摘要:智慧农业不仅是实现农业农村现代化的重要途径，更是全面推进乡村振兴的关键抓手。为更好地发挥智慧农业对实现乡村振兴的推进作用，本文梳理了乡村振兴背景下我国智慧农业发展的政策演进，阐释了智慧农业发展赋能乡村振兴的传导机制，分析了当前智慧农业发展存在的关键问题，并在此基础上提出了路径优化建议。研究发现，智慧农业主要从激发产业动能、助力人才培育、增强文化自信、改善生态环境、优化基层治理五个方面赋能乡村振兴。当前，我国智慧农业发展仍面临着中长期政策尚不完善、关键核心技术仍有短板、投入保障机制尚未健全、数据采集管理应用水平较低、经营管理者参与意愿不强等关键问题，未来应从5个方面着手改进：制定中长期精细化政策规划；打赢关键核心技术攻坚战；健全投入保障机制；提升数据采集管理应用水平；打造高素质人才队伍。

摘要:智慧农业为推动农业减排增汇、助力“双碳”目标实现提供了新思路。本文在明晰“双碳”目标下智慧农业内涵特征的基础上，分析了智慧农业发展面临的问题和挑战，进而提出了对策建议。“双碳”目标下的智慧农业发展，应在理念上强调以智慧化引领低碳化、以低碳化带动智慧化，在科技上注重低碳取向的创新和应用，在制度上重视政府与市场双轮驱动。中国智慧农业发展尚处于初级阶段，在技术设备、规模经营、人才储备、政策支持等方面存在短板和瓶颈。因此，未来应强化农业技术创新研发，推动农业适度规模经营，完善人才培养体系，构建“政府有为，市场有效”的智慧农业发展机制。

摘要:为探索解决我国目前智能水肥一体化系统存在的质量不过硬、设备不智能以及平台不兼容等问题的措施，基于利益相关者理论构建博弈论模型，从供给的角度揭示造成目前我国智能水肥一体化系统发展困境的行为和制度根源，并讨论解决这些问题的可能措施。研究表明：在当前我国智能水肥一体化系统发展水平和市场格局下，面对智能水肥一体化系统相关农机装备的同档定额补贴政策，采取低性能低价格的市场策略成为市场竞争力相对较弱的国内企业在短期内的最优选择，使得国产智能水肥一体化系统整体质量不高；产学研合作中科研人员难以获得充分激励，从而导致对水肥一体化系统智能化研发的投入不足；垄断竞争市场的现状决定了个体企业转换到标准化平台的成本大于潜在收益，导致难以形成水肥一体化系统的统一生产标准。针对上述问题与原因，本研究提出，政府应该优化补贴制度，强化对高性能水肥一体化农机的识别和补贴；完善科研机构考核机制，提升高等院校科研成果转化部门的服务动力；对企业更换产品生产标准给予补贴，引导统一市场标准的建立。

摘要:智慧农业融合了现代信息技术、农业机械装备和生物技术，是现代农业的发展趋势。我国正处在从传统农业向智慧农业的转型初期，为给我国智慧农业的发展和研究提供参考借鉴，本研究运用文献计量学方法，分析了SCIE数据库收录的全球智慧农业领域的40 812篇相关文献，对智慧农业的核心知识元素、研究主题和前沿热点进行了深入分析。结果显示，2016年后全球智慧农业领域文献量大幅度增长，中国是全球在该领域发展最为迅速的国家。对智慧农业近10年的632篇高被引论文关键词进行共现聚类显示，智慧农业的核心知识元素包括遥感、人工智能、无人机、物联网和大数据；智慧农业可分为三大研究主题：以生物大数据为代表的现代生物技术，以物联网、人工智能和遥感为代表的信息技术，以无人机和农业机器人为代表的智能农机装备。智慧农业的发展是多学科交叉融合实现农业生产高度精确化、智能化、高效化的过程。关键词演化分析显示，以物联网为代表的信息感知、处理和管理以及以机器学习和深度学习为代表的人工智能算法是近年来智慧农业研究的前沿热点。从政策制定、人才培养和核心技术等方面对智慧农业的未来发展进行了讨论，提出通过布局重点领域、培养新型应用型人才和开发原创性成果等方面实现我国农业转型升级。

摘要:图像分割作为智慧农业养殖中“视觉系统”的重要组成部分，被广泛应用于畜禽的智慧养殖中。近年来，深度学习算法飞速发展，基于深度学习的图像分割技术也取得了重大突破。这些方法赋予了分割区域更准确的语义信息，使得图像分割更加精准和智能，为畜禽智慧养殖提供了更强的技术支持。本文通过广泛收集和整理国内外研究的相关文献，重点阐述了图像分割技术在畜禽养殖中的畜禽计数、体尺体质量测量、姿态估计与行为识别、体况及疾病检测、精准饲养等方面的应用现状，给出了如何根据实际性能需求（精度、处理速度）、数据集、计算资源等方面选择合适图像分割方法的建议，总结分析了当前研究中与畜禽养殖相关且可用于图像分割训练的公开数据集；并指出了基于深度学习的图像分割技术在畜禽养殖中所面临的挑战与未来的发展趋势，希望能为畜禽养殖中图像分割技术的具体应用提供参考。

摘要:探索人工智能领域新技术与生猪养殖相结合，是当前智慧养殖领域的一个重要研究方向。其中，如何自动地识别猪只个体身份与行为，是当前生猪养殖行业要解决的一个关键问题。为推动计算机视觉和深度学习技术在猪只健康状态智能化监测方面的应用，本文先分析了基于计算机视觉与深度神经网络的人的身份及行为识别模型的研究进展，然后对利用计算机视觉与深度神经网络识别猪只个体身份及行为的方法进行了归纳总结，并指出已有方法中存在的问题，最后提出了下一步的重点研究方向：（1）在猪只运动不可控及关键特征部位受到污染的情况下，准确提取其身份及行为特征的方法研究；（2）针对猪只身份及行为特征的基于计算机视觉的原创性深度学习模型的研究；（3）能够同时检测猪只身份及行为的多任务神经网络的研究；（4）适用于多场景的基于基础姿态及动作的通用型猪只行为识别方法的研究；（5）基于边缘计算的猪只个体身份及行为识别的部署方法研究。

摘要:为了获取种猪的核心体温，收集大白猪、长白猪、大白×长白二元杂3个品种共108头母猪样本，使用手持式红外热像仪获取种猪眼睛、耳根、脖子、肩部、前背、后背、臀尖、尾根、外阴、臀部、腹部共11个部位的红外图像信息；通过温度、湿度、风速传感器获取相应猪场的环境信息。利用基于5×4嵌套交叉验证对数据进行样本集划分，并采用标准化及独热编码方式对数据进行预处理，分别建立基于红外图像技术的种猪核心温度与局部红外图像及环境因素的最小二乘支持向量机（LSSVR）、支持向量机、随机森林以及岭回归定量分析模型。通过验证确定LSSVR模型为表现最优的模型，模型决定系数R2为0.639，RMSE、MAE分别为0.133、0.110 ℃。为了提升模型拟合效果，增加了猪品种、妊娠时间、是否发情以及采集时段（上、下午）4个可能的影响因素，结果显示，除了种猪品种对模型结果没有贡献，其他因素使模型R2分别提高了4%、8%、10%，最终模型R2为0.773，RMSE、MAE分别为0.106、0.09 ℃。表明增加妊娠时间、是否发情以及采集时段（上、下午）3个因素，可以明显地增强模型的拟合度，模型更加精确，可作为种猪核心温度反演的一个因素。

摘要:为解决羊群疾病检索过程中出现的大量冗余数据及检索后仍需人工挑选准确答案造成的资源浪费，本研究通过以下3个步骤构建基于知识图谱的羊群疾病问答系统：（1）通过爬虫获取数据，人工提取部分信息，再进行自动化信息抽取，在命名实体识别任务中使用双向长短期记忆循环神经网络Bi-LSTM模型，并添加注意力机制提高识别效率，然后使用BIO规则进行实体标注，完成信息抽取，将数据融合后存储在Neo4j图数据库中，构建羊群疾病知识图谱。（2）针对属性映射，构建Bert-softmax模型；根据用户提问，采用Bert模型计算问句和属性的语义相似度，并通过softmax算法进行归一化处理，返回合适答案给用户，实现羊群疾病问答系统算法设计。（3）构建羊群疾病诊断平台，使用Bootstrap、Echarts、Vue组件实现羊群疾病问答系统的可视化，利用Python语言包含的flask框架搭建后台，封装疾病信息，通过web前端呈现给用户，并于后端建立连接，实现数据之间的交互。试验结果显示，基于Bi-LSTM + Attention + CRF模型实体识别的F₁值为83.16%，构建的知识图谱包含实体4 576个，实体关系超13 000条；问答系统添加了预训练模型Bert，对问题识别的F₁值为85.24%。结果表明，该系统实现了对羊群疾病的防治措施等多类问题进行快速检索和精准回答，可以辅助养殖人员在面临羊群疾病时进行生产决策。

摘要:为解决红鳍东方鲀养殖密度不均导致图像分割精度低和小目标分割效果差的问题，提出一种改进的轻量版SOLOv2实例分割方法。首先进行可变形卷积（deformable convolutional networks，DCN）网络结构的优化调整，通过在卷积核上增加偏移参数，调整卷积的感受野，使感受野与物体的实际形状更加贴近；再在残差模块最后一层引入无参数注意力机制SimAM，捕捉图像中更多的局部信息，获得不同尺度的目标特征，优化模型对小目标分割的性能。试验结果显示，改进后的轻量版SOLOv2模型较原有模型平均分割精度提高了3.7个百分点，对小目标的分割精度提升了1.4个百分点，同时加入DCN和SimAM注意力模块后，模型的分割精度提高到65.2%。结果表明，改进后的SOLOv2模型可以提高边界处的细节感知能力，强化模型对小目标鱼群特征的提取能力，可用于高密度场景下的精准实例分割，实现红鳍东方鲀鱼群目标精准像素级分割。

摘要:为提高水产动物疾病防治事件抽取的准确性，有效解决抽取过程中出现的专有名词边界模糊和事件实体过长等问题，本研究将动态权重思想引入多模型集成的事件抽取方法中。改进后的方法利用百度自然语言理解开放平台（enhanced representation through knowledge integration，ERNIE）和澎湃BERT（MLM as correction BERT，MacBERT）2个预训练模型来学习文本语义信息；采用动态权重的gate模块融合特征；将学习到的语义信息传入双向长短时记忆网络（bi-directional long shortterm memory，BiLSTM）中，并通过条件随机场（conditional random field，CRF）对输出标签序列进行约束。选取ERNIE⊕MacBERT-CRF模型和ERNIE⊕MacBERT-BiLSTM-CRF模型（⊕代表简单相加求平均的融合方法）作为对照模型对提出的方法进行融合性能对比试验验证，结果显示，该方法F₁值达74.15%，比经典模型BiLSTM-CRF提高了20.02个百分点。结果表明，该方法用于水产动物疾病防治事件抽取具有更好的效果。

摘要:为了解和掌握海参养殖过程水质状况，对海参养殖水质使用融合三角模糊数层次分析法的多级模糊评价方法评估。首先依据水质关键因子在海参生长过程中所起积极和消极作用将水质关键因子分类，并依据2类关键因子设计“海参养殖水质正、负相关因子模糊推理系统”。其次，将两模糊推理系统作为一级模糊，其结果作为二级模糊的输入。二级模糊系统通过一级正、负相关因子推理结果得到最终水质评价结果。在模糊推理过程中，采用三角模糊数层次分析法为海参水质关键因子赋权来提高评价结果的准确性。最后，将该方法与融合三角模糊数层次分析法的海参养殖水质单级模糊评价系统、海参养殖水质ANFIS模糊评价进行对比试验。结果显示，3种方法评价结果一致，融合三角模糊数层次分析法的海参养殖水质多级模糊评价法将模糊规则由原来的243条减少为45条，缓解了维数灾难问题；且与ANFIS模糊评价相比无需经过大量调参和训练，占用系统资源更少。以上结果表明，融合三角模糊数层次分析法更适用于海参养殖中的水质评价与管理。

摘要:为进一步提高通过声音识别鸟类的精确度，本研究提出基于Inception-CSA深度学习模型的鸟鸣声分类方法，包含鸟鸣声音频样本预处理、特征提取、分类器分类等步骤。首先将鸟鸣声样本预处理成尺寸相同的梅尔频谱图，作为鸟鸣声特征图；其次利用Inception-CSA模型对鸟鸣声特征图进行特征提取，其中Inception模块提取鸟鸣声特征图中的多尺度局部时频域特征，CSA模块获取鸟鸣声特征图的全局注意力权重，将二者的输出结合得到更强的特征图，再次利用最大池化层对特征图进行下采样；最后利用全连接层进行分类，得到最终的分类结果。以采集的华南地区自然环境中的10种野生鸟类的鸣叫声构建数据集，用于实验部分以验证方法的有效性。结果表明，本研究提出的方法在自建数据集上准确率达到了93.11%，相比于基于其他经典模型的分类方法，基于Inception-CSA模型的分类方法在拥有较少模型参数量的同时达到了更高的准确率。

摘要:为评估日光温室蓝莓开花窗口期内授粉蜜蜂投放量的合理性，基于机器视觉对蓝莓的蜜蜂授粉次数进行统计。针对检测环境复杂、目标尺度小、易被遮挡等问题，对数据集进行改进泊松融合数据增强处理；并优化设计YOLOv5模型结构，通过引入GAM注意力机制和Transformer模块，增强模型特征提取能力，特征金字塔网络采用BiFPN结构及CARAFE模块补充上下文信息；使用EIoU损失函数和Soft NMS边界框筛选算法，提高边界框的定位精度，解决目标遮挡漏检问题。结果显示，改进后网络的平均精度均值达到96.6%，较原网络提高3.5个百分点，在GPU上对单张蓝莓授粉图像的平均检测时间为11.4 ms。研究结果表明，本研究建立的模型的识别准确度、检测速度及鲁棒性能满足对蓝莓的蜜蜂授粉次数的实时监测。

摘要:针对鸭蛋裂纹人工检测受主观性影响造成精度波动大等问题，利用ResNet34网络模型，提出1种基于梅尔谱图的鸭蛋裂纹识别算法。首先利用敲蛋装置收集敲蛋声音数据，再将音频转化成梅尔谱图，构建梅尔谱图数据集，然后搭建ResNet34模型，引入迁移学习机制训练模型，再通过Adam优化算法更新梯度，增加注意力机制模块并将卷积结构替换为深度可分离卷积以对网络模型进行改进，并调整参数进行优化，最后利用模型对鸭蛋裂纹进行识别。结果显示：改进的ResNet34DP_CA网络模型检测的平均准确率为92.4%，对比原始ResNet34网络模型，平均准确率提高5.5个百分点，参数量减少32%；对比其他网络模型VGG16、MobileNetv2和EfficientNet，平均准确率分别提高10.9、13.7、16.3个百分点，识别时间为21.5 ms。结果表明，所提出的基于梅尔谱图和改进ResNet34模型的鸭蛋裂纹识别算法，能够有效地对鸭蛋裂纹进行检测识别。

摘要:针对高分辨率遥感图像标签稀缺和标签技术增长缓慢限制了多时相语义变化检测发展的问题，提出了采用有噪声、低分辨率的弱标签替代高分辨率标签进行多时相语义变化检测的方法。首先，采用低分辨率卫星数据平滑高分辨率遥感图像输入的质量差异。其次，通过将缩影（epitomes）模型和标签超分辨率算法作为统计推理算法相结合的方法预估高分辨率遥感图像分类图，并拟合一个小型FCN网络对生成的遥感图像分类图进行后处理来改善其分类的效果。最后，通过对比不同时相土地覆盖分类图像之间的差异得出变化检测结果。结果表明，本研究提出的方法与其他多时相语义变化检测方法FCN/all相比，平均交并比（mIoU）提高了8.9个百分点，能够有效检测土地覆盖分类变化。

摘要:为解决测报灯采集图像中害虫依赖人工识别及统计结果可靠性低和准确性差的问题，本研究提出一种改进型Cascade R-CNN田间害虫检测算法。该算法以Cascade R-CNN为基础框架，采用ResNeSt-50作为主干网络，融合了跨通道注意力机制；使用统一目标检测头（unifying object detection heads with attentions，DyHead），并融合尺度感知、空间位置感知和任务感知。此外，采用简单复制-粘贴（simple copy-paste，SCP）方法进行了数据增强。研究共采集到20类害虫总计1 500张图像，制作了符合MS COCO格式（microsoft common objects in context 2017， MS COCO 2017）的测报灯田间害虫数据集。结果显示，本研究提出的方法的F₁分数（F₁-score）达到了86.2%。当交并比（intersection over union ，IoU）为0.5时，其F₁-分数与经典Cascade R-CNN、Faster R-CNN和YOLOv4相比，分别提升了2.8、5.8和8.2个百分点。表明该方法满足测报灯害虫检测任务对判别能力和实时性的要求，实现了害虫的高精度自动识别与计数，可直接应用于田间害虫检测。

摘要:为解决水稻害虫体型小且不同类型害虫外观差异小、同类型害虫不同生长过程中外观差异大导致水稻害虫难以识别的问题，将卷积块注意力和特征金字塔模块引入图像识别网络YOLOv7。以湖北省鄂州市水稻种植基地为样本采集点，构建一个具有挑战性的大规模水稻虫害数据集；根据样本分布特点进行数据增强，引入随机噪声、Mixup、Cutout等数据增强方法，使深度学习模型从更深的维度学习害虫判别力视觉特征；将MobileNetv3作为主干网络，对YOLOv7网络进行改进，并构建基于特征金字塔的多尺度神经网络模型，提升小个体害虫的识别精度。试验结果显示，基于改进YOLOv7的水稻虫害检测平均准确率为85.46%，超越YOLOv7、EfficientNet-B0等网络。改进YOLOv7模型大小为20.6 M，检测速度为92.2 帧/s，检测速度是原始YOLOv7算法的5倍以上。结果表明，该方法能用于实现水稻虫害远程实时自动化识别。

摘要:为解决田间复杂环境下小样本黄瓜叶片病害识别中模型泛化能力差、识别准确率不高的问题，将自注意力机制模块引入激活重建生成对抗网络（activation reconstruction GAN，AR-GAN），采用Smooth L₁正则化作为损失函数，设计改进激活重建生成对抗网络IAR-GAN（improved AR-GAN）增广黄瓜叶片病害图像。通过在Inception网络基础上加入空洞卷积和形变卷积，设计空洞和形变卷积神经网络（dilated and deformable convolutional neural network，DDCNN）用于黄瓜叶片病害识别。试验结果显示，提出的IAR-GAN有效缓解了过拟合现象，丰富了生成样本的多样性；所提出的DDCNN对黄瓜炭疽病、斑靶病和霜霉病的平均识别准确率均达到96%以上，比Inception-V3模型提高了9个百分点。以上结果表明，本研究提出的数据增广方法和病害识别模型可为复杂环境下小样本的作物叶部病害的准确识别提供新思路。

摘要:为提高柑橘害虫识别精准度和防治效果，本研究构建包含10类对柑橘危害程度较重的害虫图像数据集，基于神经网络MobileNetV2与注意力机制ECA开发轻量化且高识别精度的ECA_MobileNetV2模型，并基于该模型开发一款边缘计算App。将ECA注意力机制嵌入MobileNetV2网络的反残差结构尾部，以增强原网络的跨通道信息交互能力，提升原网络的特征提取能力。测试结果显示，ECA_MobileNetV2模型对柑橘害虫的分类准确率达到93.63%，相比于MobileNetV2、GoogLeNet和ResNet18模型分别提高了1.68、1.44和2.40个百分点，而模型参数量、浮点运算数和模型大小分别为3.50×10⁶、328.06×10⁶和8.72 MB，复杂度仅略高于MobileNetV2，可以在手机上以边缘计算的形式运行。研究结果表明，本研究开发的智能识别工具能够对不同种类的柑橘害虫进行快速、有效的分类识别。

摘要:针对葡萄叶片类间相似度高导致的类内品种分类精度低的问题，构建一种改进的统计纹理残差学习网络（statistical texture residual learning network， STRLNet）的葡萄叶片分类方法。首先在ResNet50骨干网络的基础上添加SE注意力机制，然后构建底层信息的特征增强层，最后将增强后的底层特征与骨干网络提取的高层语义信息相融合，输出连接到用于存储分类特性的全连接层上。利用采集的11种成熟期葡萄叶片数据集进行训练测试，结果显示，STRLNet在提高网络空间性能的同时可充分利用底层特征信息，对构建的葡萄叶片数据集的分类准确率可以达到92.26%，相较于ResNet骨干网络提高了约2.8个百分点，与VGG16、Inception v4和ResNet等主流分类网络相比在葡萄叶片细粒度分类中具有更高的准确性。研究结果表明，在多品种的葡萄叶片分类任务中，改进后的模型相较于骨干网络可以关注到更多的特征信息，相较于主流分类网络模型可以获得更高的分类精度，模型性能得到进一步的提升。

摘要:为解决三维扫描仪、多视图数据获取的三维点云因缺少语义信息导致难以从点云上判别植株器官部位问题，提出一种二维先验语义嵌入的大豆植株叶片三维语义建模方法：首先，基于Mask R-CNN模型对大豆叶片进行语义分割；然后，对分割结果和多视图数据进行立体重建融合学习，实现大豆植株叶片二维语义到三维叶片点云迁移，获得植株叶片点云语义信息，进而建立植株叶片三维语义模型。通过多组盆栽大豆植株试验对该模型进行验证，提取叶长和叶宽与人工实测数据进行对比分析，叶长和叶宽均方误差分别为2.53 和1.52 mm，决定系数分别为0.97和0.89。结果表明，该方法能够便捷、精准地构建植株叶片三维语义模型。

摘要:为解决水稻叶片生物量反演模型普遍存在的泛用性与机理性较差的问题，利用无人机高光谱遥感平台获取水稻冠层400~1 000 nm的高光谱反射率信息，对PROSAIL模型进行参数敏感性分析，根据分析结果利用连续投影法提取敏感波段，在此基础上，结合PROSAIL作物辐射传输模型与水稻高光谱数据，运用秃鹰算法（BES）对PROSAIl模型的生物量参数进行数值优化，从而快速、精准实现水稻关键生育期的叶片生物量反演。结果显示：运用改进 Sobol方法对水稻叶片生物量进行全局敏感性分析，敏感区间为700~1 000 nm。对敏感区间内光谱利用连续投影法提取了750、788、898、940、962、999 nm等6个水稻叶片生物量特征波长。结合PROSAIL模型与BES优化算法，构建了PROSAIL-BES数值优化方法。以水稻特征波段光谱反射率为模型输入，通过PROSAIL-BES数值优化方法对PROSAIL模型参数进行校正，叶片生物量反演结果R²为0.694，RMSE为0.002。结果表明，与传统机器学习模型的反演结果对比，PROSAIL-BES数值优化方法具有更好的反演精度，在水稻生物量反演领域具有较好的实用价值和应用潜力。

摘要:为提高棉花叶绿素含量预测的准确性，利用连续小波分析和传统光谱变换对棉花叶片原始光谱进行分解和变换，以特征小波系数和光谱特征波段为自变量，并利用单变量、逐步回归和偏最小二乘法建立反演棉花叶片叶绿素含量的数学模型。结果显示，不同的光谱处理方法使得棉花叶片叶绿素和光谱反射率的相关性都有不同程度的提升，对于传统光谱变换，倒数对数一阶微分lg（1/R′）对棉花叶片叶绿素相关性提高了0.41。结果表明，连续小波分析在信息降噪和挖掘特征信息方面优于传统光谱模型，建立的模型RPD>2，具有很好的稳定性，对样本数据都具很好的预测能力。

摘要:为提高枣树种植过程中施用氮肥的精准性，本研究以南疆重要经济作物骏枣（Ziziphus jujuba Mill.）为研究对象，通过对枣树叶片原始光谱和一阶微分光谱与全氮含量的相关性进行分析，利用光谱敏感变量构建植被指数作为衍生变量，再以衍生变量作为变量建立多种线性和非线性的氮素含量预测模型，并对氮素含量预测模型进行精度检验。结果显示：基于枣树原始光谱和一阶微分光谱的模型拟合决定系数均大于0.75，原始光谱变量的预测效果整体好于一阶微分光谱；预测效果最好的是基于原始光谱变量4的幂函数模型：Nit =1.097x^0.735，R²为0.821，RMSE为0.024 5。研究表明，建立的氮素含量预测模型能够实现基于高光谱反射率特征对枣树氮素的较好监测效果，能够作为枣树营养素诊断的重要理论依据。

摘要:为探究作物种子品质性状无损检测方法，以100份水稻核心种质资源为试验材料，基于近红外高光谱相机采集水稻种粒的透射、反射光谱数据并提取光谱参数，水稻种粒脱壳后使用近红外谷物分析仪测定米粒品质；以水稻种粒光谱参数为自变量、米粒品质指标为因变量，建立米粒品质预测模型。结果显示，使用单一光谱建模时，透射光谱建模效果优于反射光谱建模效果；结合透射-反射特征光谱集合建模可使粗蛋白预测模型R²从0.74提高至0.91，可使直链淀粉预测模型R²从0.40提高至0.69，可使水分预测模型R²从0.53提高至0.68。结果表明，使用水稻种粒光谱参数可无损预测稻米品质，同时利用透射、反射光谱可提升建模效果。

摘要:为提高黄桃损伤程度无损检测识别的准确率，采集健康和不同损伤程度黄桃（Amygdalus persica）的反射光谱（R）、吸收光谱（A）、Kubelka-Munk光谱（K-M），并基于反射光谱、吸收光谱、Kubelka-Munk光谱等原始光谱和RAW、BOC、DT、SG、SNV等预处理方法后的光谱建立偏最小二乘判别分析（partial least squares discriminant analysis，PLS-DA）、极限梯度提升（extreme gradient boosting，XGBoost）和随机森林（random forest，RF）模型，比较3种模型检测效果，选出正确率较高模型并构建其特征波长下的模型，并对结果再次进行比较。结果显示，基于3种原始光谱和SG预处理后光谱的RF模型判别效果较优，整体准确率均达到了90.00%以上。利用竞争性自适应重加权（CARS）和无信息变量消除（UVE）算法对3种原始光谱和SG预处理后的光谱进行波长筛选，并再次建立RF模型。结果显示，A-RAW-CARS-RF模型和K-M-SG-CARS-RF模型相比于全光谱下的RF模型判别效果得到了改善，并且在基于特征波长建立的RF模型中，A-RAW-CARS-RF模型的判别效果最好，整体准确率达到了97.12%，对4个子类别的误判数分别为0、1、1、1。

摘要:为解决传统的种子活力检测方法存在耗时长、损伤种子等问题，实现种子活力的快速无损检测，分别利用机器学习和深度学习算法结合高光谱成像技术构建玉米种子3个活力梯度分类模型，通过人工老化方式将1 012粒玉米种子分为3个活力梯度样本，采集其高光谱数据后通过卷积平滑（SG）和多元散射校正（MSC）去除高光谱噪声，分别采用主成分分析（PCA）、连续投影算法（SPA）进行光谱特征降维，再从降维后的波段中抽取1 156、1 191和1 463 nm 3个波段合成假彩色图像，用局部二值模式（LBP）提取感兴趣区域的纹理特征，并与纯光谱特征融合。分别基于纯光谱特征构建决策树（DT）和支持向量机（SVM）模型和融合特征建立随机森林（RF）、SVM和极端梯度提升树（XGBoost）模型等机器学习模型。将假彩色图像输入ResNet18、MobileNetV2、DenseNet121、Efficientb0、Efficientb2等5个深度学习模型中进行玉米种子活力预测。结果显示，就机器学习方法而言，针对纯光谱特征表现最好的是PCA-SVM模型，其测试集准确率为92.5%；针对融合特征表现最好的是SVM模型，其测试集的分类准确率为 93.1%；就深度学习方法而言，轻量化的MobileNet取得最高的测试集分类准确率99.5%；基于可解释的梯度定位类别激活映射方法表明，分类网络会重点关注玉米种子的中部或基部区域。

摘要:针对现有生物被膜检测方法耗时、费力、低效的问题，以大肠杆菌、金黄色葡萄球菌、沙门氏菌为例，研究荧光高光谱技术对不同细菌生物被膜进行种类识别和成膜能力评价的可行性。采集细菌生物被膜样本荧光高光谱图像，并基于5种方法预处理后的光谱数据建立支持向量机分类（support vector classification machine，SVC）和偏最小二乘判别分析（partial least squares discriminant analysis model，PLS-DA）细菌被膜分类检测模型。利用连续投影算法（successive projections algorithm，SPA）、竞争性自适应重加权算法（competitive adaptive reweighted sampling，CARS）分别提取特征波长并建立相应简化模型。结果显示：细菌生物被膜种类识别全波长和特征波长模型中SVC性能均优于PLS-DA，最优模型为None-SPA-SVC，校正集和预测集分类准确率均为96.67%。在细菌生物被膜成膜能力的全波长模型分类判别中， SVC算法整体上分类准确率优于PLS-DA；对于简化模型，最优模型为SPA-SVC，校正集和预测集分类准确率分别为100.00%和96.67%。研究结果表明，高光谱技术可以对细菌生物被膜种类及生物被膜的成膜能力进行有效、快速、准确地分类。

摘要:为解决农业社会化服务平台下植保无人机“单基站-多无人机”模式任务分配调度的精细化匹配问题，建立了任务分配调度的两阶段混合整数规划模型。首先，引入了考虑温度影响下的农药药效可变时间窗、植保无人机农田中飞行模式选择、变动耗电速率等农业参数变量，在快速精准解决农户分散的植保需求条件下，求解出植保无人机任务分配调度的成本最小化目标；然后在保证其他参数不变的情况下，分别改变植保无人机的电池额定续航时间、农田中的飞行模式、温度对应的最佳药效可变时间窗和需求大小4个参数，研究了植保成本的改进情况。结果显示，各植保无人机搭载续航时间长的电池、在农田中选择长边转弯栅格形飞行、选用发挥最佳药效温度范围大的农药种类和提高单位时段平台服务量上限策略，分别可以降低40.02%、12.45%、21.17%和39.19%的植保成本。以上结果表明，引入了具体农业生产要素的混合整数规划的模型科学有效，更适用于农服平台的植保无人机任务分配调度。

摘要:为解决油菜直播机组无人播种作业过程中田间播种质量信息难以实时直观展示的问题，本研究以雷沃804拖拉机及其搭载的2BYQ-8型气送式油菜直播机为试验平台，设计一套油菜直播机组无人播种作业远程监测系统。该系统由油菜直播机组无人播种作业平台、无人播种作业数据采集系统和播种质量监测云平台三部分构成，通过对雷沃804拖拉机档位、离合、动力输出装置（power take off，PTO）、悬挂机构进行电控液压改装，设计相应控制策略实现直播机组的无人播种作业；利用车载路由器组建播种监测终端和车载计算机之间的局域网，实现对播种数据与导航数据的融合同步，并通过网络连接传输给云平台进行数据存储与实时展示；云平台计算播种质量数据及其对应的田间位置数据，基于网页端高精度地图生成田间作业区域的播种状态图。结果显示，直播机组无人播种作业段横向平均偏差0.037 m，最大偏差0.125 m，电控液压改装系统运行稳定、可靠，满足直播机组无人作业要求，4G网络条件下，云平台通信最大数据传输时延不超过100 ms，云存储数据完整无遗漏，各播种通道田间播量检测准确率不低于96.16%，满足远程监测系统实时性和准确性要求。研究表明，该系统可实现油菜直播机组的田间无人播种作业和对作业区域播种信息的精确采集与直观展示。

摘要:为解决昆虫数据集数据分布不均衡导致识别模型在数据量少的尾部类别的识别性能差的问题，提出1种融合数据合成的卷积识别网络模型（synthetic samples combined model，SSCM），该模型包含图像分割与重组模块、主干网络模块和数据纠正分支模块等3个模块。通过图像分割与重组模块对训练的图片进行分割并重组，得到新的训练数据并加入训练集；再使用ResNet-50作为网络主干提取图片的特征，同时数据纠正分支模块采用均方误差与交叉熵计算合成图像与原图像之间的误差，以减少合成图像对尾部数据的不利影响。构建包含300个蝴蝶类别共26 045张图片的数据集验证模型性能，结果显示，SSCM模型在该数据集上的准确率较DRC、BBN、RIDE等主流长尾目标识别模型分别高3、2.14、2.71个百分点。采用公开昆虫数据集IP102进一步验证SSCM算法的有效性，结果显示，SSCM模型准确率比DRC、BBN、RIDE等模型分别高18.94、3.02、3.36个百分点。

摘要:为构建基于农业时空大数据的管理系统，实现田间养分精细化管理，提出了一种面向精准施肥的农业时空多模态知识图谱的构建及其控制与决策方法。通过基于深度学习的子图匹配方法，将地块待查询图和农业时空多模态知识图谱中的节点和关系嵌入表示；利用向量相似度计算获取候选子图，并从存储历史数据信息的子图中获取适合查询地块的施肥模型数据。结果显示，基于实例化后的待施肥地块查询图，在农业时空多模态知识图谱中可获取与给定地块查询图同构的子图，并从存储历史决策信息的子图中，获得适合当前地块的农业施肥模型。结果表明，基于农业时空多模态知识图谱的农业模型自动化选择结果可为精准施肥任务提供新思路和决策支撑。