多变环境下基于多尺度卷积网络的猪个体识别

【目的】通过实现复杂多变环境下非接触式猪个体身份识别,提高畜牧行业的生产效率。【方法】以猪舍环境下猪的脸部图像为基础,提出了一种基于多尺度卷积神经网络在多变环境下的猪个体身份识别模型。利用改进的多尺度网络结构,该模型实现了深度和宽度的扩展,网络深度达到了86层。网络不仅使用了对称和非对称的两种方法拆分卷积核和多通道的方法并行提取猪脸特征,还利用网络融合技术和Batch Normalization结构过滤掉通道中的冗余信息。避免了深层网络参数激增,增强了模型对猪脸特征的提取能力并提高模型的识别速度。利用预处理后的11 695张猪脸数据集训练并验证模型,通过设置7组不同环境下的对比实验,分析改进的模型在复杂环境下的识别效果。【结果】86层的基于多尺度分类网络的识别模型权重大小和每轮样本的训练时间分别为498.4 M和66 s,比16层的VGG网络权重小1140 M,每轮训练速度快8 s。利用7组测试集的对比实验的结果表明,提出的模型在7种环境下的识别率都高于其他网络,尤其是在真实养殖环境下识别率高达99.81%。当猪脸图像中出现遮挡和旋转的情况时,提出的模型识别率皆高于92%。【结论】提出的针对脸部特征的猪个体身份识别模型是有效的,并在多变环境下具有较高的识别率和鲁棒性,为实现一体化管理及追踪溯源的研究提供参考。     

绿色食品韭菜栽培技术

一、品种选择韭菜选择抗病、抗寒、优质新品种四季翠绿。二、播前整地育苗地选择前茬不是种植葱、蒜、韭菜的地块。土壤要求土层疏松透气。翻耕深度25~30 cm,耙碎整平。整地前每667 m²施氮磷钾复合肥(15-15-15)50 kg,深翻细耙,起埂做成1.2~1.5 m宽的平畦。畦长因需而定。三、播种播种时间一般在3—5月,以干播种子为主,也可采用浸种催芽播种。     

基于显著性增强和迁移学习的鱼类识别研究

针对水下鱼类无法快速准确识别的难点,提出一种具有图像主体自动增强功能的鱼类迁移学习方法。该方法将鱼类RGB图像转换至Lab颜色空间后,利用中央周边算子计算得到整个输入图像的显著性值,进而提供鱼类目标的潜在区域,并结合GrabCut算法获取鱼类分割图像,最终将融合分割图的原始图像送入优化后的残差网络中进行训练。通过对23种鱼类进行识别试验,结果显示,固定ImageNet数据集上ResNet-50预训练模型的conv1层和conv2层参数,微调高层参数的方法能够取得最好的识别效果,且在公开的Fish4Knowledge数据集上,该模型取得了最高的识别准确率,平均识别精度达到99.63%。与其他卷积神经网络方法的对比结果显示,本方法在Fish4Knowledge和Fish30Image数据集上的识别精度和时间性能均具有较大优势,其中识别准确率至少提升4.98%。多个数据集上的试验验证了模型的有效性。     

不同因素影响下层状土壤水分入渗特征及水力学参数估计

层状土壤是自然界常见的土体结构,其水分运移规律不同于均质土;大气降水、灌溉水等水分的入渗是土壤水文过程的一个重要环节,同时它也与地下水补给、污染物运移等过程紧密相关。土壤初始含水量、土体构型及供水强度等因素均会影响水分的入渗过程。为探究积水深度、土体构型、初始含水量三种因素对层状土壤水分运移的影响,通过室内积水入渗试验对湿润锋、累积入渗量、土壤剖面压力水头进行观测,并利用Hydrus-1D模型反演水力参数并对相应条件下的水分运移规律进行模拟和分析。结果表明,层状土壤中湿润锋随时间的推进方式由非线性过渡至线性,入渗率逐渐减小。三种因素作用下,层状土壤水分运移特征有明显差异:积水深度、土壤初始含水量增加时,湿润锋运移速率和入渗率均增大,且各观测点压力水头升高加快,土壤不饱和程度降低;上砂壤下粉砂壤构型较上粉砂壤下砂壤构型而言,整体湿润锋推进速率和入渗率较大,出流快,且入渗后期界面处的压力水头高于其他观测点。且结果表明,反演的水力学参数较拟合实测的参数更适用于层状土壤入渗的模拟和预测。该研究旨在揭示和掌握层状土壤水分运移规律和影响因素的作用机制,并进一步为农田灌溉措施的合理制定提供科学依据。     

欢迎订阅2020年《国土绿化》杂志

《国土绿化》杂志是经国家新闻出版广电总局批准的国家级期刊,由全国绿化委员会主管,全国绿化委员会办公室主办,面向全国公开发行,在我国国土绿化领域具有深远影响力。自1985年创刊以来,杂志积极宣传中央在国土绿化、生态建设领域的重大路线方针政策,深度报道林业改革发展进程中的一系列焦点、热点问题,为各级领导科学决策提供重要参考,是改革开放以来中国林业发展的历史见证者。     

基于多核支持向量机的小麦条锈病遥感监测研究

为提高小麦条锈病的遥感探测精度,依据日光诱导叶绿素荧光和冠层反射光谱数据在小麦条锈病遥感探测中的优势及其与病情严重度之间的映射关系,在运用独立分量分析法对光谱数据降维的基础上,利用核学习算法分别确定冠层光谱特征和日光诱导叶绿素荧光特征反映小麦条锈病病情严重度的最优核,同时针对冠层光谱与叶绿素荧光特征组,建立基于不同特征最优核映射的多核学习支持向量机模型,并与基于特征直接拼接的模型结果进行对比。结果表明,对于冠层光谱而言,采用高斯核构建的支持向量机模型可较好估测小麦条锈病病情指数,而日光诱导叶绿素荧光指数则是采用多项式核的效果更优;采用直接拼接法融合叶绿素荧光指数和冠层光谱特征能够在一定程度上改善小麦条锈病病情指数估测精度,决定系数(r~2)最高为0.847,而单独利用冠层光谱信息或者叶绿素荧光信息时,r~2最高仅为0.802;对日光诱导叶绿素荧光和反射光谱特征分别利用其最优核进行映射构建的多核学习支持向量机模型精度最高,r~2为0.915,RMSE为0.090,优于基于特征直接拼接构建的支持向量机模型精度。     

基于机器视觉的奶牛发情行为自动识别方法

及时检测奶牛发情、适时人工授精、减少空怀奶牛，是奶牛养殖场增加产奶量的关键手段。针对基于运动量和体温等体征的接触式奶牛发情识别方法会造成奶牛应激反应且识别准确率不高的问题，提出了一种非接触式奶牛发情行为自动识别方法。该方法首先使用改进的高斯混合模型实现运动奶牛目标检测，然后基于颜色和纹理信息去除干扰背景，再利用AlexNet深度学习网络训练奶牛行为分类网络模型，识别奶牛爬跨行为，最终实现对奶牛发情行为的自动识别。在供试数据集上的试验结果表明，本文方法对奶牛发情的识别准确率为100%，召回率为88.24%。本文方法可应用于奶牛养殖场的日常发情监测中，为生产管理提供辅助决策。     

基于深度学习的小浆果一体化智能采摘与分选研究进展

小浆果因具有较高的营养价值和保健作用深受人们喜爱，被国际市场誉为第3代水果。随着市场需求量的增加，林业小浆果的智能采摘与分选成为一种新的趋势。目前，由于现有技术自动化和智能化程度不高，导致大量人力、物力的投入。深度学习方法的飞速发展促进了检测技术的精确作业和检测精度的提高。文中概述了深度学习的发展进程，通过总结国内外关于深度学习方法在小浆果采摘与分选中的应用，提出深度学习方法在实际应用过程中存在的问题及解决措施，并展望深度学习方法在小浆果智能采摘与分选检测方面的发展趋势。     

成品油管道水击超前保护优化方案

成品油管道发生泵站意外停电事故后通常执行水击超前保护程序,该保护方案对管道的安全性有决定性影响。为了确保管道从事故前稳态安全平稳过渡到事故后较优的运行状态,需要制定最佳的水击超前保护方案。对成品油管道泵站意外停电水击工况进行分析,以水击事故发生后下一稳态时输量最大且各调节阀节流压力之和最小为目标,建立优化模型,相应的约束条件为全线不超压、不汽化。模型求解采取两种不同策略:事故站下游以各站出站压力最低为目标分别寻优,采用水力坡降线平移法求解;事故站上游以整体总节流最小寻优,为了提高求解速度,采用深度优先搜索法求解。以某成品油管道泵站意外停电事故工况为例,对该优化模型进行实例应用,并根据优化结果制定水击事故过渡过程的控制逻辑,并使用仿真软件SPS验证了控制逻辑的合理性,表明该优化模型合理可靠。     

施肥深度对高海拔区核桃产量及生长发育的影响

在高海拔核桃集聚种植区,以8年生核桃品种清香为试验材料,研究了0～20、20～30、30～40、40～50 cm 4个施肥深度对核桃产量及生长发育的影响。结果表明,0～20 cm施肥核桃的产量最高,为1 400 kg/hm~2,施肥效益最好,为26 500元/hm~2,与其余处理相比较,分别提高了2.6%～6.1%、6.2%～23.8%,侧枝直径年增加量、相对含水量提高了17.7%～133.8%、5.0%～11.8%,叶面积、百叶重、叶片相对含水量分别提高了3.8%～26.0%、8.4%～16.9%、0.9%～2.6%,叶片氮磷钾含量明显提高,施肥深度越深其观察值均有明显降低,而树体的周年胸径增加量和树高略有降低。高海拔河谷核桃种植区,0～20 cm施肥对核桃树体当季综合表征响应最优,且产量和施肥效益最高,应大面积示范推广。