基于深度学习的群猪图像实例分割方法

群养饲喂模式下猪群有聚集在一起的习性,特别是躺卧时,当使用机器视觉跟踪监测猪只时,图像中存在猪体粘连,导致分割困难,成为实现群猪视觉追踪和监测的瓶颈。根据实例分割原理,把猪群中的猪只看作一个实例,在深度卷积神经网络基础上建立Pig Net网络,对群猪图像尤其是对粘连猪体进行实例分割,实现独立猪体的分辨和定位。Pig Net网络采用44层卷积层作为主干网络,经区域候选网络(Region proposal networks,RPN)提取感兴趣区域(ROI),并和主干网络前向传播的特征图共享给感兴趣区域对齐层(Region of interest align,ROIAlign),分支通过双线性插值计算目标空间,三分支并行输出ROI目标的类别、回归框和掩模。Mask分支采用平均二值交叉熵损失函数计算独立猪体的目标掩模损失。连续28 d采集6头9. 6 kg左右大白仔猪图像,抽取前7 d内各不同时段、不同行为模式群养猪图像2 500幅作为训练集和验证集,训练集和验证集的比例为4∶1。结果表明,Pig Net网络模型在训练集上总分割准确率达86. 15%,在验证集上准确率达85. 40%。本文算法对不同形态、粘连严重的群猪图像能够准确分割出独立的猪个体目标。将本文算法与Mask R-CNN模型及其改进模型进行对比,准确率比Mask RCNN模型高11. 40个百分点,单幅图像处理时间为2. 12 s,比Mask R-CNN模型短30 ms。     

基于改进Mask R-CNN的植物表型智能检测算法

针对高通量自动化获取的植物表型性状图像的智能检测问题,采用迁移学习和改进掩膜区域卷积神经网络(Mask R-CNN)设计植物表型智能检测分割算法。首先对残差网络进行优化,并利用特征金字塔网络(FPN)对输入图像进行特征提取;然后调整候选区域提取网络(RPN)中锚框的长宽比例和阈值,并在RoIAlign中通过双线性插值法保留了特征图的空间信息;最后改进Mask检测头,并增加特征融合机制以获得高质量的掩膜。在西瓜突变体生长情况的性状表型数据集上进行训练和检测,得到结果表明：改进后的Mask R-CNN表现出更优的检测性能,与传统Mask R-CNN相比,检测精度提高22%,掩膜准确率提高2.7%,检测时间减少42 ms,为提升农业精准化水平和推动智慧农业发展提供了技术支撑。     

融合特征金字塔与可变形卷积的高密度群养猪计数方法

针对猪只人工计数方法消耗时间和劳动力，育肥猪较为活跃且喜好聚集，图像中存在大量的高密度区域，导致猪只之间互相粘连、遮挡等问题，基于SOLO v2实例分割算法，提出了一种自然养殖场景下融合多尺度特征金字塔与二代可变形卷积的高密度群养猪计数模型。通过优化模型结构来减少计算资源的消耗与占用。将科大讯飞给出的猪只计数的公开数据集划分为猪只分割数据集和猪只盘点测试集，利用猪只分割数据集获得较好的分割模型，然后在猪只盘点测试集中测试盘点准确率，实现猪群分割和猪只计数。实验结果表明，本文提出的高密度猪只计数模型的分割准确率达到96.7%，且模型内存占用量为256MB，为改进前的2/3，实现了遮挡、粘连和重叠情况下的猪只个体高准确率分割。在含有500幅猪只图像计数测试集中，模型计算猪只数量误差为0时的图像数量为207幅，较改进前提高26%。模型计算猪只数量误差小于2头猪的图像数量占测试图像总数量的97.2%。模型计算猪只数量误差大于3头猪的图像数量占总体图像数量比例仅为1%。最后，对比基于YOLO v5的群养猪计数方法，本文模型具有更优的分割效果和计数准确率，验证了本文方法对群养猪只计数的有效性。因此，本文模型既实现了高密度猪群的精准计数，还通过优化模型结构大大降低了模型对计算设备的依赖，使其适用于养殖场内猪群在线计数。     

基于Mask R-CNN的柑橘主叶脉显微图像实例分割模型

针对目前植物解剖表型的测量与分析过程自动化低，难以应对复杂解剖表型的提取和识别的问题，以柑橘主叶脉为研究对象，提出了一种基于掩膜区域卷积神经网络(Mask region convolutional neural network, Mask R-CNN)的主叶脉显微图像实例分割模型，以残差网络ResNet50和特征金字塔(Feature pyramid network, FPN)为主干特征提取网络，在掩膜(Mask)分支上添加一个新的感兴趣区域对齐层(Region of interest Align, RoI-Align),提升Mask分支的分割精度。结果表明，该网络架构能够精准地对柑橘主叶脉横切面中的髓部、木质部、韧皮部和皮层细胞进行识别分割。Mask R-CNN模型对髓部、木质部、韧皮部和皮层细胞的分割平均精确率(交并比(IoU)为0.50)分别为98.9%、89.8%、95.7%和97.2%,对4个组织区域的分割平均精确率均值(IoU为0.50)为95.4%。与未在Mask分支添加RoI-Align的Mask R-CNN相比，精度提升1.6个百分点。研究结果表明，Mask R-CN...     

基于迁移学习的温室番茄叶片水分胁迫诊断方法

为实时诊断番茄叶片水分胁迫程度，提出一种叶片水分胁迫程度的诊断方法，该诊断方法包括2部分：叶片分割和水分胁迫程度分类。采用以ResNet101为特征提取卷积网络的Mask R-CNN网络对背景遮挡的番茄叶片进行实例分割，通过迁移学习将Mask R-CNN在COCO数据集上预训练得到的权重用于番茄叶片的实例分割，保留原卷积网络的训练参数，只调整全连接层。利用卷积网络提取的特征，可将番茄叶片分割视为区分叶片与背景的一个二分类问题，以此来分割受到不同水分胁迫的番茄叶片图像。利用微调后的DenseNet169图像分类模型进行叶片水分胁迫程度分类，通过迁移学习将DenseNet169在ImageNet数据集上预训练得到的权重用于番茄叶片水分胁迫程度的分类，保持DenseNet169卷积层的参数不变，只训练全连接层，并对原DenseNet169全连接层进行了修改，将分类数量从1.000修改为3。试验共采集特征明显的无水分胁迫、中度胁迫和重度胁迫3类温室番茄叶片图像，共2000幅图像，建立数据集，并进行模型训练与测试。试验结果表明，训练后的Mask R-CNN叶片实例分割模型在测试集上对于单叶片和多叶片的马修斯相关系数平均为0.798，分割准确度平均可达到94.37%。经过DenseNet169网络训练的叶片水分胁迫程度分类模型在测试集上的分类准确率为94.68%，与 VGG-19、AlexNet这2种常用的深度学习分类模型进行对比，分类准确率分别提高了5.59、14.68个百分点，表明本文方法对温室番茄叶片水分胁迫程度实时诊断有较好的效果，可为构建智能化的水胁迫分析技术提供参考。     

基于多源图像融合的自然环境下番茄果实识别

蔬果采摘机器人面对的自然场景复杂多变,为准确识别和分割目标果实,实现高成功率采收,提出基于多源图像融合的识别方法。首先,针对在不同自然场景下单图像通道信息不充分问题,提出融合RGB图像、深度图像和红外图像的多源信息融合方法,实现了机器人能够适应自然环境中不同光线条件的番茄果实。其次,针对传统机器学习训练样本标注低效问题,提出聚类方法对样本进行辅助快速标注,完成模型训练;最终,建立扩展Mask R-CNN深度学习算法模型,进行采摘机器人在线果实识别。实验结果表明,扩展Mask R-CNN算法模型在测试集中的检测准确率为98.3%、交并比为0.916,可以满足番茄果实识别要求;在不同光线条件下,与Otsu阈值分割算法相比,扩展Mask R-CNN算法模型能够区分粘连果实,分割结果清晰完整,具有更强的抗干扰能力。     

基于Mask R-CNN模型的葡萄藤关键结构分割方法

剪枝点的精确识别与定位是实现葡萄藤冬季剪枝智能化的基础,葡萄藤关键结构的分割是用于推理精确剪枝点的重要前提。针对现有分割方法受背景影响较大致使葡萄藤各关键结构损失和剪枝点识别与定位不准确的问题,提出一种基于Mask R-CNN的葡萄藤关键结构分割方法,建立葡萄藤修剪模型以及各关键结构数据集。通过主干特征提取网络和分割性能的对比试验,得出最优的Mask R-CNN模型结构并验证其拟合与泛化能力以及在不同自然背景下的分割性能。结果表明,以ResNet 101+FPN为主干特征提取网络的Mask R-CNN模型具有较好的拟合与泛化能力,相较于对照组模型准确率分别提升7.33%和8.89%,召回率分别提升9.32%和9.26%,平均精度均值分别提升12.69%和12.63%,其能够克服各类自然种植背景因素,分割目标边缘完整,葡萄藤各关键结构之间连接关系正确。     

基于注意力机制和可变形卷积的鸡只图像实例分割提取

为提高鸡只个体轮廓分割提取的精度和准确度,实现基于机器视觉技术的鸡只行为、健康、福利状态监测等精准畜牧业管理,保证相关监测技术及决策的可靠性,针对叠层笼养环境下肉鸡图像的实例分割和轮廓提取问题,提出一种优化的基于Mask R-CNN框架的实例分割方法,构建了一种鸡只图像分割和轮廓提取网络,对鸡群图像进行分割,从而实现鸡只个体轮廓的提取。该网络以注意力机制、可变形卷积的41层深度残差网络（ResNet）和特征金字塔网络（Feature pyramid networks, FPN）相融合为主干网络,提取图像特征,并经区域生成网络（Region proposal networks, RPN）提取感兴趣区域（ROI）,最后通过头部网络完成鸡只目标的分类、分割和边框回归。鸡只图像分割试验表明,与Mask R-CNN网络相比,优化后网络模型精确率和精度均值分别从78.23%、84.48%提高到88.60%、90.37%,模型召回率为77.48%,可以实现鸡只轮廓的像素级分割。本研究可为鸡只福利状态和鸡只健康状况的实时监测提供技术支撑。     

基于改进Mask R-CNN的苹果园害虫识别方法

针对基础卷积神经网络识别苹果园害虫易受背景干扰及重要特征表达能力不强问题，提出一种基于改进Mask R-CNN的苹果园害虫识别方法。首先，基于Haar特征方法对多点采集得到的苹果园害虫图像进行迭代初分割，提取害虫单体图像样本，并对该样本进行多途径扩增，得到用于深度学习的扩增样本数据集。其次，对Mask R-CNN中的特征提取网络进行优化，采用嵌入注意力机制模块CBAM的ResNeXt网络作为改进模型的Backbone,增加模型对害虫空间及语义信息的提取，有效避免背景对模型性能的影响；同时引入Boundary损失函数，避免害虫掩膜边缘缺失及定位不准确问题。最后，以原始Mask R-CNN模型作为对照模型，平均精度均值作为评价指标进行试验。结果表明，改进Mask R-CNN模型平均精度均值达到96.52%,相比于原始Mask R-CNN模型，提高4.21个百分点，改进Mask R-CNN可精准有效识别苹果园害虫，为苹果园病虫害绿色防控提供技术支持。     

基于改进Mask R-CNN的水稻茎秆杂质分割方法研究

针对目前国内联合收割机缺乏含杂率在线检测的问题,提出一种基于改进Mask R-CNN的水稻茎秆杂质分割方法。依据茎秆杂质形状位置特征,对原始Mask R-CNN中网络层进行优化;引入图像增广技术对图像样本进行扩充,解决图像训练数据匮乏问题;利用训练后模型对验证集中图像进行分割,并与原始Mask R-CNN等算法进行对比。结果表明,改进后Mask R-CNN算法的综合评价指标F1达到91.12%,优于其他模型,且分割时间可达到3.57 s,证明其可满足实时检测要求,为后续含杂率在线检测系统实现提供技术参考。     

农村剩余劳动力就业问题的探讨

论述了我国农村剩余劳动力就业的意义，并针对我国农村剩余劳动力的现状，提出多渠道促进农村剩余劳动力就业的途径和办法。     

车用发动机润滑油失效规律与更换周期研究

研究在正常使用条件下１０Ｗ／３０－ＱＣ级润滑油用于某型车用发动机时所表现的失效规律,确认期服从两参数Ｗｅｉｂｕｌｌ分布,并给出分布的尺度参数η和形状参数ｍ之最佳线性无偏估计（ＢＬＵＥ）同时,还为定量分析,计算车用发动机润滑油的使用可靠性和合理确定其更换周期提供了一套可供借鉴的方法,并给出了具体的计算实例。     

乡（镇）农业技术推广体系存在的问题及对策

乡（镇）农技推广体系是农业发展的关键。介绍朝阳市农业技术推广体系的现状,针对目前体制及运行机制、服务手段等方面存在的问题,提出适合朝阳市乡（镇）农技推广体系改革与发展的对策,以期对全省农技推广体系改革和发展起到一些借鉴作用。     

草莓的采收与贮藏

草莓果味酸甜爽口,营养价值高,为人们所喜爱的应市鲜果之一。由于草莓易受损伤和微生物侵染,因此其采收、贮藏过程极为重要。介绍草莓采收过程中的注意事项以及11种贮藏保鲜技术的实施步骤和操作方法,推介9种加工方式,为草莓产业化提供技术支持。     

Review of the Egyptian experience in implementing land drainage projects

About 30 years have passed since the Government of Egypt embarked on implementing a series of large scale drainage projects. At present, about 3.8 million acres have been provided with drainage systems on the basis of systematic pre-drainage investigations and designs. The target is to provide drains in approximately 6.4 million acres in the Nile Valley and Delta.The implementation of the subsurface drainage system is carried out by the public sector and private contractors under direct supervision of governmental regional departments. The implementation process depends on many factors related to the drainage material, machinery, manpower, site requirements, farmers and organizations involved. Problems and constraints are sometimes challenging, however, the annual rate of implementation has gradually increased to 170,000 acre/year.This paper discusses the different aspects involved in the implementation process of drainage systems. The development in materials, machinery and construction technologies will be reviewed. Institutional and management factors are going to be also considered.     

水稻“3414”肥料试验研究

以海城地区水稻主栽品种辽星一号为研究对象,开展水稻＂3414＂氮磷钾肥料试验,研究水稻在不同氮磷钾水平配比时的产量效应、最佳施肥量及最佳氮磷钾配比。结果表明,本地区最佳经济产量为725.5kg/667m2,氮磷钾最佳施肥量分别为N16.1kg/667m2、P2O58.5kg/667m2、K2O7.3kg/667m2,氮磷钾的最佳施肥配比为1：0.53：0.45。     

渍害条件下生物炭对番茄生长及产量的影响

为了探讨南方地区农业生产以施加生物炭作为缓解作物渍害胁迫的可能性,利用土柱试验,系统研究了渍害条件下不同生物炭施加量对番茄形态指标、生理指标、产量及水分利用效率的影响.结果表明,在5%生物炭施用量下,除总根长、根尖数、根冠比和叶绿素荧光参数外,其余各项形态指标、生理指标较对照处理均显著增加;生物炭施用对番茄干物质积累的促进作用更为明显,施用3%生物炭处理下,根干质量、总干物质量较对照处理差异显著,分别增加了0.11 g/株、2.37 g/株.生物炭添加对番茄产量影响并不显著,仅在生物炭施加量为10%时,番茄产量明显高于对照处理,而该处理下WUE的增幅达到了120%.总体上,5%的生物炭施用量较为经济合理,适于实际生产应用.     

基于无线传感器网络和LabVIEW的粮仓监控系统设计

鉴于粮食储备安全的重要性,提出了一种基于无线传感器网络和LabVIEW的粮仓监控系统设计方案。该系统采用无线传感器网络(wireless sensor network,WSN)对粮仓环境进行监测,遵循Zigbee协议将传感器采集的数据以无线方式传输给网关节点;网关节点通过串口将数据传给监控中心;监控中心采用LabVIEW完成数据的实时显示、分析、存储,以及对异常情况的报警,系统实现了对粮仓的智能监控。     

电感耦合等离子体质谱法（ICP-MS）同时测定土壤中多种元素

为优化ICP-MS法同时测定土壤中多种元素的测定条件,采用在线加入内标的方法,探讨同时测定元素Li、Be、Sc、Ge﹑Mo、Sb、W、Tl、Bi、Th、U的参数条件,并对优化后的条件进行质量水平评价。试验结果表明：元素检出限为0.003～0.450μg/L;Δlgc〈0.04;RSD%〈10（n=12）;加标回收率在98%～108%之间。     

车身零件连接方式对其装配刚度的影响

车辆的疲劳及NVH特性与其刚度密切相关。构成车身骨架的横纵梁一般通过支架或翻边经点焊或铆接连接,因此,除梁本身截面外,其支撑和连接形式也对装配刚度影响很大。应用解析法讨论了边界支撑刚度与实际装配刚度的数学关系并绘制了相应曲线。分析并比较了多种截面薄壁梁的弯曲与扭转特性。应用有限元法计算了不同支撑形式下的实际装配刚度。从轻量化设计角度,提出了承担不同作用的梁类零件应选择的最佳结构。