水下底栖生物轻量化目标检测算法YOLOv7-RFPCW

针对水下底栖生物检测模型参数量过多,计算量过大,同时水下环境复杂容易造成错检和漏检,影响模型在水下底栖生物检测任务中的准确性的问题。提出了一种水下底栖生物轻量化检测算法YOLOv7-RFPCW。对YOLOv7网络重新设计轻量级网络结构,降低了特征提取网络的参数量和计算量,减少模型体积。设计了P-ELAN和P-ELAN-W模块,进一步轻量化特征提取网络;针对水下图像颜色失真,目标的空间位置不准确的问题,采用CBAM注意力模块加强特征融合,减少信息丢失,以更好地适应特殊的水下环境;针对水下目标容易出现形状变形的问题,使用WIOU-V3损失函数替换默认的CIOU损失函数,提高水下底栖生物检测的鲁棒性。试验结果显示,改进后的模型YOLOv7-RFPCW的参数量和计算量分别减少了75.9%和30.7%,模型体积减小了75.3%,精度提升了1.9个百分点。这一综合性的提升兼顾了轻量化和精度,为在水下环境中部署提供了可行的解决方案,验证了所提出的改进算法能胜任水下底栖生物检测任务。     

A pioneering survey of deep-diving and off-shore cetaceans in the northern South China Sea

A pioneering boat-based survey was conducted in 2019, to gather baseline information regarding the presence, composition, relative abundance, and spatial distribution of deep-diving and off-shore cetaceans in the northern South China Sea (SCS). A total of 27 sightings comprising at least 8 cetacean species were recorded during the 13-day survey, including 5 deep-diving species (i.e. Risso's dolphin [Grampus griseus], short-finned pilot whale [Globicephala macrorhynchus], sperm whale [Physeter macrocephalus], Cuvier's beaked whale [Ziphius cavirostris], and an unidentified beaked whale [either the ginkgo-toothed beaked whale, Mesoplodon ginkgodens, or Deraniyagala's beaked whale, Mesoplodon hotaula]), as well as 3 off-shore dolphins (i.e. pantropical spotted dolphin [Stenella attenuate], striped dolphin [Stenella coeruleoalba], and Fraser's dolphin [Lagenodelphis hosei]). With the exception of pantropical spotted dolphins, all other species were sighted and recorded at sea in the northern SCS for the first time. The pantropical spotted dolphin was the most frequently sighted species, comprising 30% of the total sightings. Deep-diving cetaceans were mainly sighted in the northern Xisha Archipelago, whereas off-shore dolphins were distributed across the survey area. The pantropical spotted dolphin was observed in aggregations of more than 100 individuals and nearly all encountered species included calves; these findings suggested that the survey area functions as an important feeding and calving ground for various cetacean species. This pioneering survey provides fundamental information regarding cetacean fauna in the northern SCS and highlights the need to strengthen research and conservation efforts concerning these species.     

比较机器学习等算法对肉鸡产蛋性状育种值估计的准确性

我国白羽肉鸡育种中,通过遗传途径提高产蛋数和控制合适的蛋重是培育优良品系的一个重要方面。为探索适合我国白羽肉鸡育种中的基因组选择模型,本研究以2 474只白羽肉鸡品系的产蛋性状为研究对象,主要分析了机器学习算法KAML、BLUP(包括：PBLUP、GBLUP、SSGBLUP)和Bayes(包括：Bayes A、Bayes B和Bayes Cπ)方法对产蛋数和蛋重性状的预测准确性,准确性以5倍交叉验证进行评估。利用系谱以及基因组信息估计了产蛋数和蛋重性状的遗传力和遗传相关。结果表明,产蛋数性状遗传力为0.061~0.16,属于低遗传力性状;蛋重遗传力为0.28~0.39,属于中等遗传力性状;产蛋数与蛋重是中等遗传负相关(-0.518~-0.184),不同阶段产蛋数之间是强的遗传正相关(0.736~0.998)。不同模型预测43周产蛋数和52周蛋重的育种值估计准确性结果表明,KAML方法对两者的预测准确性分别为0.115和0.266,与GBLUP方法(准确性分别为0.118和0.283)和SSGBLUP方法(准确性分别为0.136和0.259)的准确性差异显著,同时显著低于Bayes方法(准确性分别为0.230~0.239、0.336~0.340)的预测准确性, PBLUP方法预测准确性最低(准确性分别为0.095和0.246)。因此,在白羽肉鸡产蛋数和蛋重性状中应用Bayes方法将获得最高的育种值估计准确性。     

中国草业教育发展史:1.本科教育

中国现代意义上的草业教育是从高等教育开始,由20世纪30年代在大学陆续开设的牧草学、草原学、饲料生产学等单门课程逐步发展、扩大为完整、系统的草业科学专业。70多年来,通过单门课程教学,本、专科专业教学体系初步形成,恢复及完善,本科专业教学体系快速发展和提高4个发展阶段,草业教育由畜牧专业的单门课程发展为独立的二级专业,继由二级专业提升为草业科学一级学科。草业本科教育在内涵提高的同时,其外延也取得了巨大的发展与成就,专业的数量和培养的草业人才大幅度增加,2010年全国共有草业科学本科专业30个,截至2008年底,有专业教师486人,已毕业本专科生14 225名,有在读本科生5 107名,中国成为世界上草业科学专业和学生的数量最多、培养层次最完整、教学指导思想最先进的国家之一,而且,甘肃农业大学的草业科学本科专业是世界上规模最大的本学科本科专业。     

水田侧深施肥装置的分析与试验

水稻插秧时,均匀、定位、定量及可靠施肥是保证秧苗均匀吸收肥料、均匀生长的必要因素,侧深施肥技术的应用给出了水稻生产过程中科学合理的施肥方法,以上问题有了明显改善,但水田机械施肥时肥料易受潮粘结堵塞带来了新的难题。为此,设计了一种电动螺旋施肥装置,并对该技术的优越性进行了分析。该装置通过控制器来调节直流电机转速,驱动软轴强制排肥,不但实现了施肥量的无极调节,且传动简单节省了空间,解决了水稻插秧侧深施肥过程中肥料受潮粘结堵塞开沟器的问题,提高了肥料排施作业质量和效果。样机试验表明:该机具有施肥均匀、性能先进及安全可靠等特点。该项新技术及装置技术关键突破后,解决了水稻插秧侧深施肥作业堵塞问题,可为水稻插秧侧深施肥技术的研究提供参考。     

深井离心泵的水力设计和二次回归正交试验

根据研发新型井泵节能节材的要求,将水力设计与计算流体动力学技术和二次回归正交试验方法相结合,进行提高井泵效率的试验研究.试验选择深井离心泵的叶轮出口安放角和出口宽度两个几何因素,按二次回归正交试验方案,设计了10副叶轮.通过计算流体动力学技术对包含叶轮、导叶在内的两级新型深井离心泵的全流场进行了设计工况下的三维流场数值模拟,得到了10组设计方案额定点的效率值.通过二次回归正交试验法研究了叶轮出口安放角、出口宽度对效率的影响规律,根据计算结果对新型深井离心泵效率提出了二次回归约束方程.结果表明,采用叶轮极大直径设计法对提高新型深井离心泵的水力效率具有一定的参考价值.     

基于机器视觉和YOLOv4的破损鸡蛋在线检测研究

破损鸡蛋导致的漏液会污染自动化生产线和完好鸡蛋,不仅影响生产效率,还会干扰裂纹鸡蛋的检测.为实现破损鸡蛋快速、准确、低成本的识别,本文利用机器视觉技术,并结合深度学习网络深层次特征提取、高精度检测分类的特性,提出一种基于YOLOv4网络的破损鸡蛋检测方法.构建破损鸡蛋图像数据集,搭建YOLOv4深度学习网络,训练含有破...     

基于卷积神经网络的家蚕病害识别研究

病害是我国养蚕业健康发展面临的主要威胁之一,为研究机械化养蚕模式下的家蚕病害防治方法,采用卷积神经网络进行家蚕病害图像的识别研究。首先在实际环境下,采用饲养和添食病原的方法,集中获取家蚕品种芳·秀×白·春在大蚕期的部分生长阶段下患脓病、微粒子病、白僵病、细菌病、农药中毒以及健康状态的样本,并开展图像采集工作,构建出家蚕病害图像数据集。其次采用特征融合和缩减结构的方法,对残差神经网络进行部分改进,以避免直接使用该算法会导致不必要的计算耗损。最后进行家蚕病害识别试验。结果表明:卷积神经网络能够高效准确识别家蚕病害图像,使用改进的算法在测试集上的准确率达到94.31%,与标准的残差神经网络准确率相当,但训练的参数量仅为原来的1/3,且识别效率大幅提升,更有利于网络的训练与部署。     

基于深度学习与多尺度特征融合的烤烟烟叶分级方法

为实现烤烟等级的快速准确识别,降低人工分级中主观因素对分级结果的影响,提高烟叶分级的准确性和一致性,提出一种基于烤烟RGB图像和深度学习的多尺度特征融合的烟叶图像等级分类方法,采用ResNet50提取烟叶图像特征,并引入基于注意力机制的SE模块(压缩激发模块),增强不同通道特征的重要程度;同时,采用FPN(特征金字塔网络)对提取的由浅及深不同层级的烟叶特征进行融合,以实现烟叶多尺度特征的表达。采集皖南地区6068个烤烟的正面和背面图像用于建模和分析。结果表明,提出的烟叶分级方法的分级正确率比经典CNN(卷积神经网络)高出5.21%,分级模型在新批次7个等级烟叶上的分级正确率为80.14%,相邻等级的分级正确率为91.50%。因此,采用RGB图像结合深度学习技术可实现烤烟烟叶等级的良好识别,可为烤烟烟叶收购等级评价提供一种新方法。     

多网格式深松机架的设计与有限元分析

针对深松机机架结构复杂、受载能力差等问题,设计了一种深松机,机架采用多网格式进行深松作业.运用ANSYS模态分析相关原理及田间试验对深松机机架进行分析.在SoliWorks中建立深松机的三维实体模型,运用ANSYS对深松机机架分析,机架采用三面体单元进行网格划分,建立有限元模型,选择分析类型,对深松机机架分析求解,计算...