基于注意力机制和残差网络的苹果叶片病害分类

苹果叶片病害的高效准确识别有助于合理使用杀虫剂、肥料等农业资源，进而保证苹果的产量与质量。为提高苹果叶片病害识别的准确率，提出一种残差网络与注意力机制结合的苹果叶片病害识别模型：P-D-ECA-ResNet101。首先构建苹果叶片病害数据集，然后使用常见的4种网络模型在构建的数据集上进行训练，选取训练效果最好的ResNet101为骨干网络模型，通过推迟下采样(delayed downsampling)、拆解大卷积层以及引入高效通道(efficient channel attention module, ECA)注意力模块对ResNet101网络模型进行优化，最后通过特征图可视化展示改进后网络模型的识别机制。试验结果表明，推迟下采样可以增强模型特征提取能力，拆解大卷积层可以有效减少模型的复杂度，引入ECA注意力模块可以削弱无效特征信息对模型的干扰。改进后的P-D-ECA-ResNet101模型在构建的苹果叶片病害测试集上的平均识别准确率达到96.20%,相较于原模型ResNet101提升了2.20百分点。特征图可视化分析表明改进后的P-D-ECA-ResNet101模型可以更好地聚焦于病...     

浅析植物叶片功能性状对气候变化的响应

植物功能性状是植物与环境因子相互作用的结果.植物功能性状既反映了植物对环境因子的响应,也能显著影响生态系统过程与功能.该文综述了植物叶片功能性状对气候变化的响应,旨在探讨植物功能性状对气候变化的响应机制和生态对策,以期为生物多样性保护和生态系统可持续发展提供参考.     

高寒草原天然牧草营养品质近红外光谱预测模型的建立

本研究旨在探讨近红外光谱(NIRS)技术在定量分析高寒草原天然牧草营养品质的可行性。试验于2015—2018年,每年6—9月份,从青藏高原高寒草原放牧研究样地收集不同放牧强度(0、3.6、5.3、7.6只/hm2)的混合和4个优势种(莎草科矮生嵩草、蓼科珠芽蓼、蔷薇科金露梅和豆科锦鸡儿)牧草样品共计1 280份,随机分为定标样品集(n=854)和预测样品集(n=426),建立天然牧草干物质(DM)、粗脂肪(EE)、粗蛋白质(CP)、酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)含量及体外干物质消化率(IVDMD)和估算代谢能(EME)营养品质近红外光谱(NIRS)预测模型,实现天然牧草营养品质的快速和准确评估。结果显示:牧草DM、CP、EE、ADF、NDF含量及IVDMD和ME变异较大;DM、CP、ADF、NDF含量及IVDMD和EME的NIRS预测模型的验证决定系数(R2CV)为0.992～0.999,外部验证相对分析误差(RPD)为3.82～5.97,取得了最佳的定标效果,且定标方程均具较好的预测能力,能够成功应用于日常分析。EE含量的NIRS预测模型的R2CV为0.837,外部RPD为2.30,定标效果不理想,定标模型虽不能用于准确的定量分析测定,但仍能应用于牧草EE含量的粗略测定。综上所述,本研究建立的高寒草原天然牧草DM、CP、ADF、NDF含量及IVDMD和EME的NIRS预测模型能够成功应用于日常分析。     

典型草原枯落物分解过程中官能团的动态特征

选择锡林浩特东部国家气候观象台的生态监测研究样地,对大针茅(Stipa grandis)、羊草(Leymus chinensis)、糙隐子草(Cleistogenes squarrosa)、知母(Anemarrhena asphodeloides)枯落物的化学结构特征进行阐释。结果表明:(1)枯落物分解速率呈先增大后减小的变化趋势,且知母枯落物分解速率高于大针茅、羊草和糙隐子草;枯落物总碳(TC)含量为富集-释放模式,在第120d时,知母枯落物TC含量高于其他3种植物。(2)大针茅、羊草、知母、糙隐子草枯落物所含的主要官能团为-OH;=C-H、-CH 2、-CH 3;C=O;C=O、C=C;C-O。(3)不同植物枯落物官能团含量在分解初期迅速减少,在分解后期减少趋势较为缓慢,与分解过程中枯落物的分解速率变化趋势一致;知母的含碳官能团含量在分解结束后最低,而羊草的则最大,且知母和糙隐子草损失量最大,与分解过程中枯落物TC含量的特征一致。(4)大针茅的支链化指数最大,羊草的最小;糙隐子草的芳香性指数最大,知母的最小。不同植物芳香性指数在分解初期迅速减少,在分解后期减少趋势较为缓慢,与分解速率变化趋势一致。     

费菜组织培养体系的探讨

研究不同浓度6-BA和NAA对费菜嫩叶愈伤组织诱导分化的影响。结果表明,费菜叶片愈伤组织诱导最适宜培养基为MS+6-BA 2.0 mg·L^-1+NAA 0.2 mg·L^-1,丛生芽诱导最适宜培养基为MS+6-BA 2.0 mg·L^-1+NAA 0.6 mg·L^-1,壮苗培养基为MS+6-BA 0.5 mg·L^-1+NAA 0.1 mg·L^-1,生根培养基为1/2MS+NAA 0.1 mg·L^-1,幼苗移栽到经灭菌处理的等体积混合的草炭土、蛭石、珍珠岩基质中,成活率为90%。     

不同合成树脂工艺对改性材性能影响研究

为研究树脂对改性材性能的影响，采用2种不同工艺合成三聚氰胺-脲醛树脂（MUF），测试了树脂的相关性能。结果表明，不同合成工艺路线下制备的 MUF 树脂在固体含量、粘度、固化时间、游离甲醛含量间存在显著差异。最终树脂的分子结构类型相似性极高，但相同结构组分在不同树脂中所占比例各有差异。羟甲基基团在MUF2中所占比例高，而亚甲基桥键及醚键在MUF1中含量高。MUF1改性材的增重率（weight percent gain，WPG）值更大，但MUF2改性材的抗溶胀性（anti-swelling efficiency，ASE）和体积膨胀率（bulking rates，B）更高，MUF2改性材的尺寸稳定性更好。     

一种叶片RGB图像快速切割多重去噪方法

基于RGB图像连通性,提出一种图像快速切割多重去噪法(fast cutting and multiplede-noise,简称FCMD),并与现有的4种算法进行对比.结果表明,该方法处理时长适中,对单色叶和杂色叶的识别像素、色阶均值、色阶中位数的准确率均达到98.78％及以上,综合表现最优.FCMD能够在不同的边缘算子下完成对各种类型叶片准确、快速的切割消噪,其中以sobel算子的处理效果最优,其处理效果与手动切割(CK)无明显差异.同时,FCMD法在中高分辨率(3750×2500)的切割效果与手动切割无明显差异,而所用时长仅为CK的23.21％,效率提升近5倍.因此,FCMD是一种高效、准确、适用范围广的RGB图像自动化叶片切割去噪方法.     

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。     

农艺措施对谷子产量及抗倒伏力学性能的影响

【目的】明晰栽培条件互作对谷子叶片光合特性、茎秆生物力学性质指标的耦合影响,为运用谷子茎秆生物力学性质进行抗倒伏特性评价,为优化谷子种植栽培条件及抗倒伏优种筛选提供合理农艺措施和理论支持。【方法】采用裂区试验设计方法,主区选取4个在生产中具有代表性的谷子品种,副区为基于不同的播种密度与施肥量、播种密度与水分、水分与施肥量互作处理栽培条件,系统研究了栽培措施对谷子生长发育以及茎秆抗倒伏生物力学性质的影响。【结果】（1）除水分对谷子茎秆节平均直径影响不显著外,谷子品种、施肥量、播种密度及水分4个因素对谷子的产量、光合生理特性及茎秆形态特性均有极显著影响（P＜0.001）;（2）谷子的千粒重、产量均随施肥量和水分的增加而增加;随播种密度的增加,千粒重呈下降趋势,产量呈现先上升后下降趋势;谷子旗叶SPAD值及最大荧光值（Fm）开花期显著高于灌浆期,开花期旗叶SPAD值、灌浆期旗叶Fm可作为谷子育种的目标性状;（3）播种密度对谷子田间倒伏率的影响最大,其次是水分、品种,施肥量的影响最小;（4）谷子茎秆倒数第二节的抗拉倒力与株高、节平均长度及茎秆节含水率显著负相关,与节平均直径显著正相关。【结论】不同农艺措施互作栽培条件下,单因子对谷子的产量、植株光合生理特性及茎秆力学性能影响最大;选择优良品种、合理密植（≤70万株/hm²）、适当水肥是提升谷子籽粒品质、增加产量、减少田间倒伏率的有效措施。     

叶面滞尘量对大叶黄杨光谱特征影响研究

  目的  叶面滞尘会影响植被光谱特征，削弱植被指数对植被的响应能力，影响反演评估的准确性。为探究叶面滞尘量对植被光谱响应特征及预测模型的影响，本文以北京市常见常绿绿化树种大叶黄杨为研究对象展开研究。  方法  从封闭区域、半封闭区域、开放区域，采集叶片样本，并收集环境灰尘。通过室内控制试验，利用ASD FildSpec Handheld光谱仪测量不同滞尘量叶片的高光谱数据，选取5个特征波段，通过光谱角的方法研究了叶面滞尘量对叶片光谱特征的影响，以及滞尘量对叶面滞尘量预测模型的精度和稳定性影响。  结果  随着叶面滞尘量的增加，植被光谱曲线特征逐渐减弱，灰尘的特征逐渐增强，但光谱曲线的总体变化趋势基本一致。当叶面滞尘量 > 120 g/m2时，光谱曲线的基本表现为灰尘的光谱特征。当叶面滞尘量较少时，预测模型的模拟精度相对较高，随着滞尘量的增加，所有模拟预测模型的决定系数均减小；当叶面滞尘量 > 120 g/m2时，预测模型对叶面滞尘量的模拟预测能力将更差，并且均方根误差（RMSE）随着叶片单位面积滞尘量的增加而增大，模拟预测模型的稳定性及预测精度逐渐降低。光谱角对滞尘叶片350 ~ 1 770 nm波段区间的光谱变化十分敏感，利用叶片光谱角检测滞尘程度不需要分区域讨论，只需与阈值做简单的比较，方法简便易行。  结论  本研究通过室内控制试验，研究叶面滞尘量对植被光谱响应特征，可为建立滞尘植被光谱反射物理模型提供参考与借鉴。