科研产出
基于紫外-可见光谱与深度学习CNN算法的水质COD预测模型研究
《光谱学与光谱分析 》 2020 EI 北大核心 CSCD
摘要：水是生命之源,作为人类生活的必需品,水质的优劣直接关系到人们的健康生活.目前,关于水质COD在线检测方法的研究主要集中在光谱数据预处理和光谱特征提取,而针对光谱数据建模方法的研究较少.卷积神经网络(CNN)作为目前深度学习领域应用最广泛的网络模型,具有强大的特征提取和特征映射能力,本文将CNN与紫外-可见光谱分析法相结合,建立了基于CNN的水质COD紫外-可见光谱预测模型.模型使用Savitzky-Golay平滑滤波方法去除光谱噪声,光谱输入卷积层提取光谱数据特征、池化层降维、全连接层映射全局特征,通过ReLU和Adam优化方法,从而得到模型的预测值.通过实验发现,CNN模型具有较强的水质COD预测能力,具有较高的预测精度和回归拟合优度,通过与BP,PCA-BP,PLSR和RF等模型比较后发现,CNN模型的预测样本的RMSEP和MAE最小,R2最大,模型拟合效果最优.在与训练样本的模型效果评价对比后发现,模型具有较强的泛化能力.针对吸收光谱的波峰偏移对预测结果所造成的预测结果不准确的问题,作者还提出了一种基于CNN的分类回归模型卷积神经网络增强模型(CNNs),去噪后的光谱数据通过CNN分类模型按照吸收波峰的不同特征分为三类,分别输入对应CNN回归模型进行预测.实验结果表明,分段式CNNs模型比整体式CNN模型的拟合效果更好,预测精度更高,R2达到0.9991,测试样本的MAE和RMSEP分别为2.3143和3.8745,比CNN分别下降了25.9% 和21.33%,效果显著.通过对预测模型的性能测试,计算得出检出限为0.28 mg·L-1,测量范围为2.8~500 mg·L-1.本文创新的将卷积神经网络与光谱分析方法相结合,为光谱分析方法在水质COD吸收光谱建模的应用开拓了新思路.
关键词： 紫外-可见光谱 卷积神经网络 化学需氧量 预测模型
全文链接
请求原文
基于CNN-GRU的菇房多点温湿度预测方法研究
《农业机械学报 》 2020 EI 北大核心 CSCD
摘要：有效获取温室出菇房的温湿度空间分布对于优化食用菌环境胁迫、病害预警、出菇房预调控至关重要,但传统的单点预测不能很好地满足菇房整体环境性能评估的需求.针对出菇房内温湿度时序性、非线性、空间分布差异性的特点,提出一种基于卷积神经网络(CNN)与门控循环单元神经网络(GRU)相结合的菇房多点温湿度预测方法.将温室室外历史气象数据、温室室内历史小气候环境数据、多点环境分布特征、通风信息和加湿信息多特征数据按照时间序列构造二维矩阵作为输入,采用CNN挖掘数据中蕴含的有效信息,提取反映温室环境数据相互联系的高维特征,将提取的特征向量构造为时间序列输入GRU网络进行多点温湿度预测.将该预测方法应用于北京市农林科学院的日光温室出菇房内多点温湿度预测,实验结果表明,该预测方法对于出菇房内各点温度RMSE平均值为0.211℃,MAE平均值为0.140℃,误差控制在±0.5℃范围内的平均比例为97.57%;对于出菇房内各点相对湿度RMSE平均值为2.731%,MAE平均值为1.713%,误差控制在±5%范围内的平均比例为92.62%;相比传统的BP神经网络、长短期记忆神经网络(LSTM)和门控循环单元神经网络(GRU),该预测方法具有更高的预测精度.
关键词： 温室出菇房 环境分布 温湿度预测 卷积神经网络 门控循环单元神经网络
全文链接
请求原文
茉莉酸甲酯结合低温预贮对尖椒采后品质及生理特性的影响
《食品科学 》 2020 EI 北大核心 CSCD
摘要：为探究茉莉酸甲酯(methyl jasmonate,MeJA)结合低温预贮(low temperature conditioning,LTC)对采后尖椒果实生理生化指标的影响,本实验以‘金英达’尖椒为实验材料,将其置于5μmol/L MeJA溶液中浸泡10 min,晾干后置于10℃贮藏2 d后,转入4℃库中贮藏(MeJA+LTC复合处理组),以清水替代MeJA溶液作为LTC处理组,测定贮藏期间尖椒冷害指数、叶绿素含量、VC含量、丙二醛含量、抗氧化酶活力和基因表达量。结果显示:与4℃冷库贮藏和LTC单独处理的尖椒相比,MeJA结合LTC处理可以有效抑制尖椒冷害的发生,延缓尖椒果实叶绿素和VC含量的降低,减缓尖椒丙二醛的积累,保持细胞的完整性,同时提高了贮藏期间尖椒过氧化物酶、过氧化氢酶和抗坏血酸过氧化物酶活性和基因表达量的表达。以上结果表明:经过MeJA结合LTC处理可以降低尖椒在贮藏期间冷害的发生,保持其贮藏品质,可以有效延长尖椒的货架期,为尖椒贮藏保鲜技术的应用提供理论依据。
全文链接
请求原文
基于超声波传感器的小麦追肥精准评估系统研究
《农业机械学报 》 2020 EI 北大核心 CSCD
摘要：针对小麦追肥作业过程中开沟器易损苗伤根、追肥位置准确性无法评估的问题,基于超声波传感器设计了小麦追肥精准评估系统,提出一种基于超声波传感器阵列交叉探测小麦追肥行的方法,实时评估追肥机具作业精度.系统由作业轨迹检测部分、数据采集部分和数据分析评估部分组成,依靠安装在追肥机具上的超声波传感器交叉扫描小麦追肥行,检测追肥机具作业轨迹.采集器实时采集超声波传感器数据,记录追肥机具作业轨迹,采用阈值滤波算法对异常数据进行筛选和剔除,利用卡尔曼滤波算法最优估计当前时刻电压,根据目标电压和最优估计电压计算追肥机具偏移距离,进行追肥机具作业精度评估.田间试验结果表明:追肥机具作业速度为3~4 km/h时,评估系统能够准确检测出追肥机具作业精度,偏移误判率为9%,最大误差距离为3.15 cm,误差距离在2 cm之内的占比超过90%,标准差均值为2.10 cm,与实际作业情况相符.本评估系统可以实现在小麦追肥作业过程中,实时对追肥机具作业精度量化评估,为小麦精准对行追肥作业精度评价提供了一种新的测量手段.
全文链接
请求原文
黄淮海地区县域粮食生产空间分异格局及其影响因素探测
《北京大学学报(自然科学版) 》 2020 EI 北大核心 CSCD
摘要：基于累积分布函数和空间自相关分析方法,系统地分析2015年黄淮海地区县域粮食产量的空间集聚特征,并借助地理探测器分析18个因子对黄淮海地区及不同类型县域粮食产量的影响及其交互作用,提炼出主导因素,得到如下结果。黄淮海地区县域粮食产量呈现"低值集聚、高值离散"的特征,并在空间上呈现显著的同质集聚性。其中,显著高值集聚区主要分布在豫东南、皖北和苏北地区,显著低值集聚区主要分布在京津冀地区和山东临海县域。综合考虑空间约束和粮食产量分布差异,将黄淮海地区分为粮食高产区、中高产区、中低产区和低产区4个类型区。18个因子对黄淮海地区县域粮食产量的影响不一,主要表现为双因子增强型和非线性增强型。其中,高产区的主导因素为第一产业增加值、化肥施用量(折纯)和农业机械总动力,属于社会经济及要素投入作用型;中高产区的主导因素为耕地面积、区域人口、第一产业增加值和农业机械总动力,表现为综合作用型;中低产区的主导因素为耕地面积和化肥施用量(折纯),表现为地理环境及要素投入作用型;低产区的主导因素为植被指数、耕地面积、第一产业增加值、化肥施用量(折纯)和农业机械总动力,表现为综合作用型。针对不同区域的研究结果,提出不同的粮食增产增收策略建议。
全文链接
请求原文
P(AA-AM)/SiO2复合保水材料的制备及其在保水缓释肥中应用
《农业工程学报 》 2020 EI 北大核心 CSCD
摘要：开发具有保水缓释双重功能的新型肥料,对于提高水肥利用效率和保障农业可持续发展具有重要意义.该研究探索了纳米二氧化硅(SiO2)对提升保水材料吸水率及改善保水缓释肥性能的效果,采用丙烯酸(AA)和丙烯酰胺(AM)为原料,首先通过水溶液原位聚合法制备了P(AA-AM)/SiO2复合保水材料,然后采用双层包膜工艺制备了保水缓释肥,在合成保水材料时,丙烯酸和丙烯酰胺的质量比为3.5∶1,引发剂(过硫酸钾和亚硫酸钠)、交联剂(N,N-亚甲基双丙烯酰胺)、增塑剂(丙三醇)和纳米SiO2分别为单体质量的1%、0.04%、15%和2%.保水缓释肥采用转鼓包膜工艺制备,内包膜层为聚氨酯,占肥料核芯的3%,外包膜层为P(AA-AM)/SiO2复合保水材料,占肥料核芯的24%.保水材料的形貌结构和热稳定性用傅里叶红外光谱(Fourier transform infrared spectroscopy,FTIR)、扫描电镜(Scanning electron microscopy,SEM)和热重(Thermogravimetry,TG)表征,保水材料的吸水率用过滤法测定;采用土壤培养研究保水缓释肥的保水和持水性能,保水缓释肥的缓释性能用水浸泡法研究.结果发现:纳米SiO2能较好地分散于基体P(AA-AM)保水材料中,与P(AA-AM)保水材料相比,添加纳米SiO2的复合保水材料在去离子水和0.9%Na Cl水溶液中的吸水率分别提高152%和87%,而且热稳定性显著提高;SEM和FTIR结果表明,纳米SiO2能较好地分散于P(AA-AM)保水材料中,SiO2表面含有的硅羟基增加了保水材料的交联密度.相比没有保水层的缓释肥,复合保水缓释肥的土壤持水率和保水率(培养25 d后)分别提高了25.5%和47.2%,肥料释放期由60 d增加到72 d.综上所述,纳米SiO2显著提高了保水材料的吸水率,以此制备的复合保水缓释肥具有优异的保水和缓释能力,该研究为研发高效肥料、提高水肥利用效率提供了新思路.
关键词： 肥料 吸水率 保水材料 2','','VKw mmd2Bm785zEqtxA54JMLNlVfRBxdjG9mvc4UCcwKEY mmd2BLjbyjNGs8nYw==') >SiO2 保水缓释肥 释放期
全文链接
请求原文
小麦种行肥行精准拟合变量施肥控制系统研究
《农业机械学报 》 2019 EI 北大核心 CSCD
摘要：针对黄淮海地区化肥施用过量和肥料利用率低的问题,基于GNSS拖拉机自动导航技术和液压控制技术,提出一种小麦种行、肥行精准拟合的新模式,设计了一种小麦种肥精准拟合变量施肥控制系统.通过安装在拖拉机上的自动导航系统进行施肥作业,记录导航线和施肥作业轨迹,根据机具幅宽和肥(种)管位置分布,对施肥导航线进行平移,从而完成导航播种作业,同时记录播种导航线和播种作业轨迹,实现种行、肥行精准对行作业.小麦种行、肥行精准拟合变量施肥控制系统可以根据用户设置的目标施肥量,实时计算液压电动机目标转速,同步将目标转速指令发送给施肥控制器,控制器根据光电编码器反馈的电动机转速信号,调节电液比例阀开度,进而驱动液压电动机带动排肥执行机构进行排肥,实现液压电动机转速的闭环控制,一次完成带施、旋耕、深层条施的同步变量施用.田间试验结果表明,种、肥精准对行误差最大为6 cm,误差在3 cm以内占90%以上,完全满足黄淮海地区宽窄行种植模式下的作业需求;浅层排肥量最大误差为2. 70%,变异系数最大为0. 05;深层排肥量最大误差为7. 95%,变异系数最大为0. 08,完全满足田间试验需要.田间试验设置常规施量、减量12%施肥二水平三重复,测产结果表明,与常规施肥3 900 kg/hm2的产量相比,减量12%施肥的产量达到3 945 kg/hm2.
全文链接
请求原文
表征冬小麦倒伏强度敏感冠层结构参数筛选及光谱诊断模型
《农业工程学报 》 2019 EI 北大核心 CSCD
摘要：针对倒伏胁迫下冬小麦冠层结构变化规律不清、冠层光谱响应机理不明的问题,以灌浆期倒伏冬小麦为研究对象,分析不同倒伏强度下冬小麦冠层结构参数变化规律,通过光谱探测视场内的茎、叶、穗面积比率与倒伏角度的相关性分析,筛选出表征倒伏强度的敏感冠层结构参数,采用传统光谱变换方法与连续小波变换方法对倒伏冬小麦冠层高光谱数据进行处理分析,筛选冠层结构参数的敏感波段和小波系数,采用偏最小二乘法构建冠层结构参数与高光谱特征参量的响应模型,并利用野外实测样本验证模型精度(建模集样本28个,验证集样本13个)。研究结果表明:倒伏后的冬小麦茎叶比与倒伏角度的相关性最高(-0.687,P<0.01),能较好地表征冬小麦倒伏强度,且茎叶比随着倒伏角度的减小而增加;基于连续小波变换的冬小麦倒伏灾情诊断模型优于常规光谱变换方法,检验样本的决定系数为0.632(P<0.01);以冠层茎叶比预测结果进行倒伏灾情等级划分的精度可达84.6%。因此,不同倒伏强度的冠层茎叶比与冬小麦冠层光谱之间的响应规律可以有效区分倒伏灾情等级,有助于为区域尺度的冬小麦倒伏灾情遥感监测提供先验知识。
关键词： 作物 灾害 预测 倒伏 冬小麦 高光谱 茎叶比 连续小波变换
全文链接
请求原文
无人机影像光谱和纹理融合信息估算马铃薯叶片叶绿素含量
《农业工程学报 》 2019 EI 北大核心 CSCD
摘要：利用无人机平台搭载多光谱传感器在农业监测上已经有一些应用,但是利用无人机多光谱影像估算作物叶绿素含量的研究较少,特别是融合无人机多光谱影像光谱信息和纹理信息估算马铃薯叶绿素含量的研究更是罕见.基于此,该文利用2018年北京小汤山基地马铃薯各个典型生育期的无人机多光谱影像及实测的叶绿素含量数据,首先提取多光谱影像植被指数和纹理特征等变量,然后分析其与叶绿素含量相关性,筛选出较优特征变量,并开展基于调整R2和K折交叉验证的全子集分析估算马铃薯叶绿素含量.最后将植被指数与纹理特征通过主成分融合构建一种新的综合指标估算叶绿素含量.研究发现:1)多光谱植被指数和纹理特征估算叶绿素含量模型,K折交叉验证均优于调整R2;2)整个生育期,综合指标模型决定系数比植被指数模型、纹理特征模型均有提升,且标准均方根误差均降低.综合指标估算模型较优,多光谱植被指数模型次之,纹理特征模型较差.该研究可为马铃薯生长营养监测提供一种可行的方法,对马铃薯的栽培种植管理具有指导意义.
关键词： 无人机 农作物 遥感 马铃薯 叶绿素含量 多光谱 纹理特征 最优子集分析
全文链接
请求原文
