Q1-1.5IQR ） - 外限（ Q3+3IQR ， Q1-3IQR ） 总结与适用范围 1 、四分位对仅用于显示数据位置，对异常数据耐抗性高 2 、多达 25% 的数据可以变得任意远而不会很大地扰动四分位 数 3 、为保证检测结果的准确性，数据量不能太小 4 、在异常值方面具有一定的优越性 系统异常值算法介绍 - 箱形图 箱形图 ( 英文 :Box plot) ，是一种用作显示一组数据分散情况资料的统计图。因型状如箱子而得名

用模糊控制、 人工 神经网络、智能控制等算法对环境因子进行控制[191]。朱丙坤等 采用相 容控制设计了温室温度控制的优化控制算法 198。 我国温室小气候系统的被控输出(如室内温湿度)、扰动输入(如 室外温湿度)为连续值，控制量为逻辑变量 (调控设备开/关),古典 控制理论和现代控制理论不适于描述这一类系统[196]。Witsenhansen 于 1966 年提出了混杂系 传感、加速传感融合能力；可规划航路，定高飞行(精度达到 0.5m)。此类控制系统具备了自动飞行控制功能，但是缺乏对外部 作 业环境突发事件的自主应对能力和对不同机型和作业过程中遇 到的 控制系统扰动缺乏适应性。由于农业无人机作业过程的复杂 性，国内 一些相关的科研机构开展了基于人工智能技术的飞行控制 方法研究。 南京航空航天大学张立珍运用计算智能方法，提出了改 进型动态逆算 法和基于函数连接神经网络的轨迹线性化控制算法，最 的无 人机自主飞行控制 系统的分层递阶结构，并对结构中的任务管理部 分、决策协调部分和控 制执行部分智能体的结构和功能进行了详细地研 究 22]。针对农业植保无 人机作业过程药液带来的控制系统扰动问 题，王大伟等设计自适应反 步终端滑模姿态控制器，依据 Lyapunov 稳定性理论，证明了控制系统 稳定性，经过仿真和试验验证，该方法 能抑制药液晃动干扰的影响，有 ² 效减小系统姿态控制误差

在数据预处理阶段，数据增强与标注是不可或缺的关键步骤。 首先，数据增强通过多种技术手段扩展数据集的多样性和覆盖面， 以提高模型的泛化能力。对于农业科技领域，常用的数据增强方法 包括图像旋转、缩放、平移、颜色扰动以及添加噪声等。例如，在 作物病虫害识别任务中，通过对图像进行随机旋转和缩放，可以模 拟不同角度和距离下的拍摄效果，从而增强模型在实际应用中的鲁 棒性。此外，利用生成对抗网络（GAN）生成合成数据也是一种有 仅可以增加训练数据的多样性，还能提高模型对异常数据的适应能 力。 其次，在模型训练过程中，引入对抗训练方法，通过生成对抗 样本并让模型进行学习，提升其对噪声和干扰的抵抗能力。具体步 骤如下： - 生成对抗样本：通过小幅度扰动输入数据，生成具有欺 骗性的样本。 - 对抗训练：将对抗样本与正常样本混合进行训练， 迫使模型在复杂环境下仍能做出准确预测。 此外，模型的架构设计也需要考虑鲁棒性。选择具有良好泛化 能力的网络结构，如