基于改进YOLO v5的橙子果实识别方法

针对自然环境下橙子检测存在枝叶遮挡、相邻果实重叠等情况而导致检测效果差的问题，提出一种改进的YOLO v5方法。首先，在主干网络部分使用RepVGG(re-param VGG)模块替换原始C3模块，加强网络对特征信息的提取能力；其次，在颈部网络使用鬼影混洗卷积(ghost-shuffle convolution)代替原有的标准卷积，能够在保证精度的前提下，降低模型参数量；再次，在预测头前加入ECA(efficient channel attention)注意力模块，能够更加准确定位目标信息；最后，引入EIOU(efficient intersection over union)损失函数加速预测框的收敛，提高其回归精度。改进的YOLO v5网络在自然环境下的橙子检测中平均精度达到90.1%,相比于目前热门的检测网络CenterNet、YOLO v3和YOLO v4其在识别效果方面有一定的提升。可见，所提出的改进网络在橙子检测上更有优势，能为今后智能采摘机器人的研发提供理论支撑和技术参考。     

水肥一体化施肥对山地果园‘油㮈’生长及果实品质的影响

以福建特色水果‘油㮈’为试材,在等肥料成本条件下,进行水肥一体化施肥和常规施肥下‘油㮈’树枝梢生长长度和粗度、果实品质、产量表现及施肥成本的比较研究,以期为山地水肥一体化施肥提供参考。结果表明,水肥一体化施肥可在一定程度上促进当年枝梢长度和粗度的增长,提高果实可溶性糖、可溶性固形物及Vc含量,降低可滴定酸含量,提高果实平均单果重、可食率、产量。等价施肥条件下,水肥一体化施肥节省人工成本1104.0元/hm²。建议结合降水量等气候条件及山地土壤特点、生态环境等对水肥一体化施肥技术进行优化。     

2015―2020年国家西北内陆棉区棉花品种区域试验参试品种（系）枯黄萎病抗性评述

对2015－2020年参加西北内陆棉区区域试验的192个棉花品种（系）枯萎病、黄萎病的抗性分析，为棉花抗病育种及品种推广提供依据。结果表明，参试棉花品种（系）未出现对枯萎病和黄萎病免疫的品种；参试棉花品种（系）对枯萎病的抗性水平较高，除2018年高抗和抗病品种（系）占比为 88.2%外，其他年份均在92%以上；参试的品种（系）的黄萎病抗性水平除2017年较高外，其余各年均较低，以耐病为主，6年耐病品种（系）平均占比为56.2%；参试品种的总体抗枯萎病指数（r_F）远大于总体抗黄萎病指数（r_V）和总体兼抗指数（r_FV）,各年份均表现为r_F＞r_V＞r_FV，且三者均呈振荡上升趋势；早中熟常规棉的抗枯萎病、黄萎病性及兼抗性表现均优于早熟常规棉_。可见，黄萎病抗性的提高是西北内陆棉区选育兼抗棉花品种的关键。     

基于卷积神经网络的拖拉机工况识别

农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。     

浅析杂交水稻1A品种的选育研究

随着我国社会经济的不断发展,人们收入的增加,人们对生活质量的要求也在逐渐提升。农业作为我国经济发展中重要组成部分,杂交水稻种植作为农业种植体系中一个关键部分,种植质量及高产性与人们生活质量提升有直接关系。因此,在农民种植水稻时,应该秉持品质高、产量高的原则进行选育,这样既可以保证粮食的生产质量,也可以满足人们对生活质量的需求。以下是本文以昌粳品种为例,对杂交水稻品种选育进行简单分析。     

典型烤烟区域氨基酸含量差异分析

为了考察不同烤烟种植区域间的氨基酸含量差异,以烤烟区划4个区域的烤烟标准等级进行了氨基酸检测,运用多因素方差分析对区域、品种、部位3个因素进行了分析,结果表明,烤烟氨基酸含量的差异主要表现为区域之间的差异,品种和部位对于氨基酸的影响统计不显著,且3个因素之间的交互作用统计仍不显著,表明氨基酸的主要影响因素应为区域;氨基酸在多因素间的变异均超过了10％,部分氨基酸含量变异超过了60％,区域间统计差异显著的氨基酸有脯氨酸、天冬氨酸、苏氨酸、谷氨酸、组氨酸和色氨酸;从区域来看,东南烟区氨基酸含量显著低于其他烟区,而西南烟区的苏氨酸含量显著低于其他区域.     

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。     

基于多分类器DS证据理论融合的水果识别研究

针对不同分类器对不同水果种类识别准确率的不均衡问题,提出一种基于多分类器DS证据理论融合的水果识别方法。该研究选择kaggle上fruits360数据集中的5种水果作为研究对象,首先对预处理后的5种水果图像的颜色、纹理、形状特征进行提取,分别选用BP神经网络、K均值、SVM三种分类器,结合被测图像在每种分类器上的识别结果和各个分类器对不同水果的分类准确率,构建基本概率函数(BPA函数),通过DS证据融合规则对分类器融合后对被测图像进行识别。试验结果表明:该方法对5种水果的识别平均准确率为95.2%,总体标准偏差为0.02993,在提高单分类器识别准确率的同时,解决了分类器对各种水果识别的不均衡问题。对10组测试集识别的平均准确率为93.5%,总体标准偏差为0.055,该方法对水果种类的识别更准确和稳定。     

铁路客车电气火险防控对策

通过分析电气绝缘、配件质量、作业标准等造成铁路客车火险的三个方面问题,对铁路客车火险防控提出了提高生产工艺落实能力、把好配件装车质量关、加强乘务作业管理三方面的具体措施。     

8个薄荷品种在浙江地区的引选试验

对引自国内外的8个薄荷品种于2019—2020年进行田间栽培比较试验研究对抗热性、抗旱性、生物量及梅雨季长势等主要生物性状及薄荷醇含量进行测定。结果表明,抗性强、生物量高、观赏性高的薄荷品种有薰衣草薄荷、日本薄荷及越南薄荷,日本薄荷、胡椒薄荷及越南薄荷的含量最高。因此,日本薄荷和越南薄荷可作为本地区用于观赏兼饮食的最佳品种。