褪黑素在果蔬采后保鲜中应用的文献计量及可视化分析

为全面了解褪黑素在果蔬采后保鲜领域的研究现状、研究热点和前沿趋势，以Web of Science（WoS）和中国知网（CNKI）数据库收录的褪黑素在果蔬采后保鲜中应用的研究论文为数据源，利用文献计量学方法和CiteSpace软件，通过图谱分析、聚类分析等方法，对上述发文国家、机构、作者、关键词等进行统计分析。结果显示，关于褪黑素在果蔬采后保鲜领域的研究始于2007年，主要研究国家为中国，2015年开始国内外发文量出现波动，2017年后逐渐上升。WoS中发文量最多的国家为中国，占比31.65%，发文量最多的机构为浙江大学，占比9.49%，其次是伊朗的伊玛目霍梅尼国际大学。高被引论文主要来自中国、伊朗、西班牙等国家。CNKI中国发文量较多的机构为山东农业大学、沈阳农业大学、西北农林科技大学等。国内外研究热点与趋势基本一致，专注于褪黑素处理对果蔬贮藏品质、代谢、抗氧化能力、货架期和冷害的影响，主要围绕桃、樱桃、猕猴桃、芒果、黄瓜、荔枝、葡萄、番茄等果蔬展开。关键词聚类图谱结合关键词突现分析表明，褪黑素处理对于维持果蔬贮藏品质、抑制冷害作用将继续保持其研究热度。此外，关于褪黑素处理的分子机制将会成为研究的前沿内容，应用于苹果、梨等大宗水果的研究有增加趋势，番茄可能作为一种模式植物用于该领域的研究。以上计量分析结果可为褪黑素作为一种新型保鲜剂的研究以及新技术的开发提供借鉴与参考。     

基于实例分割的番茄串视觉定位与采摘姿态估算方法

准确识别定位采摘点，根据果梗方向，确定合适的采摘姿态，是机器人实现高效、无损采摘的关键。由于番茄串的采摘背景复杂，果实颜色、形状各异，果梗姿态多样，叶子藤枝干扰等因素，降低了采摘点识别准确率和采摘成功率。针对这个问题，考虑番茄串生长特性，提出基于实例分割的番茄串视觉定位与采摘姿态估算方法。首先基于YOLACT实例分割算法的实例特征标准化和掩膜评分机制，保证番茄串和果梗感兴趣区域(Region of interest, ROI)、掩膜质量和可靠性，实现果梗粗分割；通过果梗掩膜信息和ROI位置关系匹配可采摘果梗，基于细化算法、膨胀操作和果梗形态特征实现果梗精细分割；再通过果梗深度信息填补法与深度信息融合，精确定位采摘点坐标。然后利用果梗几何特征、八邻域端点检测算法识别果梗关键点预测果梗姿态，并根据果梗姿态确定适合采摘的末端执行器姿态，引导机械臂完成采摘。研究和大量现场试验结果表明，提出的方法在复杂采摘环境中具有较高的定位精度和稳定性，对4个品种的番茄串采摘点平均识别成功率为98.07%,图像分辨率为1 280像素×720像素时算法处理速率达到21 f/s,采摘点图像坐标最大定位误差为3像素...     

融合轻量化网络与注意力机制的果园环境下苹果检测方法

为提高复杂果园环境下苹果检测的综合性能，降低检测模型大小，通过对单阶段检测网络YOLOX-Tiny的拓扑结构进行了优化与改进，提出了一种适用于复杂果园环境下轻量化苹果检测模型（Lightweight Apple Detection YOLOX-Tiny Network，Lad-YXNet）。该模型引入高效通道注意力（Efficient Channel Attention，ECA）和混洗注意力（Shuffle Attention，SA）两种轻量化视觉注意力模块，构建了混洗注意力与双卷积层（Shuffle Attention and Double Convolution Layer，SDCLayer）模块，提高了检测模型对背景与果实特征的提取能力，并通过测试确定Swish与带泄露修正线性单元（Leaky Rectified Linear Unit，Leaky-ReLU）作为主干与特征融合网络的激活函数。通过消融试验探究了Mosaic增强方法对模型训练的有效性，结果表明图像长宽随机扭曲对提高模型综合检测性能贡献较高，但图像随机色域变换由于改变训练集中苹果的颜色，使模型检测综合性能下降。为提高模型检测苹果的可解释性，采用特征可视化技术提取了Lad-YXNet模型的主干、特征融合网络和检测网络的主要特征图，探究了Lad-YXNet模型在复杂自然环境下检测苹果的过程。Lad-YXNet经过训练在测试集下的平均精度为94.88%，分别比SSD、YOLOV4-Tiny、YOLOV5-Lite和YOLOX-Tiny模型提高了3.10个百分点、2.02个百分点、2.00个百分点和0.51个百分点。Lad-YXNet检测一幅图像的时间为10.06 ms，模型大小为16.6 MB，分别比YOLOX-Tiny减少了20.03%与18.23%。该研究为苹果收获机器人在复杂果园环境下准确、快速地检测苹果提供了理论基础。     

耕地"非农化"遥感解译样本分类体系及应用

了解耕地"非农化"的时空格局及其演变过程，是合理制定土地利用政策的重要依据；卫星遥感具有大范围的时空监测能力，基于遥感影像进行耕地监测，极为高效。针对耕地"非农化"类型复杂多样、"非农化"遥感监测分类体系缺乏的问题，该研究提出了耕地"非农化"遥感解译样本分类体系，进而构建耕地"非农化"遥感解译样本库。针对样本采集效率低、质量差的问题，该研究提出了一种基于地理国情监测成果的快速样本采集方法，用于快速获取高精度、高可靠性的"非农化"遥感解译样本。为验证方法的可行性和有效性，选取湖北省范围作为研究区域，利用该研究所提出的耕地"非农化"样本体系和样本采集方法，采集了覆盖平原、丘陵、山地、高山等地形的9类样本，并形成了深度学习模型训练的样本库；选择EfficientNet深度学习网络提取湖北省耕地"非农业"空间分布。结果表明：1）基于地理国情监测成果的样本采集方法可以极大地利用地理国情监测数据空间、属性精度高的特点，快速、精确定位变化样本。2）依据分类体系采集的样本用于模型优化后，样本数量超过5 000时，模型精度有明显提高。在验证区域，采用目视解译和外业核查点的方式进行精度验证，其正检率分别为67.0%和76.5%，召回率分别为77.9%和76.5%。3）利用样本体系训练构建的网络模型相较于全要素样本训练模型，精度有显著提高，5个核查区正检率均提高20个百分点以上。因此，该研究提出的方法可以提高耕地"非农化"遥感监测的效率和精度，可适用于区域尺度的耕地遥感季度监测。     

融合高级与低级视觉特征的农业图像显著性区域预测方法研究

【目的】构建融合高级与低级视觉特征的农业图像(果实、农作物及畜禽目标)显著性区域预测算法,为农作物生长状态的监测、动物的体况评估提供支持。【方法】提出一种整合高级和低级视觉特征的农业图像显著性区域预测深度学习框架及其预训练方案。在MSRA10k数据集上按照6∶2∶2的比例进行训练、验证和测试,并采用F-Measure作为评价指标,在6种公共数据集(SOD、ASD、SED2、ECSSD、HKU-IS和THUR)及农业图像典型数据集上,将预测算法与4种显著性预测算法(MWS、IMS、FSN、P-Net)进行对比。【结果】所建立的预测算法在6种公共数据集上的平均F-Measure分数最高,为0.823,平均MAE分数最低,为0.099,显著性可视化结果边界完整,与人工标记的基准图像更接近。在农业图像典型数据集上的平均F-Measure为0.826,表明该算法可有效应对复杂农业场景的干扰,实现更为准确的目标轮廓信息提取。【结论】融合高级与低级视觉特征的图像显著性区域预测算法,可以实现对复杂农业场景下农作物及畜禽图像显著性区域的快速、准确预测。     

“图—文”互文与明代小说插图的修辞实践

作为修辞学现代衍进的典范形态，图像修辞不仅体现出其理论延展的族群特征，同时也赋予争议已久的"图—文"互文以合法身份。以"图—文"互文的修辞视角审视明代小说插图的文本实践，在剖析小说插图三种基本范式的基础上揭示小说插图"图—文"之间的阐释、批评、预述与时空并置关系，这不仅是对小说插图"图—文"互文实践的深度确证，对当代视觉语境中的"图—文"争议乃至视觉叙事本身无疑都具有一种启发意义。     

中国便利店的照明能耗预测模型与主观评价

便利店销售额在传统零售业中增幅最高，照明在所调研样本总室内能耗中占比为43%。基于全国257家便利店的数据，探讨便利店的照明特征。采用多重线性回归方法建立照明能耗预测模型，采用因子分析方法探讨客观参数与主观评价的联系。研究表明，对便利店，考虑照明节能时需同步关注其主观评价的变化；进行照明设计时需因地制宜；照明能耗预测模型为ln y=0.479 ln x₁+ 0.248ln x₂-0.217（y为照明功率密度，x₁为单位面积照明造价，x₂为典型货架位置水平照度平均值）；顾客对照明充足度的“敏感性”比照明均匀度高；提高照度平均值有助于提高主观评价。     

基于IPSO-UKF的水草清理作业船组合导航定位方法

在河蟹养殖水草清理过程中,为降低养殖户劳动强度和提高导航定位精度,研究结合DGPS和视觉导航的优点,设计一种用免疫粒子群算法(IPSO)来优化无迹卡尔曼滤波(UKF)的组合导航定位方法,并应用于水草清理作业船。首先通过建立组合导航模型,得到系统的状态方程和量测方程;为解决UKF对导航模型滤波存在的发散问题,再通过粒子群算法(PSO)优化UKF,并引入免疫算法避免PSO的早熟现象;最后得到滤波后新的位置坐标。为获取视觉信息,对采集的图像采用相应的图像处理技术确定导航路径。导航实验结果表明,所提方法相比DGPS导航和组合导航,纬度误差分别下降22.69%、9.14%,工作时间分别减少4.77%、4.32%,进一步提高了作业船工作效率。     

土壤中微塑料污染现状及其热点趋势可视化分析

为深入了解土壤中微塑料污染相关的研究信息和发展趋势，利用VOSviewer和CiteSpace整理了CNKI和Web of Science^TM数据库中2000—2022-05在土壤微塑料污染领域已发表的研究成果，从发文数量、发文期刊、作者及所属机构、国家/地区、关键词和共被引信息进行分析。结果表明:1)探索初期土壤中微塑料污染相关文献的发表量略有波动，研究热度在2018年之后持续增长；中国科学院、西北农林科技大学和瓦格宁根大学研究中心这3所研究机构在该领域发文量排名前3。2)农田土壤是最具代表性的一类土壤类型，沙漠、湿地和高山中的微塑料污染已经受到国内外学者的高度关注。3)研究方向包括微塑料进入陆地土壤的方式及其在土壤中的丰度分布特征、土壤样本中微塑料检测技术的选择与优化、微塑料作为载体吸附运输土壤中的重金属和溶解有机物并经食物链传递对生物可能带来的有害影响等。4)从研究热点上看，土壤中微塑料污染领域的研究对象逐渐从农田土壤扩展到多种类型及偏远地区的土壤中，微塑料在各类土壤中的运输与尺寸选择机制及其适用的检测手段取得进一步发展，对土壤中不同粒径大小的微塑料的分析方法发展成为更细分的研究方案，对土壤中微塑料的风险评估以及从细胞、分子和基因等微观角度分析微塑料由土壤进入动植物不同组织和人体器官后的潜在风险成为该领域新的研究热点。本研究计量分析结果可为土壤中微塑料污染现状的深入研究提供参考。