花生油中黄曲霉毒素B1含量的荧光光谱表征

花生油在生产过程中极易受到黄曲霉毒素B1(Aflatoxin B1, AFB1)的污染。针对AFB1的传统检测方法操作繁琐、时效性差等问题,利用荧光光谱技术快速检测花生油中AFB1含量。首先通过三维荧光光谱确定最佳激发波长,使用K-means和自组织映射(Self organizing map, SOM)聚类算法对花生油中AFB1含量进行超标与否的定性鉴别,准确率均达95%以上;其次使用2种预处理算法和2种降维算法,选出竞争自适应重加权采样(Competitive adaptive reweighted sampling, CARS)为最佳的波长选择方法;随后将回声状态网络(Echo state network, ESN)用于AFB1的定量建模,同时与其他模型作比较,结果显示CARS-ESN模型获得了最佳AFB1含量预测效果;最后将麻雀搜索算法(Sparrow search algorithm, SSA)用于对ESN参数进行寻优,最终预测集决定系数达0.984,均方根误差达2.13μg/kg。结果表明了荧光光谱技术结合ESN预测花生油中AFB1含量的可行性,为在线检测食用油中真菌毒素含...     

多尺度自注意力特征融合的茶叶病害检测方法

针对茶叶病害检测面临的病害尺度多变、病害密集与遮挡等诸多问题,提出了一种多尺度自注意力茶叶病害检测方法(Multi-scale guided self-attention network, MSGSN)。该方法首先采用基于VGG16的多尺度特征提取模块,以获取茶叶病害图像在不同尺度下的局部细节特征,例如纹理和边缘等,从而有效表达多尺度的局部特征。其次,通过自注意力模块捕获茶叶图像中像素之间的全局依赖关系,实现病害图像全局信息与局部特征之间的有效交互。最后,采用通道注意力机制对多尺度特征进行加权融合,提升了模型对病害多尺度特征的表征能力,使其更加关注关键特征,从而提高了病害检测的准确性。实验结果表明,融合多尺度自注意力的茶叶病害检测方法在背景复杂、病害尺度多变等场景下具有更好的检测效果,平均精度均值达到92.15%。该方法可为茶叶病害的智能诊断提供参考依据。     

基于WGAN和MCA-MobileNet的番茄叶片病害识别

针对番茄病害识别模型参数量大、计算成本高、准确率低等问题,本文提出一种基于多尺度特征融合和坐标注意力机制的轻量级网络（Multi scale feature fusion and coordinate attention MobileNet, MCA-MobileNet）模型。采集10类番茄叶片图像,采用基于Wasserstein距离的生成对抗网络（Wasserstein generative adversarial networks, WGAN）进行数据增强,解决了样本数据不足和不均衡的问题,提高模型的泛化能力。在原始模型MobileNet-V2的基础上,引入改进后的多尺度特征融合模块对不同尺度的特征图进行特征提取,提高模型对不同尺度的适应性;将轻量型的坐标注意力机制模块（Coordinate attention, CA）嵌入倒置残差结构中,使模型更加关注叶片中的病害特征,提高对病害种类的识别准确率。试验结果表明,MCA-MobileNet对番茄叶片病害的识别准确率达到94.11%,较原始模型提高2.84个百分点,且参数量仅为原始模型的1/6。该方法较好地平衡了模型的识别准确率和计算成本,为番茄叶片病害的现场部署和实时检测提供了思路和技术支撑。     

融合路面特征的大型喷雾机多工况悬架控制与试验

大型高地隙喷雾机的作业工况复杂,不同路况对悬架的性能要求不尽相同,传统悬架系统已无法满足喷雾机多工况作业的不同减振需求。为有效提高大型喷雾机各工况下的减振性能并有效降低能耗,提出了一种基于路况识别的多工况主动悬架控制系统。首先,分析喷雾机典型作业工况,建立路面特征与悬架模型的映射关系;然后,搭建喷雾机油气悬架的上下层控制系统,采用变步长萤火虫算法优化控制系统中各工况下的阻尼系数;最终将搭载该控制算法的喷雾机进行田间动态性能试验。试验结果表明,相比传统悬架,主动悬架在水泥及田间路面的行驶平顺性分别提升11.0%和22.8%,操控稳定性分别提升24.5%和3.4%。本研究所提出的控制系统可以有效解决不同工况下驾驶平顺性和操纵稳定性的矛盾关系,满足喷雾机各工况的特定减振需求。     

英国景观特征评估对我国国土空间景观风貌规划管控的启示

国土空间规划要求对全域全要素资源进行统筹规划。景观风貌是跨越行政边界的各要素资源的综合表征。对景观风貌进行评估能够为国土空间景观风貌规划管控提供依据,为各类规划管控提供景观风貌参照标准,实现国土空间全域全要素资源禀赋的原真性保护。文章通过对英国景观保护观念、保护方法和对象及管理组织和管控模式的发展转变历程进行总结,对其景观特征评估体系要点进行解读,提出在国土空间规划的背景下,我国进行景观风貌规划管控的构想:完善规划评估导向和原则,搭建规划评估流程,划分规划管控层级与重点,构建统筹管理、区域协同、多方参与的管控体系。景观风貌规划管控体系的构建可为国土空间规划体系的建立提供有力支撑。     

基于ICESat-GLAS数据和回波仿真原理识别森林类型

【目的】利用星载激光雷达波形数据对森林类型识别时,受地形、噪声和林层结构等因素影响,针叶林、阔叶林和混交林森林类型识别精度较低,为提高森林类型识别精度,需提取与森林类型相关的波形特征参数。【方法】结合回波仿真原理与林分冠层特征对GLAS回波波形进行理论分析,提出了与森林类型相关的波形特征参数Rcafit1-47、K1-47,并与其他森林类型相关的波形特征参数进行联合,建立多种波形特征参数组合,用于森林类型识别。【结果】1)针叶林和阔叶林森林类型识别时,波形特征参数组合Rcafit1-47、K1-47森林类型总体识别精度为92.86%,优于另外两种波形特征参数组合AGS、MSGS和AGS、SGS森林类型总体识别精度;2)针叶林、阔叶林和混交林森林类型识别时,波形特征参数组合Rcafit1-47、K1-47森林类型总体识别精度为77.03%,低于另外两种波形特征参数组合AGS、MSGS和AGS、SGS森林类型总体识别精度;3)波形特征参数Rcafit1-47、K1-47与其他波形特征参数组合后能够提高森林类型识别精度,其中,Rcafit1-47、K1-47、AGS、MSGS参数组合森林类型识别精度最高,针叶林和阔叶林森林类型识别精度为94.64%,针叶林、阔叶林和混交林林分类型识别精度为89.19%。【结论】提出的波形特征参数Rcafit1-47和K1-47在针叶林和阔叶林森林类型识别方面具有明显优势,而且与其他波形特征参数组合后能够明显提高针叶林、阔叶林和混交林3种森林类型的识别精度。     

葡萄种质资源花穗形状分类标准的建立及其动态发育过程分析

【目的】葡萄是重要的经济果树,果穗形状会影响其经济价值。本研究跟踪调查255份葡萄种质资源的果穗发育过程,建立新的花序形状并完善果穗形状分类标准,为葡萄生产提供理论支撑。【方法】田间跟踪调查255份葡萄种质资源的花穗长宽发育情况,在开花期、果实膨大期以及果实成熟期3个关键时期测量主穗长宽、小穗长宽、小穗角度、果粒横纵径、果粒重以及果柄长,分析果穗形状动态发育过程中各指标变化规律。【结果】基于255份葡萄种质资源的田间调查结果,将花序与果穗形状分为长圆锥、短圆锥、长圆柱、短圆柱并建立新的花序与果穗形状分类标准。调查发现,在葡萄花序发育过程中,52.55%的花序会发生形状变化,以长圆柱花序居多,大多发育为短圆柱果穗。因此,果穗形状形成类型有16种。对葡萄穗长穗宽的分析发现,长圆锥花序在发育过程中具有较高的“稳定性”,对于短圆锥、长圆柱、短圆柱花序而言,穗长对形状影响更大,进一步探究发现小穗长/宽以及小穗角度尤其是上部小穗的长宽与角度是影响花穗形状外缘的主要因素。【结论】本研究将花序与果穗形状分为长圆锥、短圆锥、长圆柱、短圆柱4种,提出了一个花序、果穗的形状分类标准的计算方法,同时对调查数据进行了实际计算与分类。一半以上葡萄花序的形状会发生变化,圆锥花序的形状较稳定。穗长、穗宽、小穗长宽及小穗角度对穗形影响较大,分别表现在影响形状的长宽和外缘,尤其是上部小穗的长宽与角度是影响柱锥判断的最主要原因。小穗角度的变化会影响小穗反映在形状上的有效长度。本研究进一步提出了基于花穗形状的整形修剪方法,可为葡萄的整形修剪提供理论基础。     

外源C4-PEPC对水稻粒形和稻米品质及成分的影响

【目的】磷酸烯醇式丙酮酸羧化酶（phosphoenolpyruvate carboxylase,PEPC）参与植物碳代谢,并且在碳氮耦合代谢调节过程中扮演着重要角色。分析导入外源C₄-PEPC对水稻稻谷粒形和稻米品质及成分变化的影响,进一步阐明C₄-PEPC在C₃植物水稻中的作用。【方法】以航2号（对照）和转C₄-PEPC水稻为材料,采用万深SC-G型自动考种及千粒重分析仪分析稻谷的粒形,采用电镜扫描观察稻米内部淀粉粒结构,参照标准米质测定方法测定稻米品质(直链淀粉含量、胶稠度、碱消值);同时,测定稻米中支链淀粉、蔗糖、可溶性总糖及碳氮的含量,并采用高效液相色谱法测定稻米中的氨基酸含量。【结果】粒形分析表明,与对照航2号相比,转C₄-PEPC水稻的谷粒明显较短较窄,其长、宽、周长及千粒质量也明显较小。电镜扫描显示,航2号淀粉粒排列紧密,而转C₄-PEPC稻米淀粉粒排列明显比较松散。转C₄-PEPC株系稻米中直链淀粉含量明显较低,而支链淀粉含量明显较高,胶稠度和碱消值与对照无明显差别,垩白率和垩白度降低,蔗糖和可溶性糖含量极显著降低。转C₄-PEPC稻米的总氮含量明显较低,其中天冬氨酸、谷氨酸、丝氨酸、甘氨酸、组氨酸、精氨酸、苏氨酸、丙氨酸、酪氨酸、缬氨酸、胱氨酸、亮氨酸、苯丙氨酸、赖氨酸等14种氨基酸含量明显较低,而其余3种氨基酸,即脯氨酸、异亮氨酸、色氨酸含量与对照无明显差别。【结论】导入外源C₄-PEPC后,水稻谷粒变小,淀粉粒排列松散,稻米中直链淀粉、蔗糖、可溶性糖、总氮及大部分氨基酸含量降低,而支链淀粉含量升高。     

基于MRE-PointNet+AE的绿萝叶片外形参数估测算法

为了准确、高效、自动获取植物叶片外形参数,提出一种基于多分辨率编码点云深度学习网络(MRE-PointNet)和自编码器模型的绿萝叶片外形参数估测算法。使用Kinect V2相机以垂直姿态获取绿萝叶片点云数据,采用直通滤波、分割、点云精简算法对数据进行预处理,通过测定的叶片外形参数反演绿萝叶片几何模型,并计算几何模型的叶长、叶宽、叶面积。将不同参数组合构建的几何模型离散成点云数据输入MRE-PointNet网络,得到几何模型叶片外形参数估测的预训练模型。针对拍摄过程中存在的叶片部分遮挡和噪声问题,采用自编码器网络对点云数据进行二次处理,以几何模型离散的点云数据作为输入,经过编码解码运算得到自编码器的预训练模型,提升了MRE-PointNet网络在遮挡情况下对叶片外形参数估测的鲁棒性。试验共采集300片绿萝叶片点云数据,按照2∶1比例进行划分,以其中200片点云数据作为训练集,对预训练模型MRE-PointNet做模型迁移的参数微调,以剩下的100片点云数据作为测试集,评估模型对绿萝叶片外形参数的估测能力。采用本文算法将外形参数估测值和真实值进行数学统计与线性回归分析,得出叶长、叶宽和叶面积估测的R^2和RMSE分别为0.9005和0.4170 cm、0.9131和0.3164 cm、0.9447和3.8834 cm^2。试验表明,基于MRE-PointNet和自编码器模型的绿萝叶片外形参数估测算法具有较高的精确度和实用性。     

基于嗅觉和光谱技术融合的面粉脂肪酸值定量检测

提出了一种基于比色传感器数据和近红外光谱特征融合的储藏期面粉脂肪酸值的定量检测方法。开发比色传感器阵列、搭建便携式近红外光谱测量系统,分别采集不同储藏期面粉样本的比色传感器数据和近红外光谱。利用主成分分析分别对预处理后的比色传感器数据和近红外光谱数据进行特征降维,采用五折交互验证法在反向传播神经网络(BPNN)模型校正过程中进行优化,确定基于单技术分析模型的最佳主成分(PCs)个数。将优化后的基于单技术模型的最佳PCs在特征层进行融合,建立基于融合特征的BPNN分析模型,以实现对面粉储藏过程中脂肪酸值的快速检测。实验结果显示,基于比色传感器特征和基于近红外光谱特征建立的最佳BPNN模型的最佳PCs数量分别为3和4,基于融合特征建立的BPNN模型在预测集中的相关系数和预测均方根误差的均值分别为0.9276和1.9345 mg/(100 g)。研究表明,与单技术数据分析模型相比,基于比色传感器数据和近红外光谱特征融合模型的检测精度和泛化性能都有所提高。本研究可为粮食储藏品质的高精度原位监测提供一种技术方法。