Novel insights into the marine phase and river fidelity of anadromous twaite shad Alosa fallax in the UK and Ireland

1. Most research on anadromous fishes has been invested in their freshwater life‐phases, resulting in a relatively sparse understanding of their spatial ecology during marine life‐phases. However, understanding the marine dispersal of anadromous fishes is essential to identify threats and to implement conservation measures that fully encompass their lifecycle.
2. The twaite shad Alosa fallax is an anadromous fish increasingly imperilled across its range due to pollution, harvesting, and impediments to freshwater migration, but little is known about its distribution and movements during its marine life‐phase. Here, the application of acoustic telemetry provided novel insights into the coastal dispersal of twaite shad in the UK and Ireland during 2018–2019, and the freshwater entry of individuals during the 2019 spawning season.
3. Of 73 twaite shad acoustic‐tagged during their upstream migration in the River Severn in May 2018, 58 emigrated from the river. Twelve were subsequently detected 200 km to the south‐west at the Taw–Torridge Estuary between July 2018 and April 2019, where estuarine movements up to 5.8 km inland occurred in summer, winter, and spring. One was subsequently detected in the Munster Blackwater Estuary (Ireland) and then in the River Severn, indicating a minimum movement distance of 950 km. Thirty‐four (59%) of the emigrating individuals from 2018 re‐entered fresh water in the rivers Severn (n = 33) and Wye (n = 2) in April and May 2019.
4. These results suggest year‐round use of estuarine and nearshore habitats by at least a subset of the twaite shad population during their marine phase, providing evidence of potential range overlap between populations that spawn in different areas in the UK and Ireland, which may be facilitated by substantial dispersal. The results also highlight the potential of telemetry for estimating freshwater and marine mortality, and the benefits of sharing detection data across networks.

     

用于驱赶农作物有害动物的智能声防系统设计

针对农业生产中动物有害行为导致农作物减产和农产品价值严重损失的实际问题,设计研发出一种驱赶农作物有害动物的智能声防系统。该系统以无线传感器网络作探测和通信平台,采用以ARM9微处理器和AT89C51SND1单片机为核心的嵌入式系统构建总控制器和执行器硬件平台,通过热释电传感器对有害动物在农田中的出没位置进行探测,依据“作物种类–周围环境–有害动物–天敌”逻辑关系模型对其种类作出判断,然后由执行器播放该种动物对应天敌的叫声,从而实现对多种农作物有害动物的智能声防。与现有的驱赶模式易被有害动物适应且效果不佳相比,该系统具有驱赶效果好、有效作用面积大、可扩展性强及装设灵活等优点,是一种无污染、具有智能特性的驱赶农作物有害动物的有效解决方案。     

基于监测数据和BP神经网络的食品安全预警模型

以中国实际食品安全监测数据为样本,研究基于BP神经网络的食品安全预警方法。首先对食品安全日常监测数据进行筛选简化,选择其中与食品安全最为密切的167种检测项目,以此检测项目为指标按月度划分建立数据样本。然后建立以167种检测项为输入层,包含2个隐层,以化学污染、农药残留、兽药残留、重金属、微生物致病菌5大类为输出层的食品安全预警神经网络模型,最后用所得数据样本进行训练和验证。结果表明,基于BP神经网络的食品安全预警方法能有效识别、记忆食品危险特征,能够对输入样本进行有效的预测,研究有助于丰富食品安全数据的处理方法,有助于完善相关预警技术手段。     

蔬菜安全生产管理与服务网络平台设计及实现

为了进一步推进蔬菜生产的安全化、信息化和现代化,促进蔬菜安全生产,该文以国家综合示范项目为基点,以国家蔬菜生产基地——寿光的专业数据为例,综合采用J2EE（Java2平台企业版,Java2 Platform-Enterprise Edition）技术、地理信息系统技术（GIS）、网络技术（Internet）、无线通讯技术、数据库技术（DBMS）以及可移动电话或手机GPS定位技术,研究、设计和建设了蔬菜安全生产管理与服务网络平台,包括基于WebGIS的蔬菜安全生产有线网络系统、基于GIS与无线通讯的氮肥平衡推荐系统和基于3DGIS的蔬菜安全生产可视化系统。该平台能够辅助政府机构实时对蔬菜的安全生产进行监控,提供决策依据,为蔬菜生产用户提供氮肥平衡推荐和蔬菜栽培技术指导,并将氮肥平衡推荐功能扩展到低端硬件手机用户,实现生产信息技术到田间地头的延伸。     

空气悬架系统动态载荷的识别

针对空气悬架系统主动控制中神经辨识器的离线训练问题,利用BP神经网络实现从空气悬架系统非簧载质量振动加速度空间到其动态载荷空间的映射。建立带有空气悬架系统的1/4工程车辆动态模型,通过仿真得出了工程车辆空气悬架系统的非簧载质量振动加速度和动态载荷数据,以空气悬架系统的非簧载质量振动加速度数据作为神经网络的输入,动态载荷数据作为神经网络的输出,训练BP神经网络,并对训练好的BP神经网络进行泛化能力的测试,路面输入采用幅值为0.01 m,频率为1 rad/s正弦波时,识别误差率在30%以内的点占总数的82.95%;以幅值为0.02 m,频率为2 rad/s的正弦波作为系统的路面输入,识别误差率在30%以内的点占总数的77.94%。结果表明BP神经网络能够对不同的路面输入具有较好的适应性。     

基于无线传感器网络的奶牛行为特征监测系统设计

奶牛等大型动物的疾病和发情状况目前主要依赖饲养员目测判断,大规模集约化养殖仍采用人工观测方法,这不仅带来繁重的人力负担,也容易误判。为了能自动准确地识别奶牛是否发情或生病,该文提出在奶牛颈部安装无线传感器节点,通过各种传感器获取奶牛的体温、呼吸频率和运动加速度等参数,采用K-均值聚类算法对提取的各种参数进行行为特征多级分类识别,以此建立的动物行为监测系统能准确区分奶牛静止、慢走、爬跨等行为特征,从而可以长时间监测奶牛的健康状态。而且,这种监测系统易于推广到对其他动物的监测,对促进养殖业和畜牧业的发展也具有指导意义。     

基于无线传感器网络的粮虫声信号采集系统设计

为了解决现有储粮害虫声信号采集系统存在的扩展性差、智能化程度不高、性价比较低、灵活性不强、数据传输能力较弱等问题,该文分析了现有储粮害虫声信号采集系统存在的局限性,在此基础上,利用无线传感器网络和压缩感知技术,设计了一种新型储粮害虫声信号采集系统,给出了系统结构和软硬件实现方法,并将其用于采集储粮罐内赤拟谷盗成虫的爬行声。试验结果表明,系统设计方案合理可行,且由于使用了压缩感知技术,在采样频率为10 KHz的情况下,可实现20个采集节点所产生的声信号原始采样数据的远程、实时、可靠无线传输。该研究为无线传感器网络在储粮害虫防治中的应用做出了探索。     

多对象特征提取和优化神经网络的玉米种子品种识别

为了实现机器视觉代替人的视觉,对玉米种子品种进行实时、客观、准确和无损伤识别,研制了玉米品种识别硬件系统和软件系统。针对玉米种子及种子图像的特点,对玉米种子品种识别技术与算法进行了深入地研究和探索,提出了一种基于多对象有效特征提取和主成分分析优化神经网络的玉米种子品种识别方法,提取了玉米种子的几何特征和颜色特征参数,优化了基于机器视觉的玉米种子图像处理策略和品种识别算法,提高了玉米品种识别的速度和准确率。对农大108、鲁单981、郑单958、五岳18共4个品种玉米种子进行了品种识别试验,每粒种子识别的平均耗时为 0.127 s,综合识别率达到97%以上。研究表明,基于机器视觉的玉米种子品种识别与检测方法是可行的,该方法可提高玉米种子品种识别效率和正确率。     

农田无线传感器网络的节点部署仿真与实现

应用无线传感器网络进行农田信息采集时,针对农田面积大、传感器节点众多的特点,如何有效地部署节点成为研究的热点之一。利用NS2软件从丢包率、平均延时、剩余能量和接收信号强度等网络性能角度对随机部署、正六边形部署及正四边形部署方式进行了仿真比较,最终确定正六边形部署方案,并在农田中进行实地试验。结果表明系统能够实现无缝覆盖,稳定可靠的采集农田信息,为无线传感器网络在农田环境中的进一步应用提供了参考。     

基于神经网络预测的无线传感器网络田间射频信号路径损耗

为解决应用无线传感器网络技术监测农田信息时无法快速预测射频信号路径损耗的问题,基于神经网络理论研究了田间路径损耗与其影响因素间的关系。试验中选取915和2 470 MHz 2个载波频率,在冬小麦的不同生长阶段测量射频信号在田间各影响因素作用下的路径损耗,建立和验证基于神经网络的射频信号田间路径损耗预测模型。所建立模型模拟值与实测值的相关系数为0.92,应用建立的神经网络预测田间射频信号路径损耗并与实测值对比,最大预测误差绝对值为4.186 dB,最大预测标准差为2.759 dB,预测准确度为94.2%。所建立的BP网络可以对田间射频信号路径损耗进行预测。