科技文摘

20190101

基于來水不確定性及農業節水潛力的種植結構優化模型

DOI：10.25165/j.ijabe.20181101.3658

在干旱半干旱地區，灌溉農業的發展主要依賴于農業可利用水量和區域種植結構優化。以較少的水量得到更大的產出，發展高效節水農業。本文基于灌區尺度的農業節水潛力估算方法，在黑河干流中游甘州區、臨澤縣和高臺縣三地，建立基于來水不確定性以及未來農業節水潛力，以灌區灌溉單方水凈效益最大為目標的種植結構優化模型，采用混沌粒子群優化算法求解該模型，得到考慮不同節水情景、不同來水情景的種植結構優化方案。研究結果表明，節灌率增加10%時，農業凈節水量和農業毛節水量分別增加0.215～0.225、2.76～3.03億m3，節灌率增加20%時，農業凈節水量和農業毛節水量分別增加0.430～0.451、3.32～3.83億m3。種植結構優化后灌區單方水產值和農業總產值可分別達到2.678～2.742元/m3，25.4～28.1億元，且不同節水情景不同來水水平，優化后灌區單方水產值和農業總產值各不相同，基本隨著農業利用水量的增加而增加。研究結果可為區域農業種植結構的調整與發展提供科學依據。

[編譯自：Hao L N，Su X L，Singh V P. Cropping pattern optimization considering uncertainty of water availability and water saving potential. Int J Agric & Biol Eng，2018; 11 （1）：178-186]

20190102

利用可見-近紅外高光譜成像區分不同品種綠豆

DOI：10.25165/j.ijabe.20181101.2655

本研究利用可見-近紅外高光譜成像對不同品種的綠豆進行分類。采集了380～1023nm波段范圍內的高光譜圖像，并利用黑白板圖像進行校正。提取每一個校正后的高光譜圖像感興趣區域的平均光譜反射率值，作為自變量，同時4個不同品種樣本的因變量分別設為1，2，3和4。首先基于全波段建立極限學習機模型，然后利用格拉姆-斯密特算法提取特征波長并建立基于特征波長的極限學習機和線性判別分析模型。通過結果可以看出，所有模型都得到了很好的分類結果：訓練集的識別率是99.17%～99.58%，驗證集的識別率是99.17%～100%。格拉姆-斯密特算法共推薦了15個特征波長，分別是432nm、455nm、468nm、560nm、705nm、736nm、760nm、841nm、861nm、921nm、930nm、937nm、938nm、959nm和965nm。結果表明，高光譜成像技術可以無損區分不同品種的綠豆，格拉姆-斯密特算法是一種有效的特征波長提取方法。

[編譯自：Xie C Q，He Y. Modeling for mung bean variety classification using visible and near-infrared hyperspectral imaging. Int J Agric & Biol Eng，2018; 11（1）：187-191]

20190103

融合顯著性理論及高斯曲線擬合的自然場景下綠色蘋果目標檢測方法

DOI：10.25165/j.ijabe.20181101.2899

綠色果實目標因具有與背景相似的顏色而難以識別。為了實現自然場景下綠色果實目標的準確檢測，本研究提出了一種融合顯著性理論與高斯曲線擬合算法的綠色果實目標檢測方法。首先，使用顯著性檢測算法生成試驗圖像的顯著性圖，以圖像超像素為節點生成其閉環圖，再根據與背景及前景的相似性對閉環圖中的節點進行排序，最終建立顯著性圖。然后，使用高斯曲線擬合圖像在YUV顏色空間顯著區域的V分量，并基于3?法則自適應選擇分割閾值對圖像進行分割，從而得到綠色蘋果目標區域。為了驗證算法的有效性，利用55幅在自然場景下采集到的蘋果圖像進行了試驗，并與常見的圖像分割方法如k-means算法與模糊C均值算法（Fuzzy C-means clustering algorithm，FCM）進行了對比，同時采用正確率、假陽率（false positive rate，FPR）、假陰率（false negative rate，FNR）和誤檢率（false detection rate，FDR）四項評價指標進行了評價。結果表明，本研究所使用方法的四項驗證指標的結果分別為91.84%，1.36%，8.16%及4.22%，表明該方法對自然場景中的綠色蘋果目標識別是有效的、可行的。

[編譯自：Li B R，Long Y，Song H B. Detection of green apples in natural scenes based on saliency theory and Gaussian curve fitting. Int J Agric & Biol Eng，2018; 11（1）：192-198]