基于可信区块链和可信标识的粮油质量安全溯源研究

粮油质量安全关乎国家的稳定发展,但目前还存在诸多粮油质量安全问题,特别是异构系统间数据的可信互联、高效互通得不到保障。因此,本研究首先在对粮油质量安全全链条信息流转特性进行分析的基础上,构建粮油质量安全全链条架构,并对典型环节进行关键信息分类。然后基于可信区块链和可信标识构建粮油质量安全可信溯源模型,对区块数据结构、标识体系编码规则、存储方式等进行定义和重构,并提出链网连接器的概念及具体架构方案。最后,以典型粮油品种小麦为例,基于超级账本Fabric开源框架设计并研发了小麦质量安全可信溯源系统,对模型进行了系统实现验证和案例分析。结果表明,研究的模型及系统实现了粮油质量安全全链条信息互联互通,并且保证了跨链信息交互的安全与全流程可追溯性。     

基于深度学习的农作物病虫害图像识别APP系统设计

为准确有效识别出农作物病虫害类别及位置,构建一款农作物病虫害图像识别App系统,为广大农户、研究人员及管理者提供智能信息服务.该系统基于Android平台开发,在所收集的大量病虫害数据集上,开展了Darknet、YOLO等深度网络模型训练和测试,并使用批量正则化、维度聚类和课程设计学习等技术优化模型,实现了181种作物...     

农药运输安全实时监管系统设计与实现

为保障农药运输的安全,实现农药运输的实时监控与管理,将北斗+GPS双模定位、4G/GPRS通信网络和多传感器应用在农药运输监管方面,利用Web技术将实时监管呈现于前端网页。基于模块化的设计思路实现了农药运输数据实时采集、运输过程监控以及数据管理。系统通过监测信息实时掌握运输车辆和农药的状态,可及时发现异常并报警。通过测试运行,软、硬件方案可行,系统运行稳定,实时性强,监管效果良好,对保障农药运输安全有十分重要的意义。     

基于林区采育机械的视觉和激光融合算法

针对因复杂林业环境而导致的多功能林木联合采育机作业间断的问题,采用多传感器融合的方式获取环境信息,进而实现采育作业目标的识别。通过搭建基于二维激光测距仪、可见光相机和红外热像仪的信息采集系统,根据不同距离上的内、外参数标定实验实现采育目标激光数据、可见光图像和红外图像的信息融合。根据融合数据,对树木、行人、岩石三种目标进行识别,平均识别率达到93%,能够为采育机操作员提供准确的环境描述信息,降低作业压力,提升采育机作业效率。     

加工过程对稻麦重金属含量影响研究进展

稻麦是我国的主要粮食作物,其在生长过程中易富集重金属元素,稻麦中的重金属元素通过供应链进入人体,摄入过量的重金属元素会对人的健康造成极大损害。由于我国部分种植地区的土壤或灌溉水源存在受工业排放废弃物污染的现象,使农作物的重金属含量超标,从而对食品安全造成很大威胁。目前研究表明稻谷和小麦中的重金属含量受加工过程和方法的显著影响,稻谷的砻谷、碾米等工艺可以不同程度地降低大米的重金属含量,小麦的制粉工艺也有降低小麦粉重金属含量的效果;加工中机械设备可能对产品造成二次重金属污染。明晰加工过程对稻麦重金属含量的影响对稻麦加工环节设计与控制有着重要的指导意义。本文简单介绍了重金属在稻米和小麦中存在的化学价态以及在各部分结构中的分布规律,并重点评述了典型加工环节对大米和小麦中重金属含量的影响,并对其研究现状进行了总结梳理与分析,以期对稻麦加工中重金属污染的防治起到借鉴作用。     

小麦加工链中重金属镉含量的深度网络预测模型

镉污染范围广、毒性大、易侵入,被认为是最具危害性的重金属之一,人长期摄入过量的镉会引起很多疾病甚至癌症。因此,在小麦加工链中预测镉元素含量的变化趋势,制定相应对策来降低其危害,具有重要的现实意义。针对小麦加工链镉含量数据含有强非线性、强随机性噪声而导致的传统建模拟合度不高等问题,本研究提出一种基于正则化方法的深度预测模型。首先,利用门控循环单元（gated recurrent unit,GRU）建立深度预测模型。其次,使用正则化方法修改模型的损失函数,通过加入噪声惩罚项来淡化训练时模型对于噪声的拟合程度,减小噪声对模型预测性能的影响。最后,使用贝叶斯优化方法进行超参数的选择,保证所建立的模型能够准确地预测小麦加工链各环节中的镉含量。本研究的预测结果表明,如果原麦中镉含量小于0.1 mg/kg,则经过加工的成品小麦粉也基本满足GB 2762—2017《食品安全国家标准 食品中污染物限量》的要求。     

基于深度置信网络-多类模糊支持向量机的粮食供应链危害物风险预警

近些年粮食供应链安全问题频发,为减少食源性风险威胁,风险预警正逐渐成为强化粮食食品安全体系的有力保障。但现有风险预警方法在面对多源异构非结构化食品数据时,存在预警准确率低、人工成本高等局限问题。本文在分析全国26个省份的大量抽检数据及关联信息基础上,建立了基于深度置信网络(deep belief network,DBN)-多类模糊支持向量机(multiclass fuzzy support vector machine,MFSVM)的风险分级预警模型,先对海量粮食供应链抽检数据进行嵌入编码和归一化处理,获得结构化食品数据;将其输入到DBN模型进行高维度特征提取,自适应地挖掘供应链中各危害因素间风险变化及内在关联概率,最后将高维特征输入到优化的MFSVM进行训练,实现供应链中各主要危害物风险分级预警。对比实验结果表明,DBN-MFSVM模型在粮食抽检数据上具有更好鲁棒性和泛化性,其准确率达到98.44%,运行时间85 s,可快速识别出粮食供应链中危害物风险程度和优先次序,为监管部门制定有针对性的抽检策略、确立优先监管领域和分配风险监管资源提供科学依据。     

基于GA-Elman的河流水位预测方法研究

河流水位的变化过程是一个复杂的非线性过程,传统的神经网络预测存在误差较大、收敛速度慢、稳定性差等问题。为了实现对河流水位的有效预测,提出基于遗传算法(GA)优化Elman神经网络的河流水位预测模型。将GA与Elman网络进行有效结合,解决了单一Elman网络存在的不足。选取永定河的监测站点水文数据对河流水位进行预测与检验,并分别将其与Elman网络与BP网络预测结果进行对比。对比结果表明:GA-Elman水位预测模型的收敛速度快、精度高,可根据预测结果实现对水库、拦河闸合理调用,实现对河流水资源的有效配置,以满足灌溉、发电、防洪等工作的需求。     

基于FPG-SOM的粮食供应链危害物风险分级评价

为科学合理评价危害物在粮食供应链各环节中的综合风险,本研究在分析全国各省粮食供应链抽检数据及其他维度数据的基础上,结合粮食供应链中风险因素,构建多维层次风险指标体系,将大量多维异构数据转化为半定量风险指标。应用关联规则挖掘一级指标和二级指标的内在关联确定权重分配,结合自组织映射算法将各指标变量映射到风险等级,明确指标交叉关联,构建粮食供应链危害物综合风险等级评价方法。通过对粮食产品风险等级进行评价,得出风险较高的重点省份为山东省、河南省,典型区域为城市区域,关键环节为流通环节以及以铝残留为代表的一系列高风险危害物。该评价体系的确立可以为监管机构制定有针对性的抽检策略、确立优先监管领域,并为合理分配风险监管资源提供科学依据。