科研产出
桃品质的无损检测技术研究进展
《食品科学 》 2022 EI 北大核心 CSCD
摘要：桃果实营养物质丰富，是消费者青睐的水果之一。但桃在生长、采摘和贮藏过程中易受到损害而导致品质下降，严重影响桃的经济价值，因此桃品质检测技术对于保障果实商业价值具有至关重要的作用。传统的检测方法具有耗时长、成本高、对样品有破坏性等缺点，而基于声学特性、力学特性、介电特性、光学特性和电子鼻的无损检测方法，特别是基于光学特性的检测方法，因其无损、快速、准确的优势而发展迅速，目前在桃果实内外部品质检测中得到广泛的应用，然而目前对其优缺点及今后的发展方向缺乏系统总结。本文综述应用上述无损检测技术，尤其是基于光学特性和电子鼻的无损检测方法，评估桃果实外部品质（大小、形状、色泽、香气、表面缺陷）和内部品质（品种、糖度、可滴定酸含量、硬度、冷害、虫害等）的最新研究进展，总结分析了其在桃品质检测中存在的问题，并对桃品质无损检测研究方向进行展望，以期为桃品质无损检测技术的研究提供参考。
全文链接
请求原文
基坑排水对城市内河水体溶解性有机质的影响研究
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：工程施工时基坑排水是保障基坑安全的必要措施,排出水进入城市内河,对内河及下游水生态安全产生影响.该研究采集哈尔滨市何家沟欧亚之窗公园段建筑工程施工过程中基坑排出水(W 1)、排水口上游100 m处(W2)、排水口处(W3)、排水口下游50 m处(W4)、排水口下游100 m处(W5)、排水口下游200 m处(W6)的水体样品,应用三维荧光光谱-平行因子分析方法,测定溶解性有机质(DOM)的荧光光谱特征,分析DOM的组成和来源,探究基坑排水对城市内河水体环境的影响.结果表明:内河水体腐殖化指数(HIX)在0.337~0.381范围内,腐殖化程度低,W1,W3~W6的HIX差异不显著,均显著低于W2,说明排水进一步降低了内河水体腐殖化程度.荧光指数(FI370)介于2.330~2.900范围内,生物指数(BIX)在0.897~1.140范围内,W1和W2的FI370和BIX均显著高于W3~W6,两者具有极强的自生源特征,说明排水使下游水体自生源特征降低.水体样品DOM中共识别出2类4种有机组分:可见类富里酸组分(C1)、类色氨酸组分(C2)、紫外类富里酸组分(C3)和类酪氨酸组分(C4),即类富里酸物质(C1、C3)和类蛋白物质(C2、C4),两者间成负相关关系.FI370与4种有机组分间均呈极显著的相关性,说明DOM组成简单.W2具有相对较高的DOM浓度,而排水口下游水体DOM浓度低,基本保持稳定.类蛋白物质在上游水体中占有相对较高的比重,在W4中,4种有机组分相对比重差异不显著,W5和W6类富里酸物质的相对比重有升高趋势,同样说明基坑排水导致内河水体自生源特征降低.除pH值升高外,下游水体样品溶解氧(DO)、总氮、总磷等理化指标含量均降低,pH值与类富里酸物质呈正相关,与类蛋白物质呈负相关,而DO、化学需氧量及水体养分指标与之相反.水体DOM有机组分与理化指标的相关性不同,可直接或间接影响DOM组成.因此,工程施工基坑排水可降低城市内河水体DOM浓度,改变了水体DOM组成.
全文链接
请求原文
基于LightGBM-SSA-ELM的新疆羊舍CO_2浓度预测
《农业机械学报 》 2022 EI 北大核心 CSCD
摘要：为减少肉羊集约化养殖过程中因环境恶化产生的应激反应,精准调控CO_2质量浓度,提出了基于分布式梯度提升框架(LightGBM)、麻雀搜索算法(SSA)融合极限学习机(ELM)的CO_2质量浓度预测模型。首先利用LightGBM筛选出与CO_2质量浓度相关的重要特征,降低预测模型的输入维度;然后选择Sigmoid为激活函数,使用具有较强非线性处理能力的单隐含层ELM神经网络算法构建CO_2质量浓度预测模型;最后通过麻雀智能优化算法对ELM模型中所需要的超参数进行优化,并将优化后模型应用于新疆玛纳斯集约化肉羊养殖基地。试验结果表明,该模型预测均方根误差(RMSE)、平均绝对误差(MAE)和决定系数(R~2)分别为0.021 3 mg/L、0.013 6 mg/L和0.988 6,综合性能指标优于支持向量回归(SVR)、反向传播神经网络(BPNN)、长短记忆神经网络(LSTM)、门限循环单元(GRU)和LightGBM等;CO_2质量浓度预测曲线贴近真实曲线,具有良好的预测效果,能有效满足集约化肉羊养殖过程中CO_2质量浓度精准预测及调控要求。
关键词： 羊舍 集约化养殖 CO_2质量浓度预测 极限学习机 麻雀搜索算法 分布式梯度提升框架
全文链接
请求原文
基于欧氏聚类的三维激光点云田间障碍物检测方法
《农业机械学报 》 2022 EI 北大核心 CSCD
摘要：为满足目前农业机械(简称农机)自动驾驶中农田障碍物检测的需求,提出了一种使用三维激光雷达检测田间障碍物的方法。该方法首先对采集的环境点云进行预处理,采用体素栅格下采样滤波,将稠密的点云在不损失特征信息的情况下进行减量;采用三维长方体对角点划定感兴趣区域以便快速计算;采用随机采样一致性(RANSAC)算法检测出农田地面点云,将地面点云与地面上障碍物点云进行分割。然后对地面上障碍物点云基于K维树(K-d tree)进行欧氏聚类,其中聚类的距离阈值为0.6 m。最后判断聚类的点数量和外接长方体体积,过滤掉点数和体积过大或过小的无效聚类从而得出障碍物。应用32线激光雷达在北京市小汤山国家精准农业示范基地采集田间环境点云,分别对田间机具、草堆、田埂、地头矮房、路边树木和田间行人进行检测,结果表明该方法对田间常见障碍物有较好的检测效果。考虑到人是田间行车安全的重要因素,在田间进行了行人横穿于雷达视野前方且与雷达距离分别为5、10、15、20、25、30 m时算法的检测效果试验,试验结果表明田间行人在30 m内平均检出率为96.11%。该方法可用于大田环境下障碍物的检测,为农机自主行走过程中的避障策略研究提供了基础。
关键词： 农田障碍物检测 三维激光雷达 欧氏聚类 随机采样一致性 K维树
全文链接
请求原文
基于BERT-Attention-DenseBiGRU的农业问答社区问句相似度匹配
《农业机械学报 》 2022 EI 北大核心 CSCD
摘要：为了解决问答社区中相同语义问句文本的快速自动检测,提出一种基于BERT的Attention-DenseBiGRU农业问句相似度匹配模型。针对农业文本具备的特征,采用12层的中文BERT文本预训练模型对文本数据进行向量化处理,并与Word2Vec、Glove、TF-IDF方法进行对比分析,得出BERT方法能够有效地解决农业文本的高维性和稀疏性问题,并且解决多义词在不同语境下具有不同含义的问题。该网络的每一层都使用注意特征的连接信息以及前面所有递归层的隐藏特征,为了缓解由于密集拼接而导致特征向量尺寸不断增大的问题,在模型的最后使用自动编码器进行特征降维。试验结果表明:基于BERT的Attention-DenseBiGRU农业问句相似度匹配模型可以提高文本特征的利用率,减少特征丢失,能够实现快速及准确的农业问句文本相似度匹配,在本文所构建的农业问句相似对数据集上精确率及F1值达到97.2%和97.6%,与其他6种问句相似度匹配模型相比,效果提升明显。
关键词： 问答社区 农业问句相似度匹配 自然语言处理 密集连接BiGRU 协同注意力机制
全文链接
请求原文
大田土壤电导率快速检测系统设计与试验
《农业机械学报 》 2022 EI 北大核心 CSCD
摘要：为评价土壤肥力、生产能力及制作精准施肥处方,基于四端法原理设计了一种车载式大田土壤电导率快速检测系统,系统包括交流恒流信号源、信号检测调理电路及GNSS定位系统,可实现土壤田块不同区域内电导率的快速检测.通过试验探究土壤含水率、土壤浸出液电导率、电极入土深度、土壤温度对电极输出信号的影响规律并根据试验结果回归得出预测模型,模型决定系数R2为0.996 1.将系统安装到土壤电导率检测装置上进行大田试验,基于回归预测模型对系统检测数据进行计算,并与实验室土壤采样检测的实际值进行比较,试验结果表明,实验室建立的回归模型可用于大田土壤浸出液电导率计算,该系统在相同或相近路径上得到的传感器数据较为稳定,土壤浸出液电导率预测值与该区域系统检测值趋势相似,该系统预测模型可用于大田中快速实时检测电导率.
关键词： 土壤;电导率;四端法;快速检测;变量施肥
全文链接
请求原文
基于BERT的多特征融合农业命名实体识别
《农业工程学报 》 2022 EI 北大核心 CSCD
摘要：命名实体识别是农业文本信息抽取的重要环节,针对实体识别过程中局部上下文特征缺失、字向量表征单一、罕见实体识别率低等问题,提出一种融合BERT(Bidirectional Encoder Representations from Transformers,转换器的双向编码器表征量)字级特征与外部词典特征的命名实体识别方法.通过BERT预训练模型,融合左右两侧语境信息,增强字的语义表示,缓解一词多义的问题;自建农业领域词典,引入双向最大匹配策略,获取分布式词典特征表示,提高模型对罕见或未知实体的识别准确率;利用双向长短时记忆(Bi-directional Long-short Term Memory,BiLSTM)网络获取序列特征矩阵,并通过条件随机场(Conditional Random Field,CRF)模型生成全局最优序列.结合领域专家知识,构建农业语料集,包含5295条标注语料,5类农业实体.模型在语料集上准确率为94.84%、召回率为95.23%、F1值为95.03%.研究结果表明,该方法能够有效识别农业领域命名实体,识别精准度优于其他模型,具有明显的优势.
关键词： 农业;命名实体识别;文本;BERT;词典特征;BiLSTM
全文链接
请求原文
高光谱成像的煤与矸石分类
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：煤与矸石分选是煤矿生产的必要工序,现有的人工分选与机械分选,存在效率低,易造成资源浪费以及环境污染等问题.鉴于可见/近红外高光谱成像具有分析速度快、样品无需预处理、无污染等诸多优势,旨在探讨基于可见/近红外高光谱成像对黑色背景下块状煤与矸石准确分类的可行性,并基于特征波长筛选算法简化模型,为构建多光谱煤与矸石分选系统提供理论参考.首先,搭建高光谱成像系统并采集山西西铭矿的85个煤样本与83个矸石样本在400~1000 nm(Vis/NIR)与1000~2500 nm(NIR)两个范围内的高光谱图像,基于图像处理方法去除背景信息,选取Vis/NIR范围内100×100像素和NIR范围内50×50像素区域内的平均光谱作为该样本在对应波段范围的一条光谱,重复10次,最终在两个波段各获得煤与矸石光谱850条和830条.其次,对光谱先后进行Savitzky-Golay卷积平滑和标准正态变量变换,以减少噪音和误差对光谱的影响.基于全波段光谱建立支持向量机(SVM),k近邻法(KNN),偏最小二乘判别分析(PLS-DA)三种模型,每个模型针对预测集的分类准确度均大于0.95,结果表明,基于煤和矸石的光谱信息可将二者区分.随后根据竞争性自适应重加权算法(CARS)和连续投影算法(SPA)选择的特征波长建立简化模型,综合考虑精度与成本等因素,在Vis/NIR范围内基于SPA筛选的3个特征波长所建立的SVM模型效果最好,不仅能有效减少波长数量,还能提高模型的分类效果,对应的灵敏度,特异度,准确度分别为1,0.9652,0.9833.基于判别模型与样本的平均光谱还可实现煤和矸石的分类可视化.研究结果对开发基于特征波长的低成本煤和矸石多光谱分选系统,实现煤矸快速、准确的无损检测具有借鉴意义.
关键词： 高光谱成像;煤;矸石;黑色背景;无损检测
全文链接
请求原文
基于SPA-SSA-BP的小麦秸秆含水率检测模型
《农业机械学报 》 2022 EI 北大核心 CSCD
摘要：为提高基于电容法的小麦秸秆含水率检测模型的检测精度,扩大含水率检测范围,提高模型适应性,本文以小麦秸秆为研究对象,使用LCR数字电桥,测量含水率为10.43% ~25.89%的秸秆在频率0.05 ~ 100 kHz、容积密度90.03 ~179.42 kg/m3和温度25 ~40℃内的电容,利用连续投影法(Successive projections algorithm,SPA)和主成分分析法(Principal component analysis,PCA)对原始数据进行预处理,提取特征频率,选用反向传播神经网络(Back propagation neural network,BPNN)在全频率及2个特征频率下分别建立秸秆含水率、容积密度、温度的定量分析模型,引入麻雀搜索算法(Sparrow search algorithm,SSA)优化反向传播神经网络模型.试验结果表明,基于全频率构建的模型较基于SPA算法构建的模型预测效果略好,综合考虑模型复杂度和预测性能,本研究选用基于SPA算法结合SSA算法优化后的BP神经网络模型(SPA-SSA-BP)作为小麦秸秆含水率的检测模型,其预测集R2p、RMSEP和RPDP分别为0.9832、0.00550和7.715.利用该模型对13个含水率为10.62% ~ 25.59%的秸秆样本进行预测,含水率预测结果的相对误差为-5.27% ~5.52%,其中96.8%的预测误差在±5%以内.由此说明,模型具有较高的准确性和较好的鲁棒性.
全文链接
请求原文
基于多维随机森林的番茄灰霉病高光谱图像早期检测
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：植物病害的自动早期检测对于作物精确保护至关重要.提出了一种基于多维光谱序列(multi-di-mensional spectral series,MDSS)和加权随机森林(weighted random forest,WRF)的番茄灰霉病早期诊断与鉴别方法.目的是利用叶片多个观测维度的光谱曲线整体变化趋势建立作物病害检测模型,以期在肉眼明显可见叶面病斑前对作物病害实现诊断.将健康叶片接种灰霉病菌第3天作为叶片成功染病第1天.试验首先采集番茄健康叶片和染病叶片7天内每天的高光谱图像,提取感兴趣区域并计算平均光谱作为初始光谱数据,经筛选共得到(156×7)组有效样本.将样本数据按时间顺序拆分成分别包含1~7个维度的光谱数据形成多维原始光谱序列,为增加维度间差异性,相邻原始光谱序列相减构成多维关联光谱序列.分别采用符号聚合近似估计(symbolic aggregate approximation,SAX)和符号傅里叶近似估计(symbolic Fourier approxi-mation,SFA)两种符号化方法将光谱序列离散成局部辨别性特征.基于多维光谱序列的局部辨别性特征建立加权随机森林(MDSS-SAX-SFA-WRF)分类模型,实现病害早期检测.相应地,基于单维光谱序列(single-dimensional spectral series,SDSS)的番茄灰霉病识别模型被作为基准模型与MDSS-SAX-SFA-WRF模型比较.试验结果显示,MDSS-SAX-SFA-WRF检测模型在包含2至7个光谱序列维度的56个测试样本数据中均获得90% 以上识别准确率,在包含5个光谱序列维度测试集中得到最高99% 的识别准确率,较SDSS-SAX-SFA-MRF检测模型在染病第5天的识别率高8.2个百分点.另外受随机干扰的影响,SDSS-SAX-SFA-MRF模型准确率在染病5~7 d出现大幅度回落至最低84%,MDSS-SAX-SFA-WRF模型识别率在肉眼可见病斑阶段依然保持超过98% 的较高检测水准,未过度回落.因此,提出的基于多维光谱曲线整体变化趋势和加权随机森林(MDSS-SAX-SFA-WRF)的分类模型能够有效实现番茄灰霉病早期检测,并具有较强的鲁棒性,为染病初期的番茄灰霉病鉴别提供新思路.
关键词： 早期病害识别 高光谱成像技术 番茄灰霉病 随机森林 多维时间序列
全文链接
请求原文
