基于HSV与形状特征融合的花椒图像识别

光照条件变化会对花椒目标识别率产生影响,关系到机器视觉技术能否有效应用于生产现场的花椒采摘。通过对HSV特性图像识别技术的分析,提出HSV和形状特征融合的花椒识别算法。该算法采用同态滤波方法对光照进行补偿,解决因为光照不均匀而导致的花椒识别率低的问题,最后利用花椒圆度特征,排除树枝及树叶等的干扰,实现花椒的准确识别。利用同态滤波方法对光照进行补偿,对于光照不强或者发生遮挡的花椒图像有较大改善,通过试验得出其平均识别率达到94.0%,比单独采用HSV特性识别时,在顺光,背光和遮阴条件下,识别率分别提高4%,13%和21%,此外在遮阴条件下运行时间缩短14.6%。为遮阴条件下提高花椒识别率提供一种方法。     

基于Copula 函数的边坡可靠度高效分析方法

将Copula函数与高效蒙特卡洛方法结合,提出了含相关随机变量的边坡可靠度高效分析方法。以两个岩质边坡稳定性问题为例验证了所提方法的有效性。结果表明,该方法相比于直接蒙特卡洛方法在保证边坡失效概率的准确性的同时计算效率更高。Copula函数可以构造出具有不同相关结构的岩土体参数的联合概率分布,与高效蒙特卡洛方法(即蒙特卡洛重要抽样方法和子集模拟)结合能高效地处理含多种相关随机变量的边坡可靠度计算问题,相比于现行的Nataf变换方法结果更能体现岩土边坡真实稳定性。此外,该方法也能高效地计算含有复杂的隐式功能函数的边坡可靠度,研究成果拓展了高效蒙特卡洛方法在边坡可靠度分析中的应用。     

基于GF-1和Sentinel-2时序数据的茶园识别

由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。     

移动互联网环境下农机企业危机沟通的思考*

从危机沟通的渠道、危机沟通的具体策略、危机沟通的后续行动三个方面,为中国农机企业的危机沟通提供可行建议。以形象修护理论为基础,结合移动互联网环境传播特点以及中国农业机械化发展的实际情况,分析新浪新闻手机客户端、今日头条手机客户端上的两条农机质量纠纷视频。推荐农机企业使用的8条具体策略包括:否认事件不实部分;表明事件的意外属性;阐明自身出发点;阐明自己的贡献及所做出的努力;提出物质补偿;提出改进措施;承担有错部分;主动向用户征询意见。提出危机沟通应在线上、线下两种渠道进行,危机沟通应与具体行动相结合。     

吕梁山地区植被物候变化及对气候的响应

吕梁山地区地形垂直差异明显,植被对气候变化反应敏感,研究吕梁山地区植被物候变化,探索植被物候变化与气候的响应关系,旨在为高海拔山区植被物候研究和生态治理提供借鉴。基于2000—2015年MODIS NDVI时间序列数据,通过动态阈值法提取吕梁山地区的植被物候,对气温、降水进行空间插值,并对植被2个关键物候期与气候因素进行偏相关分析。结果表明：（1）植被生长季开始日期(the start of the growing season,SOS)提前的区域约占85.7%,其中16.2%显著提前;植被生长季结束日期(the end of the growing season,EOS)推迟的区域约占90.6%,其中33.3%显著推迟。（2）区内74.8%、87.7%植被SOS分别与气温、降水呈负相关,气温升高或降水增加,植被SOS提前。植被SOS在高海拔山区受4月气温影响显著,而低海拔地区受4月降水影响显著。（3）区内72.6%、65.1%植被EOS分别与气温、降水呈正相关,气温升高或降水增加,植被EOS推迟。植被EOS在北部和西部地区受11月气温影响显著,而高海拔地区受9月降水影响显著。2000—2015年吕梁山地区植被物候发生显著变化,各地区对气温、降水的响应不同,研究结果可为区域物候、气候变化研究和陆地生态治理提供科学依据。     

图书馆数字资源的馆藏保存与服务策略思考

[目的/意义]科技文献资源保存已纳入多个国家图书馆的战略规划,中国图书馆仍缺少对数字资源本地保存及服务方法,亟待明确其中的关键问题并建立工作策略。[方法/过程]针对当前国际知识产权形势以及机构对数字资源资产管理新要求,调研国内外文献保障机构的数字资源本地保存现状,梳理图书馆数字资源实现馆藏保存与服务中的关键问题,进而提出中国图书馆数字资源本地保存及服务方式。[结果/结论]数字资源本地保存涉及到知识产权保护、图书馆服务方式、保存工作持续性等问题,有必要从数字资源馆藏体系建设的角度,确定数字资源馆藏保护、本地保存、自主可控的原则,以国家协议、电子资源采购条款约定保存权益、国际合作、数字呈缴等方法来获取数字资源馆藏内容、服务权益,通过技术架构支持数字资源的“在线、近线、离线”服务策略。     

小麦Glu-3位点基因拷贝数的变异分析

【目的】基因拷贝数变异是一种常见又重要的基因结构变异,往往影响个体表型。低分子量麦谷蛋白（low-molecular-weight glutenin subunit,LMW-GS）是小麦贮藏蛋白的主要组成部分,位于Glu-3位点。小麦作为异源六倍体,其庞大且复杂的基因组结构导致难以利用传统方法检测目的基因的拷贝数,针对小麦基因组,筛选可靠稳定的内参基因和体系,探索适合复杂基因组的拷贝数变异测定技术,测定Glu-3位点LWM-GS基因拷贝数。【方法】以Acc1为内参基因,根据基因序列设计内参引物和探针,通过定性和定量PCR测定内参基因在12个普通小麦品种中的拷贝数,分析该基因拷贝数在不同品种间的稳定性;又以小麦品种篙优2018的5个稀释浓度的基因组DNA为模板,利用qRT-PCR验证Acc1内参系统的重复性和准确性;根据Glu-A3位点LMW-GS基因序列设计特异性引物及探针,利用qRT-PCR和ddPCR 2种方法检测8个小麦品种Glu-A3位点基因拷贝数,比较后选择更优的高通量基因拷贝数检测方法;再根据Glu-B3和Glu-D3位点LMW-GS基因序列设计相应的特异性引物及探针,并利用ddPCR技术检测和分析了231份小麦品种的Glu-A3、Glu-B3和Glu-D3位点上LMW-GS基因拷贝数。【结果】Acc1在12个普通小麦品种间、同一品种5个DNA稀释浓度间的拷贝数测定结果一致,技术重复间的变异系数仅为0.07%—0.77%,所构建的Acc1内参系统稳定;比较qRT-PCR和ddPCR 2种拷贝数检测方法,8个品种所测的Glu-A3位点拷贝数结果一致,分别为3、5、3、4、3、3、3和3;且ddPCR检测重复间的变异系数为0.30%—1.67%,远低于qRT-PCR的3.14%—12.72%,更加可靠;利用ddPCR对231份普通小麦品种的Glu-A3、Glu-B3和Glu-D3位点上LMW-GS基因拷贝检测后分析发现,大多数小麦品种在3个位点上的拷贝数为4,所占频率分别为51.95%、32.03%和28.57%,Glu-3位点总拷贝数变异范围为10—21,变异系数为16.12%。【结论】Acc1内参系统具有良好的稳定性和重复性,可以用作小麦Glu-3位点和其他目的基因拷贝数检测的内参;qRT-PCR和ddPCR均可用于小麦基因拷贝数的检测,但后者更稳定、可靠,且操作简单、检测通量高。     

基于卷积神经网络马铃薯叶片病害识别和病斑检测*

针对自然环境下马铃薯叶片病害识别率低和晚疫病斑定位难的问题,基于大田环境中采集的马铃薯叶片图像,首先对马铃薯叶片病害进行识别,对比AlexNet、VGG16、InceptionV3、ResNet50、MobileNet五种神经网络模型,结果表明InceptionV3模型的识别效果准确率最高,可达98.00%。其次对马铃薯叶片的晚疫病斑进行检测,提出一种改进型的CenterNet-SPP模型,该模型通过特征提取网络获取对象的中心点,再通过中心点回归获得中心点偏移量、目标大小等图像信息,训练后的模型在验证集下的mAP可达90.03%,以F₁为评价值分析对比其它目标检测模型,CenterNet-SPP模型的效果最好,准确率为94.93%,召回率为90.34%,F₁值为92.58%,平均检测一张图像耗时0.10 s。为自然环境下马铃薯叶片病害识别和检测提供较为全面的深度学习算法和模型研究基础。     

基于卷积神经网络的玉米病害识别方法研究

为解决传统的玉米病害识别方法中特征提取主观性强及误识率高的问题,提出利用卷积神经网络对玉米病害进行识别。以玉米病害图像和健康图像共5种类别的玉米图像为研究对象,并采用LeNet模型进行试验。首先,按照8∶2的比例为每种玉米病害图像选择训练集和测试集。然后,通过试验组合和对比分析的方法比较不同卷积神经网络结构设置对准确率的影响,选出最佳参数。另外,选用Adam算法代替SGD算法来优化模型,通过指数衰减法调整学习率,将L2正则项添加到交叉熵函数中,并选择Dropout策略和ReLU激励函数。最后,确定了一个10层CNN网络结构。试验结果显示,玉米花叶病、灰斑病、锈病、叶斑病和玉米健康识别率分别为95.83%、90.57%、100%、93.75%、100%,平均识别率达96%,平均计算时间为0.15 s。经试验结果比较,该模型识别效果明显高于传统方法,为玉米病害的防治提供技术支持。     

通往数字人才强国之路：《提升全民数字素养与技能行动纲要》与大学生数字素养教育战略

[目的/意义]提升大学生数字素养对建设数字人才强国具有重要意义。[方法/过程]文章梳理了《提升全民数字素养与技能行动纲要》发布前后的相关政策,分析了《行动纲要》在当前背景下出台的独特作用,认为该文件确定了具有中国特色和国际视野的数字素养概念;关注了创造力提升、特殊群体服务等前沿要求;拓展出生活、工作、学习、创新四大数字场景;围绕重点任务和工程部署了全面行动。[结果/结论]作者认为,对图情档各个理论与实践领域而言,《行动纲要》的影响将是广泛的,但按照信息素养的研究格局和传统,其对大学生数字素养教育的影响或许最为直接和深远,应当尽快针对围绕大学生数字素养教育展开布局和行动。