小麦面条和面过程不同阶段面絮的划分与自动识别

和面是小麦面条加工过程中重要的一道工序,主要依据人工经验判断和面终点,缺少基于客观分析的自动化评价方法。为了实现和面过程的自动化,该研究依据小麦面条和面过程中面絮颗粒宏观状态,通过面絮状态图像的数据分析,并且从面条质构、水分状态及分布、蛋白质分子特性及微观结构揭示和面阶段划分的依据。结果表明,和面过程可以划分为初始面粉（阶段1）、润湿黏连（阶段2）、聚集成形（阶段3）、破裂分散（阶段4）和稳定平衡（阶段5）5个阶段,阶段5占和面总时间的50%左右;从阶段2到稳定平衡阶段初期（阶段5-1）,面片的硬度、弹性和咀嚼性逐渐增加并达到最大,在稳定平衡阶段中后期（阶段5-2、5-3）,面片硬度等指标数值下降;低场核磁共振与核磁共振成像分析结果表明,阶段2的水分自由度高,和面过程加速了水分在固、液、气三相之间的交换,并在阶段5达到稳定;所有和面阶段中氢键、离子键的强度明显低于疏水相互作用的强度,游离巯基含量在阶段5-2、5-3逐渐降低至稳定,二硫键含量在此阶段逐渐增多并保持稳定,蛋白质实现充分交联,决定了面条微观结构和宏观状态。构建基于深度学习的Transfer-ResNet50网络模型,实现和面阶段面絮图像的自动识别,模型识别准确率达98.5%,具有良好的可靠性,可以实现和面终点的自动判断。综上所述,面絮宏观颗粒状态可以作为和面过程划分的可靠依据,深度学习也为小麦面条和面过程自动控制提供新的思路。     

采用改进SSD网络的海参目标检测算法

随着海参养殖业快速发展,利用水下机器人代替人工作业的海参智能捕捞已成为发展趋势。浅海环境复杂,海参体色与环境区分性差、海参呈现半遮蔽状态等原因,导致目标识别准确率低下。此外由于景深运动,远端海参作为小目标常常未被识别成功。为解决上述问题,该研究提出一种基于改进SSD网络的海参目标检测算法。首先通过RFB（Receptive Field Block）模块扩大浅层特征感受野,利用膨胀卷积对特征图进行下采样,增加海参细节、位置等信息,并结合注意力机制,对不同深度特征进行强化,将计算得出的权重与原特征信息相乘以此获得特征图,使结果包含最具代表性的特征,也抑制无关特征。最后实现特征图融合,进一步提升水下海参的识别精度。以实际拍摄的视频进行测试验证,在网络结构层面上,对传统算法进行改进。试验结果表明,基于改进的SSD网络的海参目标检测算法的平均精度均值为95.63%,检测帧速为10.70帧/s,相较于传统的SSD算法,在平均精度均值提高3.85个百分点的同时检测帧速仅减少2.8帧/s。与Faster R-CNN算法和YOLOv4算法进行对比试验,该研究算法在平均精度均值指标上,分别比YOLOv4、Faster R-CNN算法提高4.19个百分点、1.74个百分点。在检测速度方面,该研究算法较YOLOv4、Faster R-CNN算法分别低4.6帧/s、高3.95帧/s,试验结果表明,综合考虑准确率与运行速度,改进后的SSD算法较适合进行海参智能捕捞任务。研究结果为海参智能捕捞提供参考。     

基于深度学习与激光点云的橡胶林枝干重建及参数反演

树木的几何建模在林木性状评价、森林动态经营管理与可视化研究中具有重要意义。现今,从激光雷达（Light Detection And Ranging,LiDAR）数据中重建树体三维模型并精准获取林木空间枝干结构参数是数字林业发展的必然趋势。该研究提出了一种深度学习与计算机图形学相融合的树木骨架重建与参数反演方法。该方法以PR107、CATAS 7-20-59、CATAS 8-79三个品种的橡胶树为实验对象,首先,采用背包移动激光雷达获取三个橡胶树品种的样地数据,并通过体素剖分和数据增广策略来构建橡胶树训练样本集。其次,构造由四层特征编码层和特征解码层所组成的点云分类深度学习网络,并包含优化的PointConv模块与不同尺度的特征插值模块,以实现在多尺度条件下,全面考虑点云的全局和局部优化特征,引导网络实现枝叶点云的精确分类。最后,面向分类后的枝干点云,运用计算机图形学的空间连通性算法与圆柱拟合策略,重建树木骨架模型,并自动解决叶子点云与对应的一级枝干归属问题,进而在叶团簇尺度下开展对单株树的精细描述与参数反演。通过对三块橡胶树测试样地的验证和与实测值的比对表明,该研究提出的深度学习网络枝叶分类总体准确率在90.32%以上。骨架重建与叶团簇分析结果显示,PR107品种橡胶树具有较为发散的树冠、最大的分枝夹角和叶团簇体积;CATAS 7-20-59品种橡胶树冠呈花瓶型,分枝夹角和叶团簇体积较小;而CATAS 8-79品种橡胶树尽管胸径最粗,但不耐寒害处于落叶期导致冠积最小。同时,反演得到的橡胶树一级枝干直径与实测值比对为：决定系数R2不低于0.94,均方根误差（Root Mean Square Error,RMSE）小于3.01 cm;主枝干与一级枝干的分枝角为：决定系数R2不低于0.91,均方根误差RMSE不高于4.94°。同时发现橡胶树一级枝干的直径与对应的叶团簇体积呈正相关分布。该研究将人工智能的理论模型应用于林木的激光点云数据处理中,为林木激光点云的智能化分析与处理提供了新颖的解决思路。     

边缘计算在智慧农业中的应用现状与展望

互联网技术快速发展使得数据量剧增,云计算的数据集中处理模式存在实时性不足、能耗过高以及数据安全等一系列问题。边缘计算是在靠近数据源端执行计算的分散处理模式,与云计算相比具有低延迟、低成本、安全性高、个性化设计等优势。随着智慧农业迅速发展,结合深度学习的农业应用屡见不鲜,如作物病害检测、生长环境监测、作物自动采摘、无人农场管理等,边缘计算可以为农业多场景、复杂任务提供高效、可靠的新型数据处理方案。该研究概述了边缘计算的发展,计算架构及主要优势;介绍了边缘计算在农业中的应用背景,结合文献量分析,归纳了边缘计算在农业上的主要应用场景及相关智能农业装备,调研了现有常用边缘计算设备及性能参数,总结了适合边缘计算的主流深度学习算法及模型压缩方法。研究表明边缘计算在智慧农业中的应用有效促进了农业的数字化、智能化,未来在多场景、多功能边缘计算智能农业装备开发等领域将面临重大挑战和机遇。     

改进YOLOv5测量田间小麦单位面积穗数

单位面积穗数是决定小麦产量的主要因素之一。针对人工清点小麦穗数的方法容易受主观因素影响、效率低和图像处理方法鲜有进行系统部署等问题,提出一种注意力模块（Convolutional Block Attention Module,CBAM）与YOLOv5相结合的CBAM-YOLOv5网络结构,通过对特征图进行自适应特征细化,实现更准确的单位面积穗数测量。该研究以本地采集小麦图像数据和网络公开小麦图像数据为数据集,设置输入图像分辨率为1 280,得到CBAM-YOLOv5模型,可以达到0.904的F1分数和0.902的平均精度,测试集计数的平均相对误差为2.56%,平均每幅图像耗时0.045 s,综合对比,CBAM-YOLOv5模型具有显著优势。模型放置于服务器,结合手机端软件和辅助装置,形成单位面积穗数测量系统,实现育种小区麦穗图像实时采集、处理和计数,计数的平均相对误差为2.80%,抗环境干扰性强。该研究方法与装置可以实现田间小麦单位面积穗数的实时在线检测,降低主观误差,具有较高的准确率及较强的鲁棒性,为小麦单位面积穗数快速、准确估测提供一种新的技术和装备支撑。     

减量侧深施肥对里下河地区单季粳稻产量和品质的影响

以优质食味粳稻南粳9108和南粳5718为材料,以常规施肥为对照（CK,施氮量300 kg/hm²、基蘖氮肥与穗氮肥比7∶3）,分别设计6个侧深施肥处理[基蘖氮肥为常规施肥处理的100%（T1）、90%（T2）、85%（T3）、80%（T4）、75%（T5）及70%（T6）,穗氮肥量同CK],探讨侧深施肥对里下河地区单季粳稻产量和品质的影响。结果表明,与CK相比,T1处理显著提高水稻产量,2个品种产量分别提高了9.49%和8.23%,经济效益显著增加,同时改善了稻米的加工品质和营养品质,但未改善稻米的食味品质;T3处理2个品种产量与CK相比无显著差异,但提高了稻米的加工品质、外观品质和食味品质,是一种优质稳产的施肥方式。     

Nitrogen Deep Placement Combined with Straw Mulch Cultivation Enhances Physiological Traits,Grain Yield and Nitrogen Use Efficiency in Mechanical Pot-Seedling Transplanting Rice

To assess the effects of straw return coupled with deep nitrogen (N) fertilization on grain yield and N use efficiency (NUE) in mechanical pot-seedling transplanting (MPST) rice, the seedlings of two rice cultivars, i.e., Yuxiangyouzhan and Wufengyou 615 transplanted by MPST were applied with N fertilizer at 150 kg/hm² and straw return at 6 t/hm² in early seasons of 2019 and 2020. The experiment comprised of following treatments: CK (no fertilizer and no straw return), MDS (deep N fertilization and straw return), MBS (broadcasting fertilizer and straw return), MD (deep N fertilization without straw return), MB (broadcasting fertilizer without straw return). Results depicted that the MDS treatment significantly increased the rice yield by 41.69%?72.22% due to total above-ground biomass, leaf area index and photosynthesis increased by 54.70%?55.80%, 38.52%?52.17% and 17.89%?28.40%, respectively, compared to the MB treatment. In addition, the MDS treatment enhanced the total N accumulation by 37.74%?43.69%, N recovery efficiency by 141.45%?164.65%, N agronomic efficiency by 121.76%? 134.19%, nitrate reductase by 46.46%?60.86% and glutamine synthetase by 23.56%?31.02%, compared to the MB treatment. The average grain yield and NUE in both years for Yuxiangyouzhan were higher in the MDS treatment than in the MD treatment. Hence, deep N fertilization combined with straw return can be an innovative technique with improved grain yield and NUE in MPST in South China.     

Dissecting Genetic Basis of Deep Rooting in Dongxiang Wild Rice

Deep rooting is an important trait in rice drought resistance. Genetic resources of deep-rooting varieties are valuable in breeding of water-saving and drought-resistant rice. In the present study, 234 BC₂F₇ backcross introgression lines were derived from a cross of Dongye 80 (an accession of Dongxiang wild rice as the donor parent) and R974 (an indica restorer line as the recurrent parent). A genetic linkage map containing 1 977 bin markers was constructed by ddRADSeq for QTL analysis. Thirty-one QTLs for four root traits (the number of deep roots, the number of shallow roots, the total number of deep roots and the ratio of deep roots) were assessed on six rice chromosomes in two environments (2020 Shanghai and 2021 Hainan). Two of the QTLs, qDR5.1 and qTR5.2, were located on chromosome 5 in a 70-kb interval. They were detected in both environments. qDR5.1 explained 13.35% of the phenotypic variance in 2020 Shanghai and 12.01% of the phenotypic variance in 2021 Hainan. qTR5.2 accounted for 10.88% and 10.93% of the phenotypic variance, respectively. One QTL (qRDR2.2) for the ratio of deep roots was detected on chromosome 2 in a 210-kb interval and accounted for 6.72% of the phenotypic variance in 2020. The positive effects of these three QTLs were all from Dongxiang wild rice. Furthermore, nine and four putative candidate genes were identified in qRDR2.2 and qDR5.1/qTR5.2, respectively. These findings added to our knowledge of the genetic control of root traits in rice. In addition, this study will facilitate the future isolation of candidate genes of the deep-rooting trait and the utilization of Dongxiang wild rice in the improvement of rice drought resistance.     

福建乌龙茶产业可持续发展的对策建议

通过对福建乌龙茶产业及相关产业链发展现状的调研,分析该产业存在问题,查阅相关资料,提出福建乌龙茶产业的可持续发展不仅要注重茶园的生态建设和休闲旅游开发,提高茶叶的品质及安全,将茶产业与旅游业有机结合,实现茶产业从第一产业向第三产业的跨越升级,更要借鉴国际茶产业应用精深加工开发茶叶副产品的先进经验,重视精深加工技术的研发,提取茶中含有的各种既有“有效成分”又有“活性成分”化学物质,发挥茶的医疗效能,弘扬中医和茶文化结合的荼疗生态文化,为“十二五”实现福建乌龙茶产业的可持续发展提出对策建议。     

土壤肥沃耕层构建模式

详细介绍土壤的物质组成及作用,论述构建土壤肥沃耕层对农业生产的重要意义及我国土壤耕层构建模式的发展历程,介绍一种将深翻和秸秆还田结合起来的土壤肥沃耕层构建新模式,为提高土壤耕层的肥力提供参考。