采用双模态联合表征学习方法识别作物病害

基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广。该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet)。该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习。最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%。该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法。     

基于迁移学习的GoogLeNet果园病虫害识别与分级

为提高果树病虫害危害程度分级精度进而更好地指导果园病虫害防治，采用迁移学习技术与GoogLeNet模型相结合的方法，对6种果园作物的25类病虫害样本进行识别与危害程度分级研究；同时，探究不同数据集大小以及不同优化算法对模型性能的影响；基于MATLAB平台设计了一款可视化的病虫害识别与分级系统。结果表明:1)基于迁移学习的GoogLeNet模型，对病虫害识别精度可达99.35%，危害程度分级精度可达92.78%；2)在相同训练参数下，本研究模型比AlexNet、VGG-16、ResNet-18、SqueezeNet、原GoogLeNet及MobileNet-v2模型验证精度提高了2.38%~11.44%，并且收敛速度最快；3)本研究模型识别精度随着数据集的增大而提高；在3种优化算法中SGDM算法耗时最短且精度最高，更适合本研究模型。通过拍摄果树叶片病害区域图像，本研究设计的系统能够在0.43 s左右准确识别出果树种类、病害类型以及危害等级等信息。     

新学期帮孩子养成几个好习惯

刚过完美好的假期,习惯了多日的悠闲,很多孩子一时难以适应新学期紧张的节奏,出现懒散、拖延、晚上不睡早上不起、无精打采、学习积极性不高等情况。如何改变呢?专家建议可通过以下几种方式帮孩子养成生活学习好习惯。改变拖延习惯有些孩子做事喜欢磨蹭拖延,常常让父母很着急。为什么孩子会有"拖延症"呢?奥地利心理学家阿尔弗雷德·阿德勒在《儿童人格教育》里写道:"一个有拖延习惯的儿童背后,总有一个事无巨细为其整理收拾的妈妈"。     

不同水肥条件下夏玉米/冬小麦农田生态系统碳平衡研究

农田生态系统碳平衡取决于农作物固定碳量和土壤异养呼吸排放碳量。为揭示水肥用量对农田生态系统碳平衡的综合影响，设置3个灌水水平：高水、中水和低水（W1、W0.85、W0.7夏玉米季分别为90、76.5、63mm，冬小麦季分别为140、119、98mm），4个施氮水平：高氮、中氮、低氮和不施氮（N1、N0.85、N0.7、N0夏玉米季分别为300、255、210、0kg/hm2，冬小麦季分别为210、178.5、147、0kg/hm2），4个施磷水平：高磷、中磷、低磷和不施磷（P1、P0.85、P0.7和P0夏玉米季分别为90、76.5、63、0kg/hm2，冬小麦季分别为150、127.5、105、0kg/hm2）进行了田间试验。结果表明：不同水肥处理下夏玉米/冬小麦农田生态系统表现为碳汇，夏玉米季净生态系统生产力固碳量（CNEP）为6805~7233kg/hm2，冬小麦季CNEP为5842~6434kg/hm2，夏玉米CNEP高于冬小麦。在高、中、低肥水平下，增加灌水量，夏玉米/冬小麦周年净初级生产力固碳量（CNPP）提高2.48%~5.96%，土壤微生物异养呼吸碳释放量（CRm）增加2.15%~15.20%，净生态系统生产力固碳量（CNEP）增加1.16%~6.47%。在高、中、低供水水平下，增加施肥量，夏玉米/冬小麦周年CNPP增加2.95%~3.43%，土壤CRm增加5.23%~18.67%，CNEP增加0.93%~2.79%，CNEP增加比例与供水水平呈负相关。在低水条件下，氮磷肥配施处理夏玉米/冬小麦农田周年CNEP较单施氮、磷肥分别增加4.86%、7.34%，且氮磷肥交互作用显著（P<0.05），水肥供应水平相差15%时对冬小麦农田CNEP有显著的正交互作用。氮磷肥配施、水肥协调供应均有助于促进夏玉米/冬小麦农田生态系统的净碳输入，在节水节肥原则下，夏玉米和冬小麦分别在W0.85N0.85P0.85和W0.7N0.85P0.85水肥供应条件下有利于增加农田CNEP。     

基于MATLAB/GUI的光伏电池工程用数学模型仿真系统的设计与实现

为在光伏电池的物理数学模型基础上,给出光伏电池工程实用数学模型,利用MATLAB编写了光伏电池的仿真程序,分析研究了光强和温度对电池输出特性的影响,得出工程实用模型,参数少,易于建模,移植性好,而且可以对修正系数的典型值进行调整,改善了工程模型输出特性曲线的精确度,提高了工程模型的通用性,最后,利用MATLAB/GUI编写了一款适用于光伏电池工程用数学模型的仿真计算软件,通过在仿真平台上设置输入参数便可以简洁而形象地分析电池的输出特性,提供了良好的交互性,这为微电网的进一步研究提供一定的参考。     

基于云班课平台《动物生物化学》线上线下混合式教学模式探讨

为了研究基于云班课平台的线上线下混合式教学模式,进行了《动物生物化学》线上线下混合教学实践,对获得的云班课数据和教学效果进行了分析,结果表明:64.71%的学生云班课资源学习低于60%;云班课测试分数46.16%学生在60分以下,作业/小组任务分数33.33%学生测试成绩在60分以下,教师需进一步研究增加学生自主学习积极性的方法,达到更优的教学效果。     

CnAβ基因对大鼠RBL-2H3细胞脱颗粒的影响

过敏是人和养殖动物常见的疾病，而且发生的频率呈现逐渐增加的趋势。为了深入了解过敏反应的机制，本研究利用CRISPR/Cas9基因编辑技术，构建钙调磷酸酶A beta （calcineurin A beta，CnAβ）基因敲除的大鼠RBL-2H3细胞株，并探讨CnAβ基因对RBL-2H3细胞生长及脱颗粒的影响。选取大鼠CnAβ基因第一外显子为敲除靶点，设计并合成3个单导向RNA （single guide RNA，sgRNA），构建pX459-CnAβ-sgRNA质粒，并用脂质体3000将构建好的质粒转染到RBL-2H3细胞内；利用嘌呤霉素对转染细胞进行筛选，通过DNA测序验证获得CnAβ基因敲除的RBL-2H3细胞株；并检测CnAβ基因缺失对细胞增殖和脱颗粒的影响。结果表明，成功构建了CnAβ单基因敲除的大鼠RBL-2H3细胞株；CnAβ基因缺失对RBL-2H3细胞增殖、细胞的颗粒形成以及颗粒含量无显著影响，但显著抑制由细胞表面受体介导的RBL-2H3细胞脱颗粒作用。该研究结果有助于深入了解动物过敏性疾病的发生机制，为动物过敏性疾病的预防提供了理论基础。     

基于超星学习通的混合式教学模式应用研究——以发酵工程课程为例

为了提高发酵工程课程的教学质量和教学效果,针对发酵工程课程的内容和特点,将互联网+技术与教学相结合,进行了基于超星学习通平台的混合式线上线下教学方式的改革,结果表明:在增强了学生自主学习能力的同时,也促进了教师的自我提升。     

基于微课的翻转课堂在生物防治技术课程中的应用——以河北北方学院为例

生物防治技术是高等农业院校植物保护专业一门实践性很强的专业选修课。本研究将微课与翻转课堂结合运用于课程实践之中,针对前期调研结果对课程教学设计、教学资料、互动平台、评价方式等方面进行详细分析,最终能够增加学生学习兴趣,提高学生参与度,使学生专业基础扎实,实践能力强,对课程的掌握程度高。     

基于WT-CNN-LSTM的溶解氧含量预测模型

溶解氧（Dissolved oxygen, DO）含量是影响水产养殖产量的重要因素之一，具有时序性、不稳定性和非线性等特点，且其影响因子过多、存在复杂的耦合关系，难以实现精准预测。针对传统长短时记忆神经网络（Long short term memory, LSTM）预测模型易引入冗余数据，且在训练过长序列时会出现梯度消失现象，从而不能捕捉因子间长期的依赖性问题，提出了基于小波变换（Wavelet transform, WT）、卷积神经网络（Convolutional neural network, CNN）和LSTM的溶解氧含量预测模型。首先，使用WT降低数据噪声；然后，使用CNN深度挖掘各变量之间的潜在关系；最后，利用LSTM的时序性预测2h后的水产养殖溶解氧含量。结果表明，本文提出的WT-CNN-LSTM模型预测效果良好，其平均绝对误差、均方根误差和决定系数分别为0.138、0.229和0.954，比传统LSTM模型分别优化了28.87%、21.03%和4.61%。