精准施药中叶面积指数探测研究

精准施药技术的研究以提高农药的利用率为目的,是精准施药的发展方向。果树叶面积指数能为精准施药提供重要参考依据,通过叶面积指数及生物量探测可以进行大面积果树的长势监测并计算其药量的需求,进而对作物进行指导性施药。为此,结合国内外研究现状阐述了各类叶面积指数探测技术和计算方法,分析了精准施药技术中靶标探测的方法及叶面积指数探测在精准施药中的应用,并对精准变量施药中叶面积指数探测方法进行了展望。     

基于分数阶微分视频融合的森林烟火检测算法

森林火灾检测是国内外林业应用研究的重要课题之一。及时准确地检测到森林火灾，对于森林健康及环境安全意义重大。现有的利用视频技术检测森林火灾的方法大多针对单一波段，如可见光波段或红外波段的视频信息进行分析，然而在实际应用过程中，由于森林环境复杂，基于单一波段视频信息检测火灾的结果欠佳。现阶段，基于多个波段的森林火灾检测方法非常少。本文综合利用红外及可见光视频特征，提出了一种基于分数阶微分视频融合的森林烟火检测算法，将分数阶微分理论引入红外视频和可见光视频融合中，利用分数阶微分算子对两个波段视频进行融合，然后利用背景去除法检测融合视频中的异常帧，且对异常帧图像及其与背景帧的差分图像分别进行图像分割，最终得到检测出的森林烟火区域。采用空间频率、平均梯度、森林火灾检测准确率和森林火灾检测时间误差度4个测度对本文算法和基于区域能量融合算法、基于窗口方差融合算法、基于HSI变换融合算法进行定量分析和比较。结果表明，本文算法的融合视频的融合效果最佳，并且森林火灾检测准确率和森林火灾检测时间误差均明显优于其他3种算法，说明本文提出的算法具有较好的有效性和准确性，为森林火灾检测提供了有利的新途径。      

A Novel and Reliable Spectrophotometric Method for Determination of Lactoperoxidase Activity in Raw Milk

With 3, 3'5, 5'-tetramethylbenzidine(TMB) as the detection substrate, a reliable and highly selective method was established and optimized for the determination of Lactoperoxidase(LP) activity in raw milk. The method was based on the enzymatic reaction principle, where hydrogen peroxide oxidated TMB in the presence of LP. The optimized conditions of this assay system were obtained, consisting of 20 mmol · L~(-1) TMB solution, 0.6 mmol · L~(-1) hydrogen peroxide and 0.1 mol · L~(-1) Citric Acid(CA)/0.2 mol · L~(-1) disodium hydrogen phosphate(Na P) buffer(pH 4.8). TMB detection method was applied to the analysis of LP in milk samples with a practical working concentration range from 2 to 14 mg · L~(-1). The intra-and inter-batch variation coefficients were all below 5%, indicating a good repeatability. Confirmation test between TMB method and 2, 2-azinobi(3-ethylbenzothiazoline-6-sulphonate) diammonium salt(ABTS) method was carried out, and the results of TMB assay were in accordance with that of ABTS method.     

无（微）损检测技术在木结构古建筑中的应用及发展

介绍了古建筑木构件勘查中常用的无（微）损检测技术,阐述了各种仪器工作原理、检测方法及其优缺点,其中包括皮罗钉、阻力仪、应力波和超声波检测设备。基于以上技术,结合古建筑木构件特点,提出仪器结合使用、构件分类检测、设备便携化以及以树种鉴定为基础的木结构古建筑无损评估体系。

Abstract：

Commonly used nondestructive inspection technologies involved in the survey of the wood structures of ancient buildings are introduced and the inspection methods,working principle,advantages and disadvantages of various instruments,including of pilodyn,re     

基于分段波形的信号瞬时频率计算方法

针对局部均值分解（Local Mean Decomposition，LMD）中乘积函数（Product Function，PF）分量的瞬时频率计算问题，引入了一种新的信号瞬时频率计算方法.该方法基于分段波形，先将信号分成若干个全波段（full wave），然后以一组递增的反正弦函数定义每个全波段的瞬时相位，进而得到信号的瞬时频率.由该方法得到的瞬时频率理论上是正的、稳定的并且能够确保信号局部特征信息的完整.应用该方法计算了仿真信号和实际齿轮故障振动信号的瞬时频率，并与其他方法求得的瞬时频率进行了对比.结果表明，本文方法非常适合求取信号的瞬时频率.     

产碳青霉烯酶肠杆菌科细菌检测方法研究进展

抗生素的不合理使用使得细菌耐药性快速产生及传播，细菌耐药性已然成为重大公共卫生问题。碳青霉烯类抗生素在临床治疗中表现良好，常作为治疗多重耐药菌感染的最后一道防线，碳青霉烯耐药菌的出现对公共卫生安全产生了极大的威胁。产碳青霉烯酶是碳青霉烯耐药菌耐药的主要机制，因此，对产碳青霉烯酶肠杆菌科细菌的检测至关重要。目前，对于碳青霉烯酶的检测手段以表型检测和分子生物学检测方法为主。表型检测一般易于操作，成本低廉，便于在临床进行，但在检测效率和检测用时方面差强人意。分子生物学及其他新型技术在保持高特异性和敏感性的基础上能做到快速、高通量检测，但试验检测的成本高，需专业设备和人员，部分技术在碳青霉烯酶检测领域仍有待开发。当前，多种碳青霉烯酶的检测方法可针对不同的需求和目的，并没有一项检测能满足所有情况。进行检测时，试验所需时间、操作难度、经济成本等都需列入考量，应根据实际情况选择合适的检测方法。笔者通过结合当前背景，归纳总结产碳青霉烯酶肠杆菌科细菌的检测方法，从试验特异性与敏感性、可操作性、检测时间、试验成本等方面分析比较各个方法特点，以期为之后新的检测方法的开发及现有方法的改良研究提供切入点，为临床监测与检测方案的制定和实行提供思路。     

数字PCR技术在动物疫病检测中的应用

为了支持动物疫病流行地区的控制及消除计划,以及在动物疫病非流行地区进行有效筛查,必须使用更加准确灵敏的诊断手段。数字PCR可实现绝对定量及痕量核酸的检测,与传统检测方法相比具有不依赖参考物或标准品、对抑制剂具有较高耐受性、灵敏度和精准度更高的优点。数字PCR作为一种定量分析的核酸检测新方法,在动物疫病检测中得到了应用,围绕数字PCR技术的原理、应用、存在的问题及发展趋势等进行综述及分析,为数字PCR在动物疫病检测中的进一步应用提供参考。     

无人机机载激光雷达提取果树单木树冠信息

定株管理是未来果园精准生产管理的趋势，果树单木树冠信息的提取是定株管理的关键。该研究利用无人机采集的苹果园激光探测与测量数据（Light Detection and Ranging，LiDAR）检测和测量每棵果树的树冠面积和树冠直径，并评价空间分辨率对于果树单木树冠检测与提取的影响。该方法主要包括使用反距离权重插值法间接生成冠层高度模型（Canopy Height Model，CHM）；使用局部极大值滤波算法和标记控制分水岭分割算法（Marked-Controlled Watered Segmentation，MCWS）对果树进行单木树冠检测与提取，通过与参考数据的比较，评估了该方法的精度，并定量分析了空间分辨率对于单木树冠检测与信息提取结果的敏感性。结果表明，该方法有效地实现果树单木树冠检测与信息提取，代表果树检测精度的F1得分为94.86%，树冠轮廓提取准确率为86.39%，树冠面积的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.81和20.56%，树冠直径的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.85和14.79%，树冠面积和直径不同程度地被高估。此外，冠层高度模型的空间分辨率接近果树平均树冠直径的1/10时精度最高，可以有效检测果树单木树冠及提取树冠轮廓，从而准确提取果树单木树冠信息。     

基于特征金字塔注意力与深度卷积网络的多目标生猪检测

在生猪饲养环境中,猪只黏连、杂物遮挡等给生猪个体多目标检测带来很大困难。该研究以猪圈群养生猪为研究对象,以视频帧为数据源,提出一种适用于生猪形体检测的特征金字塔注意力(FeaturePyramidAttention,FPA)与Tiny-YOLO相结合的模型FPA-Tiny-YOLO。该模型将注意力信息融入到特征提取过程,在不大幅增加计算量的前提下即可提升特征提取能力、提高检测精度。对8栏日龄20～105 d的45头生猪视频截取图像进行图像处理,获得标注图片4 102张,构建了4种深度FPA模块分别加入YOLOV3与Tiny-YOLO模型中。试验表明,深度为3的FPA模块(即FPA-3)的Tiny-YOLO模型在测试集上对群养生猪多目标检测的召回率Recall、F1与平均检测精度m AP指标值最佳,分别达到86.09%、91.47%和85.85%,比未引入FPA模块的Tiny-YOLO模型均有不同程度的提高。选用不同的IOU(Intersection Over Union)和score阈值超参数值对模型预测结果均有不同程度影响;将测试集图像按照是否黏连与遮挡划分4种场景来探究该模型的鲁棒性。试验表明,加入FPA-3模块后Tiny-YOLO的Recall、F1与m AP比Tiny-YOLO分别提升6.73、4.34和7.33个百分点,说明特征金字塔注意力信息有利于精确、有效地对不同场景群养生猪进行多目标检测。研究结果可为后续开展生猪身份识别和行为分析移动端应用提供参考。     

基于SDAE-BP的联合收割机作业故障监测

为了解决联合收割机作业故障的非线性特征信号难以提取的问题,该研究提出了一种基于堆叠去噪自动编码器(Stack Denoising Auto Encoder, SDAE)和BP神经网络(Back Propagation,BP)融合的联合收割机作业故障监测及诊断的方法(SDAE-BP)。以转速传感器采集联合收割机脱粒滚筒转速、籽粒搅龙转速、喂入搅龙转速、杂余搅龙转速、风机转速、输送链耙转速、割刀频率以及逐稿器振动频率,并将采集的数据集作为系统的输入。利用SDAE提取输入信号的深层次特征,并由BP神经网络辨识收割机作业状态,实现联合收割机故障监测。在SDAE-BP模型训练过程中,去噪自动编码器(Denoising Auto Encode, DAE)依次经带有不同分布中心噪声的原始数据进行训练,然后将其堆叠,并通过误差反向传播算法对模型参数进行优化,以提升模型识别故障性能和泛化能力。试验结果表明,对于2018年联合收割机田间试验数据,模型的故障诊断准确率达到99.00%,与SDAE和BP神经网络相比,分别提高了1.5和4.5个百分点。将SDAE-BP故障诊断模型用2019年的试验数据进行更新,并用2018年和2019年试验数据进行测试,结果表明,更新后的模型对2018年试验数据的故障识别准确率为99.25%,对2019年试验数据的故障识别准确率为98.74%,更新后模型在2019试验数据集上的故障识别准确率较未更新模型提高了6.52个百分点。该文所建模型能够准确识别联合收割机的故障类型,且具有较好的鲁棒性,对旋转型机械故障监测及预警具有参考价值。