敢啃“硬骨头” 助产业发展

珠海市现代农业发展中心(以下简称“农发中心”)水产技术推广部副部长李勇,加人农技推广工作20年来,始终以产业需求为首要任务,从不计较个人得失。他深度参与了白蕉海鲈的品牌创建、技术推广、示范区建设、地理标志产品申报等工作,敢于啃“硬骨头”,默默为产业发展奉献自己的力量。     

一种改进的CRLP最大许用操作压力设计方法

与传统管线钢管相比,复合材料增强管线钢管(CompositeReinforcedLinePipe,CRLP)具有承压能力高和质量轻等优势,但对其压力设计的研究尚不充分。CSAZ662-2015《油气管道系统》和GB/T35185—2017《石油天然气工业用复合材料增强管线钢管》中最大许用操作压力的设计思路不同,且设计结果差别较大。针对此问题,基于组合薄壁圆筒模型对承压CRLP进行分析,对最大许用操作压力下材料的名义许用应力和真实许用应力进行了区分,进而导出真实许用应力的显式表达形式,并以此作为设计安全裕度的评价指标。分析表明:现有规范和标准中的设计公式均无法保证管线钢和复合材料的真实许用应力为常量,对应两种设计方法,各组分材料的真实许用应力均随CRLP规格差异而发生变化,并且随着试压/预应力处理的历程而改变。基于上述分析和CRLP极限状态下的承载特征,提出一种改进的压力设计方法。新方法优先保证复合材料的真实许用应力为常量,并可由设计系数直接确定;在最大许用操作压力的计算中,考虑了加载历程的影响,物理意义明确。算例表明,其设计安全裕度较现有方法更为合理,对于CRLP压力设计的改进有参考价值。     

绿色食品茶叶农药最大残留限量标准对比分析

通过对新版《食品安全国家标准 食品中农药最大残留限量》中茶叶农药残留限量标准现状及其特点进行分析,从农药种类、最大残留限量等方面与现行绿色食品茶叶标准进行分类比较,梳理出目前绿色食品茶叶可用农药清单及最大残留限值,通过对比绿色食品茶叶标准存在的差异,发现目前绿色食品茶叶标准中存在的问题,提出相关建议。     

《猪业科学》投稿须知

《猪业科学》杂志为月刊,每月25日出版,面向全国发行。内容充实、实用,每期一个主题,充分挖掘、深度报道、全面分析,全面反映养猪产业的最新成果、发展动态和市场经济信息。全彩色印刷、图文并茂适应现代“读图时代”潮流。     

申请美国和加拿大进口农产品中农药最大残留限量资料要求介绍

本文介绍了美国和加拿大制定进口农产品中农药最大残留限量的资料要求,着重对规范残留试验的技术要点进行了描述。     

基于BERT+BiLSTM+CRF深度学习模型和多元组合数据增广的渔业标准命名实体识别

为解决渔业标准命名实体识别任务中部分实体语料分布稀疏导致的效果不佳问题,提出了基于多元组合数据增广(data augmentation method based on multiple combination,MCA)的渔业标准命名实体识别方法,该方法融合了基于领域词典的联合替换算法(joint replacement algorithm based on domain dictionary,DDR)、基于槽点保护的随机删除算法(random deletion algorithm based on slot protection,SPD)和基于槽点保护的随机插入算法(random insertion algorithm based on slot protection,SPI)进行语料库的数据增广,首先构建"水产品名称"同类词词典和领域同义词词典,通过两个词典分别对"水产品名称"类实体和随机词进行同类词替换和同义词替换,生成新的句子,以增加目标实体数量和句子的多样性,然后在基于槽点保护的情况下对原句子分别进行随机删除和随机插入操作,在保留实体及上下文特征的情况下进一步丰富语料的多样性,提高模型的泛化能力.结果表明,采用基于融合注意力机制的BERT+BiLSTM+CRF网络模型和多元组合数据增广方法进行渔业标准命名实体识别,准确率、召回率、F1值分别达到了91.73％、88.64％、90.16％,具有较好的效果.研究表明,基于多元组合数据增广的渔业标准命名实体识别方法有效解决了部分实体样本稀疏问题,提升了渔业标准命名实体识别的整体效果.     

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VGGNet网络的雾霾无人车防碰撞研究

针对雾霾天气下无人车行驶容易出现视野受限，导致防碰撞能力下降的问题，提出了一种基于VGGNet网络的深度卷积神经网络模型，通过反向传播算法不断调整模型的权重和偏置，对收集雾霾天气下的图像和相关数据进行处理，实现模型的训练和优化。实验结果表明，所提出的方法可以有效地提高无人车在雾霾天气下的防碰撞能力，达到了良好的效果。研究结果可以为无人车行业在特殊气候条件下的防碰撞提供了一种新思路和实现方法，具有一定的参考价值和应用前景。     

采摘机器人深度视觉伺服手-眼协调规划研究

针对现有采摘机器人的识别-采摘精度与效率偏低等问题，开展了采摘机器人深度视觉伺服手-眼协调规划研究。开发了在手RealSense深度伺服的小型升降式采摘机器人，进行了采放果的工作空间与姿态分析，针对“眼在手上”模式建立了手-眼协调的坐标变换模型。对采摘机器人提出了基于在手RealSense深度伺服的由远及近手眼协调策略，并根据RealSense与机械臂参数完成了基于深度视觉的远近景协调关键点间分段动作规划。手眼协调采摘试验表明，末端在X、Y、Z方向的平均定位精度为3.51、2.79、3.35mm，平均耗时为19.24s，其中机械臂从初始位开始采果的平均耗时为12.04s，中间识别与运算的平均耗时为3.82s，放果动作平均耗时为7.2s，机械臂动作耗时占整个环节的80.2%。该机器人结构和在手RealSense深度伺服的手眼协调策略可满足采摘作业需求。     

气候变化情景下流苏香竹潜在分布区预测

流苏香竹（Chimonocalamus fimbriatus）是云南特有珍稀竹种，主要分布于云南西南部。文章以野外调查获取的流苏香竹分布信息为主，运用最大熵模型（MaxEnt）同时结合地理信息系统（ArcGIS），基于19个气候因子，预测其在当前及未来气候变化情景下的潜在分布区。结果表明：当前流苏香竹的高适生区和中适生区主要分布于德宏州、保山市和临沧市等地，除迪庆州、丽江市和昭通市外，云南其他区域均有低适生区零星分布。在未来2050s和2070s的2个时间段，基于2种不同共享社会经济路径（SSP1-2.6和SSP5-8.5），流苏香竹的高适生区面积呈减少的趋势，尤其是SSP5-8.5路径下，高适生区面积仅为当前的12.51%（2050s）和18.63%（2070s）；中、低适生区在SSP1-2.6路径下，显著扩张（2050s）或略微扩张（2070s），在SSP5-8.5路径下，则大幅收缩。流苏香竹野外实际分布区及其潜在分布区均以斑块状为主，可能与云南特殊的地形、地貌有关。影响流苏香竹分布的主导气候因子为最湿月份降水量、最暖月份最高温度、最干季度降水量和平均气温日较差。流苏香竹对气候变化比较敏感，根据其野外分布状况，建议以就地保护为主、迁地保护为辅，在其潜在适生区内适当引种栽培。