效率和生产效率,使水晶梨具有更好的外观品质和营养品质,研究成果可以带来一定的经济效益和社会效益。

基于双密度双树小波变换的图像去噪

为了使图像的不同增量同时达到最优的去噪结果,本文提出了一种基于双密度双树小波变换的图像去噪方法。首先使用Vese和Osher的图像分解模型把图像分成结构和振荡分量,然后根据各个分量的不同特性进行双密度双树小波变换域阈值去噪。实验结果表明,本文方法不但有效的去除了噪声,而且去噪后图像的视觉效果更好。

求解大规模三对角线性方程组的GaBP并行算法

根据大规模三对角线性方程组求解的特性,结合消息传递接口和开放多处理模型,设计分布式共享内存环境下求解大规模三对角线性方程组的GaBP并行算法。在Intel Xeon E5-2650并行计算集群环境上进行数值实验,结果表明,与基于消息传递接口的GaBP并行算法相比,该算法具有更高的加速比和更好的可扩展性,能充分发挥集群系统的综合计算性能,提高大规模三对角线性方程组的求解速度。

仿射变换下图像不对称度计算方法

一个人的器官如果比其他人出现了更多的不对称,就可能是一种疾病的征兆。根据不对称性原理,提出了一种改进的三维医学图像不对称计算模型,通过对中耳区域三维医学图像不对称度的研究,给出了不对称度量化的数值计算优化方法,从而来诊断胆脂瘤型中耳炎。实验结果与医生的诊断之比较表明,利用T分布检验方法诊断胆脂瘤的置信度可达到98%。同时该计算模型具有客观性和可度量性,在其他可利用不对称性进行计算机辅助诊断领域具有较好的推广价值。

大规模带状线性方程组的分层混合并行求解算法

并行计算过程中,全局通信往往会成为影响算法可扩展性的关键因素。因此,针对大规模带状线性方程组,提出基于MPI/OpenMP多粒度混合编程模型的分层并行算法,将全局通信转化为多次局部通信,解决了全局通信所带来的瓶颈问题,提高了大规模带状线性方程组并行求解算法的可扩展性。

水晶梨病虫害防治预测模型

【目的】为提高水晶梨病虫害防治工作效率,进一步提升病虫害的预测效果和精度。【方法】深入研究了灰色模型(GM),利用GM对水晶梨环境因子数据进行建模得到病虫害预测公式,通过差分方程推导出时间响应式和参数估计,建立了优化初始值的灰色模型(OIVGM),将OIVGM与BP神经网络预测模型(BP)进行组合,建立了优化初始值的灰色BP神经网络预测组合模型(OIVGM-BP)。【结果】通过单位根检验法测量模型的稳定性,OIVGM-BP一阶差分处理后,T统计量(-5.487654)小于5%临界值(-2.878073),数据序列表明平稳,OIVGM-BP可以稳定进行预测。通过白噪声检验方法测量OIVGM-BP的适应性,OIVGM-BP的残差P值从第二阶开始,均大于0.05,说明OIVGM-BP的适应性较好,各阶均通过了白噪声检验。LRM、GM、TSM、BP、OIVGM-BP对梨锈病、白粉病、腐烂病、梨黄粉蚜、梨二叉蚜、梨木虱6种病虫害的预测准确率的平均值分别为70.81%、70.09%、69.74%、65.64%、83.01%,OIVGM-BP的预测准确率优于其他4种预测模型。【结论】OIVGM-BP能够对水晶梨病虫害进行有效预测,能够更好地指导农业生产。

基于CSJMM-AS-GAC的马陆葡萄病虫害识别研究

为了提高马陆葡萄病虫害的识别准确率,有效地进行马陆葡萄病虫害防控,对测地线活动轮廓模型(GAC)进行改进,通过引入动态系数函数将马陆葡萄病虫害图像边界区域与非边界区域进行精确划分,从而实现准确分割病虫害图像模糊和凹陷边界,提出并建立了精确分割测地线活动轮廓模型(ASGAC)。接下来为了克服复杂背景下训练样本不足造成的误差,提出了Core损失函数,建立了CoreSoftmax联合监督机制(CSJMM),从而确立了基于CSJMM的精确分割测地线活动轮廓模型(CSJMM-ASGAC)。结果表明,CSJMM-AS-GAC训练集初始准确率为65.46%,验证集准确率为95.67%,测试集准确率为93.95%,Kappa系数达到0.913 8,召回率达到89.21%,CSJMM-AS-GAC对于马陆葡萄病虫害识别准确率达到94.06%。CSJMM-AS-GAC的整体性能、识别准确率、召回率等指标都优于常用的病虫害识别模型。

基于纹理特征融合的煤矸石分选技术研究

提出了一种新的基于纹理特征融合的煤矸石分选方法。设计了一种纹理特征提取算法,选取多个纹理特征作为分类器的输入特征,并对选择出的分类特征进行融合,最后采用神经网络分类器实现煤矸石的分选。实验结果表明,本文所提出的分选方法达到了较高的识别正确率,且能够满足实时要求。