基于逆雅可比矩阵的三转动弱耦合并联机构构型综合

为获得承载能力大且容易控制的三转动并联机构，本文以逆雅可比矩阵中奇异向量的含义为切入点，将机构的运动耦合性与驱动力螺旋之间的空间几何关系建立联系，进而提出一种三转动弱耦合并联机构构型综合方法。首先，根据机构不同方向运动耦合性需求，构造逆雅可比矩阵，并以此推导各支链中驱动力螺旋需满足的空间几何条件；其次，根据驱动力螺旋与被动副运动螺旋之间的关系及约束螺旋与所有运动副运动螺旋之间的关系，得到支链中运动副的类型和布置条件，并对驱动副为机架副的支链进行了综合；进一步，制定了支链的选取和组合原则，基于上述原则，完成了三转动弱耦合并联机构构型综合；最后，通过对3个实例进行运动耦合性分析，验证了所提方法的正确性。     

Antelope adaptations to counteract overheating and water deficit in arid environments

Many arid areas have very severe climates with extremely high summer temperatures, strong solar radiation, and a lack of drinking water during the driest season. Therefore, antelopes living in arid areas are forced to solve two main problems: avoiding overheating and maintaining water balance. Generally, there are physiological, morphological, and behavioral mechanisms for antelope adaptations to arid environments. Among the mechanisms, behavioral adjustments have a minimal cost and are activated first, while physiological mechanisms are the most energetically costly and involve adaptations to high temperatures when other mechanisms are insufficient. In previous publications, some examples of the antelope behavioral adaptations have been described only rarely, while in this review, we try to clarify all available information on the adaptations of antelopes living in arid areas to their native environments, paying particular attention to behavioral adjustments. Behavioral mechanisms, especially daily activity, diet and microclimate selection, and migrations, are so important and commonly used by antelopes in natural conditions, in which physiological mechanisms are usually not involved. Antelopes adjust their behaviors according to environmental changes so successfully that purely physiological mechanisms are discovered under laboratory conditions; for example, adaptive heterothermia or selective brain cooling phenomenon is difficult to observe in their natural habitats. This review provides a better understanding of the main behavioral mechanisms of antelope adaptations to arid environments and allows for the identification of the key factors for successful conservation of antelopes in their natural habitats.     

基于TPH-YOLO的无人机图像麦穗计数方法

在无人机上安装光学传感器捕捉农作物图像是一种经济高效的方法，它有助于产量预测、田间管理等。该研究以无人机小麦作物图像为研究对象，针对图像中麦穗分布稠密、重叠现象严重、背景信息复杂等特点，设计了一种基于TPH-YOLO(YOLO with transformer prediction heads)的麦穗检测模型，提高无人机图像麦穗计数的精度。首先，为了减小光照不均匀对无人机图像质量造成的影响，该研究采用Retinex算法进行图像增强处理。其次，在YOLOv5的骨干网络中添加坐标注意力机制（coordinateattention,CA），使模型细化特征，更加关注麦穗信息，抑制麦秆、麦叶等一些背景因素的干扰。再次，将YOLOv5中原始的预测头转换为Transformer预测头（transformer prediction heads,TPH），该预测头具有多头注意力机制的预测潜力，可以在高密度场景下准确定位到麦穗。最后，为了提高模型的泛化能力和检测精度，采用了迁移学习的训练策略，先使用田间采集的小麦图像数据集对模型进行预训练，接着再使用无人机采集的小麦图像数据集对模型进行参数更新和优化训练，...     

土壤重金属地质高背景成因、风险与管控研究进展

土壤重金属地质高背景是近年来学术界研究的热点之一，涉及地质学、地球化学、土壤学、环境科学等学科。采用文献计量方法分析了土壤重金属地质高背景领域的研究进展与近期热点，介绍了全球和中国土壤重金属地质高背景分布特征、成因与类型，梳理了高背景区土壤重金属的环境风险及管控措施，以期为土壤重金属地质高背景成因机制与风险管控提供理论与技术参考。建议关注高背景区土壤重金属背景值调查、富集特征与形成机制、潜在活化与迁移，开展地质高背景区土壤风险评估、环境基准研究与管控技术研发。     

猪繁殖与呼吸综合征抗病育种研究进展

猪繁殖与呼吸综合征(porcine reproductive and respiratory syndrome, PRRS)是由猪繁殖与呼吸综合征病毒(PRRS virus, PRRSV)引起的一种高度接触性传染病，严重危害我国乃至世界养猪业。然而由于PRRSV抗原的多变性，目前包括疫苗接种、药物治疗等在内的防治措施效果不佳。因此，随着现代分子生物学技术的不断发展，基于基因编辑技术对猪PRRS的抗病育种逐渐发展起来。本文简述了PRRS的临床症状，重点回顾了国内外PRRS抗病育种研究进展，通过分析PRRS的致病机制，重点阐述了PRRSV受体及针对不同受体进行编辑的体内及体外抗病毒效果，以期为未来深入研究PRRSV致病机制、开发PRRS抗病品种提供理论依据。     

植物促生菌的功能及在可持续农业中的应用

全球气候变化以及人口增长加剧了农业生产中各种生物（如病原菌）和非生物（如干旱、盐渍、高温等）胁迫，并通过影响植物形态、生理生化特征和代谢功能等阻碍植物的生长、发育和生产力提升，最终影响农作物的产量和品质并严重威胁着农业的可持续发展。随着现代农业的大力发展，有益微生物因其能够改良土壤质量、提高土壤肥力、提升农作物抗胁迫性能和增产提质的功效显著而备受关注。简要概述了植物促生菌（plant growth-promoting bacteria, PGPB）的种类和施用效应，重点剖析了PGPB产生植物生长激素、固氮作用、加强对营养物质的吸收利用（溶磷、解钾和合成铁载体）、缓解生物和非生物胁迫以及调节植物根系构型和根际微生物群落结构等促生和抗胁迫机制，系统梳理了近年来运用于现代农业中的PGPB菌剂制备和施用方式的前沿科学技术，并进一步讨论了PGPB在未来农业生产中的应用前景以及研究方向。     

基于弱监督数据集的猪只图像实例分割

在智慧养殖研究中，基于深度学习的猪只图像实例分割方法，是猪只个体识别、体重估测、行为识别等下游任务的关键。为解决模型训练需要大量的逐像素标注图像，以及大量的人力和时间成本的问题，采用弱监督猪只分割策略，制作弱监督数据集，提出一种新的特征提取骨干网络RdsiNet:首先在ResNet-50残差模块基础上引入第2代可变形卷积，扩大网络感受野；其次，使用空间注意力机制，强化网络对重要特征的权重值；最后引入involution算子，借助其空间特异性和通道共享性，实现加强深层空间信息、将特征映射同语义信息连接的功能。通过消融实验和对比实验证明了RdsiNet对于弱监督数据集的有效性，实验结果表明其在Mask R-CNN模型下分割的mAP_Semg达到88.6%,高于ResNet-50、GCNet等一系列骨干网络；在BoxInst模型下mAP_Semg达到95.2%,同样高于ResNet-50骨干网络的76.7%。而在分割图像对比中，使用RdsiNet骨干网络的分割模型同样具有更好的分割效果：在图像中猪只堆叠情况下，能更好地分辨猪只个体；使用BoxInst训...