基于改进YOLOv7的毛虾捕捞渔船作业目标检测与计数方法

渔船捕捞信息量化是开展限额捕捞精细化管理的前提,为解决中国毛虾限额捕捞目标识别和信息统计量化问题,研究了在中国毛虾限额捕捞渔船上安装电子监控（electronic monitoring,EM）设备,并基于YOLOv7提出一种改进的目标检测算法（YOLOv7-MO）和目标计数算法（YOLOv7-MO-SORT）。YOLOv7-MO目标检测算法采用MobileOne作为主干网络,在输出端head部分加入C3模块,并完成剪枝操作;YOLOv7-MO-SORT目标计数算法将SORT（simple online and realtime tracking）算法中的Fast R-CNN替换为YOLOv7-MO,用于检测捕捞作业中抛出的锚和装有毛虾的筐。采用卡尔曼滤波和匈牙利匹配算法对检测到的目标进行跟踪预测,设置碰撞检测线、时间戳、阈值和计数器,实现对捕捞作业过程中渔获毛虾筐数和下网数量计数。结果表明：1）改进后的YOLOv7-MO在测试集上的平均检测精度、召回率、F1得分分别达到了97.3%,96.0%,96.6%,相比YOLOv7模型分别提升了2.0、1.1和1.5个百分点。2）改进后的YOLOv7-MO模型大小、参数量和浮点运算数分别为64.0 MB、32.6 M、39.7 G,相比YOLOv7模型分别缩小了10.2%、10.6%和61.6%。3）以YOLOv7-MO为检测器的SORT算法毛虾捕捞作业计数准确率在统计毛虾筐数和下网数量上分别达到80.0%和95.8%。YOLOv7-MO在提高检测精度的同时减轻了模型量级,提高了检测效率。结果表明,该研究能够为实现渔船捕捞作业信息记录自动化和智能化提供方法,为毛虾限额捕捞管理提供决策参考依据。     

基于改进卷积神经网络模型的玉米叶部病害识别(英文稿)

准确识别玉米病害有助于对病害进行及时有效的防治。针对传统方法对于玉米叶片病害识别精度低和模型泛化能力弱等问题,该研究提出了一种基于改进卷积神经网络模型的玉米叶片病害识别方法。改进后的模型由大小为3×3的卷积层堆栈和Inception模块与ResNet 模块组成的特征融合网络两部分组成,其中3×3卷积层的堆栈用于增加特征映射的区域大小,Inception模块和ResNet 模块的结合用于提取出玉米叶片病害的可区分特征。同时模型通过对批处理大小、学习率和 dropout参数进行优化选择,确定了试验的最佳参数值。试验结果表明,与经典机器学习模型如最近邻节点算法（K- Nearest Neighbor,KNN）、支持向量机（Support Vector Machine,SVM）和反向传播神经网络（Back Propagation Neural Networks,BPNN）以及深度学习模型如AlexNet、VGG16、ResNet 和Inception-v3相比,经典机器学习模型的识别率最高为77%,该研究中改进后的卷积神经网络模型的识别率为98.73%,进一步提高了模型的稳定性,为玉米病害检测与识别的进一步研究提供了参考。     

基于改进卷积神经网络模型的玉米叶部病害识别（英文）

准确识别玉米病害有助于对病害进行及时有效的防治。针对传统方法对于玉米叶片病害识别精度低和模型泛化能力弱等问题,该研究提出了一种基于改进卷积神经网络模型的玉米叶片病害识别方法。改进后的模型由大小为3×3的卷积层堆栈和Inception模块与Res Net模块组成的特征融合网络两部分组成,其中3×3卷积层的堆栈用于增加特征映射的区域大小,Inception模块和Res Net模块的结合用于提取出玉米叶片病害的可区分特征。同时模型通过对批处理大小、学习率和dropout参数进行优化选择,确定了试验的最佳参数值。试验结果表明,与经典机器学习模型如最近邻节点算法(K-Nearest Neighbor,KNN)、支持向量机(Support Vector Machine,SVM)和反向传播神经网络(Back Propagation Neural Networks,BPNN)以及深度学习模型如Alex Net、VGG16、Res Net和Inception-v3相比,经典机器学习模型的识别率最高为77%,该研究中改进后的卷积神经网络模型的识别率为98.73%,进一步提高了模型的稳定性,为玉米病害检测与识别的进一步研究提供了参考。     

采用AIS计算中西太平洋延绳钓渔船捕捞努力量

对渔船捕捞行为和捕捞强度空间高分辨率的估计可以作为海洋资源管理和生态脆弱性评估的重要信息。为识别远洋延绳钓渔船作业状态,该文基于2017年10-11月中西太平洋延绳钓渔船卫星船舶自动识别系统(automatic identification system,AIS)数据和捕捞日志数据,采用支持向量机(support vector machine,SVM)学习方法,构建了中国中西太平洋延绳钓渔船捕捞作业状态(捕捞/非捕捞)分类模型。通过计算模型分类准确率、精确率、敏感度和特异度来评价模型对渔船作业状态分类能力。结果表明,模型训练数据的准确率为95.24%(Kappa系数为0.9),验证数据的准确率为93.85%(Kappa系数为0.87)。采用构建好的模型识别2017年10月和11月中西太平洋延绳钓渔船共计125624条AIS记录数据,模型准确率在83.3%(Kappa系数为0.67)。2017年10、11月所有数据分类精确率为82.33%,灵敏度为88.32%,特异度为77.27%。渔船主要作业空间在168°E^173°E,12°S^18°S,有3个明显的作业强度较高区域。基于SVM模型和日志记录的捕捞强度信息在空间上相关性很高(r>0.98),SVM模型识别的渔船捕捞努力量空间分布特征和实际吻合。捕捞努力量与单位捕捞努力量渔获量(catch per unit of effort,CPUE)、渔获尾数、渔获质量和投钩数的相关系数分别是0.68、0.93、0.93和0.94。基于AIS信息挖掘的渔船空间捕捞努力量可用于渔业资源分析。     

芒果双面成熟度在线检测分级系统

芒果属于后熟水果,芒果成熟度分级可为芒果后熟、加工、包装、运输等工作提供便利条件。针对芒果形状不规则,难以对整个外观进行检测的问题,该文提出了一种基于迁移学习的芒果双面成熟度在线检测分级系统。通过上、下层输送带将芒果运输到图像采集区域,分别获取正、反面图像;2层输送带之间利用柔性翻面机构实现芒果无损翻面,通过压缩试验及ANSYS软件建模分析芒果承受挤压力范围。合并正、反2张图像并进行预处理,将数据以8:1.5:1.5的比例拆分为训练集、验证集、测试集,并用迁移学习方法在卷积神经网络模型进行芒果成熟度分级。使用卷积神经网络模型对芒果成熟度分级平均准确率达到96.72%,系统测定单个样品的平均耗时为0.16s,研究结果为芒果成熟度在线分级提供参考。     

基于NPP/VIIRS夜光遥感影像的作业灯光围网渔船识别

为对远洋灯光渔船作业信息进行实时动态监测,该研究基于可见光红外辐射仪(visible infrared imaging radiometer suite,VIIRS)夜光遥感影像,根据远洋灯光渔船作业时其集鱼灯灯光在VIIRS白天/夜晚波段(day/night band,DNB)影像上的辐射特征,采用峰值中值指数(spike median index,SMI)对灯光渔船与背景像元间的辐射差异进行拉伸,在此基础上设计了基于最大熵法(maximum entropy method,Max Ent)阈值分割以及局部峰值检测(local spike detection,LSD)的作业远洋灯光渔船识别算法,并采用2015年西北太平洋公海灯光围网渔场内作业渔船船位监控系统(vessel monitoring system,VMS)数据对该算法的识别精度进行检验。验证结果显示,该文提出的作业远洋灯光渔船自动识别算法对实际作业灯光渔船的识别精度在92%以上,可以满足远洋灯光渔船日常监测的需求,可为进一步评估远洋光诱渔业捕捞努力量、推进远洋光诱渔业信息化管理以及打击非法、未申报和无管制的(illegal,unregulated,unreported,IUU)捕捞活动提供技术支持。     

基于迁移学习和改进CNN的葡萄叶部病害检测系统

为建立高效、准确的葡萄叶部病害检测系统,引入迁移学习机制,利用大型公开数据集对VGG16模型预训练,保持模型前端13个层的参数和权重不变,对全连接层和分类层改进后利用新数据集微调训练模型,包括对训练优化器、学习率和中心损失函数平衡参数的优选试验,最后将模型部署在Android手机端。试验表明,在微调训练阶段选择Adam优化器、初始学习率设为0.001、中心损失函数平衡参数设为0.12时,改进的VGG16模型性能最优,对葡萄6类叶部图像的分类平均准确率为98.02%,单幅图像平均检测耗时为0.327s。与未改进的VGG16模型相比,平均准确率提高了2.82%,平均检测耗时下降了66.8%,权重参数数量减少了83.4%。改进后的模型综合性能优于AlexNet、ResNet50和Inceptionv3等模型。将模型跨平台部署在Android手机端,自然环境下验证的平均准确率为95.67%,平均检测耗时为0.357 s。该研究建立的基于迁移学习和改进卷积神经网络的病害检测系统可实现对葡萄叶部病害的快速、智能诊断,为葡萄病害的及时防控提供依据。     

浙江省近海渔运船转载信息提取

渔运船是从事渔获物运输的专用船舶,能够提高捕捞渔船作业效率,增加捕捞渔船的作业强度。为掌握渔运船在海上的转载情况,从而间接了解捕捞渔船作业强度,该研究提出一种基于北斗船位数据的以设定航速阈值、距离阈值和时间阈值来提取渔运船转载信息的方法。如果渔运船和捕捞渔船距离小于50 m,且期间有持续3条以上的船舶监控系统(Vessel Monitoring Systems,VMS)记录,则认为可能发生了1次转载,并记录下相遇的时长、船名、空间位置。以浙江省为例,利用该方法从2018年浙江省的北斗船位数据中提取渔运船的海上转载信息,并进行统计分析。结果表明,有转载记录的渔运船808条,参与转载的捕捞渔船3 548条,共转载28 916次。渔运船停船转载占比21.0%,以1～1.4 m/s低速航行的作业状态转载占比53.7%,转载时长小于12.5 min的占比81.3%,同时得到渔运船转载的热点分布,转载累积时长最长的空间网格为122.5°E～123°E,31.5°N～32°N,转载累积时长187 h,其次为122°E～122.5°E,28°N～28.5°N,转载累积时长150h。通过分析渔运船海上转载位置和转载累积时长的空间分布情况可掌握捕捞渔船作业的时空变化特点,为渔业限额捕捞精细化管理提供依据。     

基于深度神经网络的多级高压提水泵故障辨识

多级高压提水泵属于复杂旋转机械，受设备自身结构影响，其故障特征频率易被强噪声淹没，且叶轮、轴承、齿轮等转子部件的故障振动信号相似度极高，导致现有故障辨识方法无法快速准确辨识其故障模式。针对上述问题，该研究提出一种改进的一维卷积长短期记忆神经网络（One-Dimensional Convolution and Long Short-Term Memory Neural Network，1D-CNN-LSTM）自适应故障辨识模型。首先通过贝叶斯优化算法获得给定模型超参数，再输入经互补集合经验模态分解降噪后的振动数据集，通过1D-CNN层自适应提取样本特征并作为LSTM层输入；利用LSTM层学习具有识别性的深层特征并训练模型，最后由输出层Softmax函数完成故障辨识与分类。多级高压提水泵试验台实测数据集对模型进行验证的结果表明：提出的1D-CNN-LSTM智慧故障辨识模型能够快速辨识关键转子部件的故障模式，且准确率可达97%，具有更好的抗噪能力和鲁棒性能，可为智慧应急供水与净水一体化系统的可靠运维技术研发奠定理论基础。     

基于物联网的内河小型渔船动态信息监控系统设计

为规范内河流域渔业生产秩序,保障渔船作业安全,该文设计了基于物联网的内河小型渔船动态信息监控系统。该系统集成了无线传感器网络、远程信息传输、远端后台监控等多种技术方法。其中,无线传感器网络主要用于获取包括渔船位置、电捕鱼违法监测信息和渔船超载检测信息等渔业现场数据。依靠Zig Bee技术,该网络实现了对不同类别传感器数据的汇聚、判断以及远程播发。远程信息传输是利用GPRS/GSM移动通信网络与互联网传输技术,实现了多渔船作业信息向后台监控中心的实时传输。后台渔政监控中心,具有渔船在电子地图上的识别与定位,渔业生产的实时监控以及渔政执法的决策辅助等功能。该系统经测试,可满足内河流域作业渔船在实时监管和安全保障等方面的需求,提高了农业渔政管理的水平。     

基于ResNet18特征编码器的水稻病虫害图像描述生成

针对图像描述算法缺乏在农业领域中的应用,传统模型参数庞大的问题,该研究提出一种基于ResNet18特征编码器的图像描述算法,对作物患病类型进行识别并生成描述。首先,建立水稻病虫害图像描述数据集。其次,使用浅层ResNet18作为编码器,在保证特征提取能力的同时缩减网络模型大小,解码器使用融合了注意力机制的长短期记忆网络（Long Short Term Memory,LSTM）来生成图像描述。试验结果表明,改进后模型尺寸大小为原来的1/3,经过6 000次迭代后模型基本收敛,准确率达到98.48%。在水稻病虫害图像描述数据集上,改进编码器-解码器结构后的双语评估替换值（Bilingual Evaluation Understudy,BLEU）和METEOR（Metric for Evaluation of Translation with Explicit ORdering）分别达到0.752和0.404,其余指标结果也明显优于其他模型,具有描述细致准确、鲁棒性强等优点,能够更好地适用于小规模数据集上的训练,可为农作物相似病害特征的自动化描述提供有益参考。     

基于遥感数据的智利竹筴鱼渔场预报系统

根据中国2001-2009年东南太平洋作业船只提供的捕捞数据和卫星遥感反演的海表温度数据,建立了基于贝叶斯概率理论的智利竹筴鱼渔场预报系统。系统开发采用客户/服务器(C/S)体系模式,数据库则采用SQL Server 2000数据库管理系统,结合控件式GIS技术,构建了渔场分析和预报系统,并利用历史数据进行了模型精度验证。结果表明:预报渔场的准确度为72.6%,预报非渔场的准确率为57.5%;综合预报准确率达65%以上。渔汛盛期的渔场预报准确率要高于渔汛末期3%～22%,而非渔场的预报准确率低于渔汛末期4%～11%。因此,该预报系统对于南太平洋智利竹筴鱼渔场预测和捕捞活动具有一定的指导意义。但在实际预报过程中,也需结合其他相关环境因子(如叶绿素a、海面高度、海流等)对预报渔场进行修正。     

基于Wi-Fi无线感知技术的奶牛爬跨行为识别

奶牛发情和爬跨行为之间存在着密切的联系，及时发现奶牛的爬跨行为是检测奶牛发情、提高养殖收益需要考虑的重要问题。为了在自然环境下可靠地检测奶牛的爬跨行为，同时避免引起应激反应，研究并提出基于Wi-Fi信号的奶牛爬跨行为检测与识别方法。首先，应用部署在日常生活环境中通用的Wi-Fi设备捕获奶牛的运动状态数据；其次，通过载波聚集、移动加权平均滤波对数据进行预处理；第三，基于局部离群因子LOF算法，实现信号跳变检测并以此为基础获取包含奶牛动作的信道状态信息（Channel State Information, CSI）序列片段；第四，设计并提取CSI序列片段的特征，构建了包含3类奶牛动作，共计8 127个样本的数据集；最后，基于长短时记忆网络（Long Short Term Memory, LSTM）构建奶牛行为识别模型。通过使用数据集中2 497个样本作为测试集检验提出的网络模型，检验结果表明，系统能够可靠地捕获包含奶牛动作的CSI序列片段，并以较高的准确率识别奶牛的爬跨行为。模型在测试集上对3类样本的总体分类准确率为96.67%，其Kappa系数为0.943 1，获得了较高的性能。研究结果将基于Wi-Fi信号的无线感知技术引入农业信息化领域，扩展了动物行为监控的技术手段，为无线传感技术在农业智能化方面的应用提供了参考。     

基于CNN-BiLSTM的棉花产量预测方法

针对传统的作物产量估算方法在模型泛化方面的不足及缺少时序特征和空间特征的问题,该研究以机采棉为研究对象,结合无人机遥感平台与深度学习技术对棉花进行多期遥感观测与估产。以棉花苗期、蕾期和花期的影像为时间序列数据集,构建基于卷积神经网络（Convolutional Neural Network,CNN）和双向长短期记忆（Bidirectional Long Short-Term Memory,BiLSTM）的混合模型（CNN-BiLSTM）进行棉花产量预估,提高时间维度和空间维度方面的特征提取能力,并分别验证CNN和BiLSTM的性能以及不同网络深度对估产的影响。研究结果表明,CNN和BiLSTM深度分别为14和1的CNN14-BiLSTM模型准确率最高,对比单一结构的BiLSTM该模型决定系数从0.851提升至0.885,其均方根误差和平均绝对百分比误差也均明显下降,在2.3 m×2.3 m的样方内,结果分别为147.167 g和6.711%。该研究实现了基于时间序列的棉花产量估算,可为类似的作物产量估算提供参考。     

PCR-RFLP analysis of nuclear nontranscribed spacer for mackerel species identification

Scomber mackerel have been marketed in fresh and frozen forms and as processed seafood worldwide, and three species of Japanese mackerel S. japonicus, Pacific mackerel S. australasicus, and Atlantic mackerel S. scombrus have constituted a significant part of absolute Scombrid consumption in Japan. The present study was undertaken to develop a rapid and reliable method not only for differentiation of Scomber mackerel from related Scombrid fish by PCR amplification using Scomber genus-specific primers but also for identification of three Scomber mackerel species by PCR-RFLP analysis. Alignment of nucleotide sequences of the nuclear 5S ribosomal RNA gene (5S rDNA) among Scombrid fish allowed the selection of oligonucleotide primers specific for the Scomber genus. These primers enabled amplification of the nontranscribed spacer (NTS) of the 5S rDNA from S. japonicus, S. australasicus, and S. scombrus, whereas no amplification was demonstrated from other Scombrid fish. RFLP analysis of the PCR products with ScaI endonuclease generated unique restriction patterns for each Scomber species. This simple, robust, and reproducible PCR-RFLP technique using Scomber genus-specific primers can serve as a routine food inspection program to enforce labeling regulations of marketed Scombrid fish.     

Contributions of blood and blood components to lipid oxidation in fish muscle.

There was a wide variation in the amounts of hemoglobin extracted from the muscle tissue of bled and unbled fish. Averaged values suggested that the residual blood level in the muscle of bled fish was substantial. Myoglobin content was minimal as compared to hemoglobin content in mackerel light muscle and trout whole muscle. Hemoglobin made up 65 and 56% of the total heme protein by weight in dark muscle from unbled and bled mackerel, respectively. Bleeding significantly reduced rancidity in minced trout whole muscle, minced mackerel light muscle, and intact mackerel dark muscle but not minced mackerel dark muscle stored at 2 degrees C. The reduction was in the number of fish that had a longer shelf life; muscle from certain bled fish had rancidity that was comparable to the rancidity in unbled controls. The soluble contents of erythrocytes accounted for all of the lipid oxidation capacity of whole blood added to washed cod muscle. Limiting lysis of erythrocytes delayed lipid oxidation, which was likely due to keeping hemoglobin inside the erythrocyte. Apparent breakdown of lipid hydroperoxides occurred only when a critical level of hemoglobin was present. Blood plasma was slightly inhibitory to oxidation of washed cod lipids. These studies suggest that blood-mediated lipid oxidation in fish muscle depends on various factors that include hemoglobin concentration, types of hemoglobin, plasma volume, and erythrocyte integrity.