基于轻量级SSD模型的夜间金蝉若虫检测

为实现夜间树上金蝉若虫的快速准确检测,该研究以自然环境图像数据集为研究对象,结合近距离实际应用场景,考虑到嵌入式系统的模型小型化和计算过程轻量化,在保持精度指标基本不变的前提下,基于适度削减模型深度、宽度的思路对已有目标检测网络MobileNet-SSD提出改进。具体措施包括：删除骨干网络末端的小尺寸特征图卷积层,逐级裁剪模型整体宽度、适当增加中高层卷积深度,在目标检测的分类层和预测框的回归层中使用深度可分离卷积代替传统3×3卷积等措施,先后获取3种改进的精简模型以进行比较。夜间图像测试结果表明,在基本保持网络性能的前提下,改进后的模型大小及计算量均呈现大幅减小,其中最优模型大小从原MobileNet-SSD的15.22 MB减少到1.51 MB,模型的浮点运算量也由原先的1.13×109减少到1.26×108,其平均准确率达90.46%,平均交并比达83.52%,F1分数达92.35%,GPU上的检测速度达179.3帧/s,CPU上的检测速度达到6.49帧/s,与改进前的模型相比具有更好的综合性能,白天图像的试验结果也显示出较好的泛化性能。该文提出的改进模型在大幅减少模型大小及其计算量的同时使模型性能保持在一个较高的水平,更适合部署在移动终端等资源受限设备上,可为金蝉的人工养殖提供有益参考。     

多尺度分解双寻优策略SPCNN的果园苹果异源图像融合模型

针对单一的自然场景图像信息不能满足准确识别果实和精准定位目标的要求,提出一种多尺度分解双寻优策略简化脉冲耦合神经网络（Simplified Pulse Coupled Neural Network, SPCNN）的飞行时间（Time of Flight,ToF）与可见光果园苹果图像融合模型。对SPCNN模型引入带参数优化的双寻优策略,对非下采样轮廓波变换（Nonsubsampled Contourlet Transform, NSCT）融合规则进行改进。模型包括配准模块、编码区、多尺度分解模块、单目标SPCNN融合模型、多目标SPCNN融合模型、解码区。模型改进了SPCNN模型的参数优化方式以及迭代次数,模型自适应点火次数较低,在3～7次左右,具有点火次数低、自适应分割、效率高的优点。中光15:00时段点火识别成功率达到了100.00%,点火分割时间达到最低91.91s。与其他融合模型比较,模型在强光12:00、中光15:00、弱光18:20、19:00时段融合图像识别成功率达到100.00%;融合时间低于SPCNN模型,达到最低92.68s。模型识别精度最优达到了100.00%、融合耗时最低达到了92.68s、模型大小较SPCNN低一个数量级,可补充和完善图像层次融合理论和方法。     

Coupled magnetic nanoparticle-mediated isolation and single-cell image recognition to detect Bacillus' cell size in soil

Microbial morphology fundamentally constrains how species interact with their environment, and hence ultimately affects their niche. However, the methodology of functional microbes in the soil ecosystem is still poorly studied since it is difficult to capture and identify the active monospecific community from the complicated environment and enormous number of microbial species in soils. To comprehensively reveal the morphology of active microbes in soil ecosystem, magnetic nanoparticle-mediated isolation (MMI) and single-cell image recognition (SCIR) were employed to study soil active Bacillus community, which functionally boosted the soil fertility in organic fertilisation compared to mineral fertilisation and unfertilised control treatments in our previous study. The results showed that MMI and SCIR can efficiently isolate active Bacillus from soil particles and other microorganisms. High throughput sequencing showed that the captured Bacillus showed similar community structure in different long-term fertilisation soils, while SCIR revealed that the active Bacillus was greater in number and larger in size in organic fertilisation treatment compared to mineral fertilisation and unfertilised control treatments. Our study demonstrates that the combination of MMI and SCIR is a potentially powerful tool to capture and identify the morphology of active and functional microbes in the soil ecosystem.     

基于稀疏表示的森林火灾火焰识别研究

为了实现森林火灾的智能识别,提出一种基于稀疏表示的林火火焰自动识别方法.以林火火焰和5类干扰物体为研究对象,每类对象从视频图像中随机选取50帧作为训练样本,150帧作为测试样本.对每幅图像提取疑似火焰区域,求取面积变化率、颜色、纹理和形状特征参数.所有训练样本的特征向量构建训练样本特征字典,对每个测试样本利用l1最小化范数计算其在训练字典上的投影系数,根据最小重构残差进行分类识别.结果表明,稀疏表示方法的识别率可达到93.56％,为林火火焰识别提供了一个有效的解决方案.     

黄花蒿新品种选育现状及其系统选育研究进展

青蒿素及其衍生物被世界卫生组织和FDA列为抗疟疾一线药,而目前青蒿素只能从黄花蒿(Artemisia annua L.)中提取.育成的高含量青蒿素单株其优良性状不能稳定遗传,后代性状分离,表现多样化.介绍了国内外对黄花蒿品种的选育途径及现状.通过2010-2013年4年系统选育,已育成一批好苗头株系,株系群体青蒿素含量由选育前平均含量0.471％提高到0.800％～0.972％,生物学特征特性也趋于稳定一致,并在黄花蒿原料基地小面积示范得到验证,同时选育出青蒿素高含量株系40#-30-08-18,青蒿素含量高达1.945％,取得了阶段性育种成果.     

浅谈肃北县林地保护利用规划

文章从肃北县自然条件和林地资源现状出发,提出规划期内的林地保护利用目标、林地结构与布局、林地用途管制和林地保护分级管理。     

基于制动意图模糊识别的电动汽车再生制动研究

为能够最大限度地回收制动能量,增加汽车的续驶里程,达到节能减排的目的,应用模糊逻辑方法对双能量源纯电动汽车制动意图进行识别.应用Matlab/simulink建立制动意图模糊辨识器,对双能量源纯电动汽车再生割动能量回收进行初步建模,将所建模型嵌入仿真软件ADVISOR中进行仿真.仿真结果表明,通过制动意图识别,在一定程度上提高了双能量源纯电动汽车制动能量的回收,证明制动意图识别对双能量源电动汽车的制动能量回收起到积极的作用.     

基于超声波技术的水平管气液两相流流型识别方法

根据超声波在不同介质界面处的反射回波强弱不同的特性,提出了应用超声波对水平管气液两相流流型进行非介入式在线识别的方法。理论计算得到钢管内壁接触的介质分别为水和空气时的声压反射率,证明了超声波流型识别法的可行性。数值仿真研究管内的流体分别为水、空气时不同界面的反射回波特点,得到了超声波流型识别法的实现方式。依据数值仿真结果,开展超声波气液两相流流型在线识别实验,分析气液两种流体在管道横截面上的分布,从而识别水平管气液两相流流型。研究结果表明：在不影响生产的前提下,超声波流型识别方法能够准确获取水平管气液两相流流动过程中的实时流型,操作方法简便,且结果可靠。（图10,表1,参9）     

融合多源图像信息的果实识别方法

光线变化与目标重叠是影响自然环境中果实正确识别的重要原因。为了降低两者的影响,研究了融合多源图像信息的果实识别方法。在图像配准的基础上,优选了H分量图与幅度图像作为待融合的源图像;由模糊推理系统(隶属度函数和模糊规则)决定权重,采用加权平均策略实现图像的像素级融合;根据融合图像中果实区域的分布规律,设计了一种基于直方图的首阈检测法以获得最佳的果实分割效果;利用深度图像的统计特性,设计了一种逐层分割图像的方法以解决重叠果实的分离问题。实验结果表明:多源融合图像用于果实识别与定位比单一图像具有更好的准确性与鲁棒性,对重叠果实的正确识别率在83.67%~94.22%之间。     

基于双次Otsu算法的野外荔枝多类色彩目标快速识别

针对目前野外环境下多类目标识别速度偏慢,导致机器人视觉定位精度低和工作效率不高的难题,以野外环境下成熟荔枝的多类色彩目标识别为例,提出了一种双次Otsu分割算法对多类色彩目标进行识别。首先为了提高算法的效率,改进了传统的Otsu算式;然后对目标色彩图像的背景、果梗、果实分别用改进的Otsu算法进行粗分割和细分割。最后通过与K-均值聚类(K-means)算法、模糊C均值聚类(FCM)算法、Otsu和K-means结合算法、Otsu和FCM结合算法这4种算法进行对比,双次Otsu算法从分割质量及其正确分割率、运行时间、稳定性3方面都优于其他4种算法。实验结果表明,双次Otsu算法对色彩目标的成熟荔枝识别的时间少于0.2 s。