阳极溶出伏安法快速测定谷物中的镉含量

建立了一种阳极溶出伏安法快速测定谷物中的镉含量。样品经微波消解后，采用玻碳电极为工作电极，AgAgCl电极为参比电极，铂电极为对电极，测定谷物中镉含量，其检出限为0.4 μgL。采用标准加入法，平均回收率100%～104%；某一浓度样品同时测定6次，其变异系数2.43%。该方法稳定、快速和准确，可广泛用于粮食的安全事件应急监测。      

支持多源感知数据集成的奶牛场物联网监控系统设计

【目的】利用物联网技术实现养殖环境、日常活动、奶牛体况等信息的实时监测是当前奶牛养殖业的热点研究问题,由于当前物联网应用中传输协议标准不统一等导致的感知终端兼容性差、数据不易共享等问题阻碍了奶牛物联网深入应用的发展。【方法】文章从奶牛场物联网应用需求和数据特点出发,围绕异构多源感知数据接入、集成和操作等关键问题,开发基于REST物联网资源架构的奶牛场物联网监控系统。通过分析感知终端与互联网的通信特点,开发基于中间件的虚拟网关服务接口,提供不同协议终端的数据接入和解析服务;通过分析奶牛场各种资源本体关系,基于OWL和五元素表述法构建奶牛场资源本体描述模型,实现异构感知数据的语义集成和上下文关系描述;通过分析资源基础操作需求,基于Restful Web API开发资源统一操作接口,为上层应用奶牛场物联网监控系统开发提供快速开发基础。【结果】通过对奶牛场物联网监测系统的应用结果表明:该系统可实现上层物联网系统对多源异构感知终端的数据接入、数据集成和统一操作。【结论】该研究解决了奶牛场中异构感知终端的数据集成问题,不同种类感知数据的集成为奶牛生产进一步分析应用提供了良好的数据基础。     

利用单次无人机影像的果树精准识别方法

【目的】利用单次无人机飞行生成的正射影像和数字表面模型(DSM)对果树进行精准识别。【方法】首先利用无人机正射影像计算5种归一化植被指数,并讨论5种植被指数提取植被区域的精度,选用结果最好的植被指数对研究区植被进行提取;之后根据影像的空间分辨率和已知果树直径范围对果树进行初识别确定果树实际位置和半径;再将识别到的果树叠加到DSM中,利用果树在DSM中最大值和果树临近区域DSM最小值求取果树高度;最后根据果树高度范围对初识别的果树进行再识别,提高果树识别精度。【结果】该方法在美国加利福尼亚州弗雷斯诺县里德利市郊区的一个果园进行运用研究,发现MRENDVI植被指数对研究区内植被提取精度最高;利用提取植被区域后影像和果树冠层的直径范围对果树进行初识别的精度为94.8%;利用果树初识别影像与DSM影像结合求取果树高度,并根据果树高度范围对果树进行再识别后,果树识别精度提高了5%,达到99.8%。【结论】该方法原理简单,对果园果树识别有较高精度,有效消除了果园周围其他树木和果园内部草丛对果树正确识别的影响,有较高的普适性。     

菌株NDBJJ-BFG的鉴定及其对马铃薯甲虫不同虫态的毒力测定

为筛选出对马铃薯甲虫Leptinotarsa decemlineata(Say)具有防治潜力的菌株,本研究从马铃薯甲虫僵虫虫体上分离菌株NDBJJ-BFG,通过形态学特征和分子生物学方法明确其分类地位,采用喷雾法和覆土法测定了不同浓度下该菌株对马铃薯甲虫室内毒力的致死中浓度LC50及半致死时间LT50。结果表明,经形态特征与r DNA ITS序列分析最终确定菌株NDBJJ-BFG为球孢白僵菌Beauveria bassiana(Bals.)Vuill。该菌株对1、2、3和4龄马铃薯甲虫幼虫的LC50分别为0.91×10~6、1.51×10~6、5.09×10~6和6.84×10~6个/m L;采用喷雾法和覆土法处理蛹的LC50分别为1.43×10~7个/m L和8.15×10~6个/m L,成虫的LC50分别为5.08×10~7个/m L和2.97×10~7个/m L。在孢子悬浮液浓度相同时LT50随虫龄的增大而延长,其中成虫的LT50最长,其次是蛹;在相同龄期下LT50随着孢子悬浮液浓度的增大而缩短。表明菌株NDBJJ-BFG对马铃薯甲虫1龄和2龄幼虫具有高毒力,其在马铃薯甲虫的生物防治中将具有较大的应用潜力。     

苹果任意姿态下高光谱图像感兴趣区域选取方法

针对实际生产线上基于高光谱成像技术检测苹果内部品质时由于高亮区、果梗和果萼等区域光谱差异大导致的糖度误差问题,本研究提出了一种随机姿态下苹果高光谱图像感兴趣区域的选取方法,可实现感兴趣区域的自动选取。该方法首先将高光谱图像各像素点按照700 nm波长的光谱强度值进行直方图统计,获取各像素点光谱强度的大小关系,保留光谱强度前40%的区域,对其进行形态学腐蚀操作,去除其中700 nm光谱强度值大于3 900的过度曝光像素点,获得苹果原始感兴趣区域;然后基于原始感兴趣区域,建立不同大小感兴趣区域对应的平均光谱与苹果糖度的偏最小二乘回归(PLSR)模型,探究苹果感兴趣区域大小与预测精度的关系,进一步缩小感兴趣区域。最终选取原始感兴趣区域光谱强度前70%的区域作为感兴趣区域对任意姿态下的苹果糖度进行预测。基于该方法,建立了基于高光谱成像技术的苹果糖度无损检测模型,实测验证结果表明,经黑白校正、标准正态变换(SNV)预处理后建立的竞争性自适应重加权算法偏最小二乘回归模型(CARS-PLSR)的预测精度最高,其校正集决定系数(R■)为0.9206,校正集均方根误差(RMSECV)为0.3203°Br...     

ICP-MS法测定油茶植物不同组织中的28种元素

为深入开发利用油茶,延长其产业链,通过微波消解处理茶油植物样品,以Be、Y、Sc、In、Re作为内标进行基体效应补偿,通过ICP-MS法首次测定了油茶植物的叶、枝、果及栽培土壤中的28种元素含量。结果表明：在油茶植物的叶、枝、果中都含有丰富的微量元素,其中有11种元素的含量在2 mg/kg以上,尤以Na、K、Al、Ca、Mg等元素含量较高;28种元素微波消解的方法定量限在0.002～0.13 mg/kg之间,加标回收率在94.98%～110.00%之间。该方法简便、快速、准确,适用于植物中元素含量的分析。     

基于边缘设备的轻量化小目标果实检测模型

【目的】随着计算机视觉和智慧农业的快速发展,果实检测技术已成为研究热点。然而在果园实际应用场景中,存在模型计算量大、目标果实尺度小的问题,导致模型难以在边缘设备上实时运行且小目标果实检测精度低,因此文章通过改进Yolov3模型,设计并实现一种轻量化小目标果实检测模型RegNet-Yolov3,能够在边缘设备上实时运行并实现高精度果实检测。【方法】该模型通过构建轻量化特征提取网络,有效降低模型参数计算量,满足在边缘设备上实时运行要求;并针对柑橘果实小尺度特点,通过添加浅层网络检测分支优化模型小目标检测性能,提升检测精度。【结果】将模型部署在边缘设备Jetson TX2 nano上进行测试,模型m AP值和网络推理速度分别为96.0%和122 ms,均优于原先Yolov3网络测试结果。【结论】实验结果表明,该研究模型能够实现在保持较高检测精度下,在边缘设备Jetson TX2 nano上实时运行,满足果园作业平台果实检测工作。     

基于众包数据和遗传规划算法的农作物遥感智能识别方法

【目的】 农作物空间分布信息是支撑相关科学研究与政策制定的重要依据。当前农作物空间分布遥感分类在理论和技术方法方面取得了长足的发展,但仍面临一些难题,包括地面样本数据的获取困难、作物特征选择存在主观性和冗余、特征构建过程中缺乏针对性和代表性等,导致农作物空间分布遥感分类的效率与精度不足。【方法】 针对这些问题,文章开展快速、准确、低成本的样本获取、特定作物分类的最优特征构建与优选,并分别选择多个研究区开展实证研究。样本获取方面,开发基于“视田”众包的样本获取平台,通过迭代更新的任务采集和历史样本库的方式高效获取地面样本。作物分类方面,提出遗传规划算法为不同作物提取差异化的特征,通过遗传进化思想实现定制化特征的构建,能够在原始特征的基础上构建高层次特征。【结果】 在北方地区,利用“视田”众包工具,由8名工作人员2天内完成了位于义县、辽中区、新民市及开原市4个区域的水稻、玉米、大豆和花生的样本采集,内业工作人员同步进行分类并迭代样本需求,分类的总体精度均大于90%,kappa系数均高于0.87。在南方地区,位于湖北省枝江市区域的春秋两季作物分类结果的总体精度均大于94%,kappa系数均高于0.86。【结论】 该文提出了一套快速、高效开展农作物遥感分类的技术体系：利用众包采集快速扩大样本数量,同时利用遗传规划算法提高样本训练效率。在不同区域、不同作物类型研究区应用,可实时、准确生产农作物空间分布图,总体效果稳定,在支撑科学研究与政策制定方面具有较强的应用前景。     

ICP-MS法测定中药青风藤中28种元素

为了研究中药青风藤中微量元素与药效之间的关系,继续开发利用青风藤,通过微波消解、湿法消解以及干法灰化处理青风藤样品,以Be、Y、Sc、In、Re作为内标进行基体效应补偿,通过电感耦合等离子体质谱(ICP-MS)法首次测定了青风藤中的Li、B、Na、Mg、Al、K、Ca、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、As、Se、Sr、Mo、Ag、Cd、Sn、Sb、Ba、Tl、Pb、Bi等28种元素的含量。结果表明,该方法简便、快速、准确,各元素检出限为0.01～0.8μg.L-1,标准偏差为0.11%～2.57%,加标回收率为94.00%～110.80%,适用于中草药中元素的分析。青风藤中含有丰富的微量元素,含量在2mg.kg-1以上的元素达到了16种,其中以K、Mg、Ca、Na等元素含量最高,这与青风藤的药用效果相符,也为继续开发青风藤的药效提供了科学理论依据。     

基于无人机DSM的小麦倒伏识别方法

【目的】小麦倒伏是造成产量和质量下降并且影响农业机械自动化收割的重要原因。基于无人机遥感平台获得的数据能够为小麦倒伏提供及时准确的监测结果,为智慧农业智能化育种、栽培和管理提供科学依据。【方法】基于无人机搭载的消费级相机,获取可见光影像结合生成的DSM数据,采用随机森林的分类方法进行小麦倒伏识别。【结果】基于可见光和DSM数据获得的小麦倒伏分类总体精度为98.41%,Kappa系数为0.97,相较于仅依靠可见光谱信息的分类结果具有显著提升,识别结果也更加可靠,能够显著改善小麦倒伏识别效果。【结论】证明了基于无人机搭载消费级相机获取的DSM数据在农作物倒伏识别中的可行性,提供了一种自动识别小麦倒伏的新思路和新方法。