内蒙古高原紫花苜蓿土壤氮素丰缺指标和推荐施氮量

为了给内蒙古高原紫花苜蓿（Medicago sativa L.）测土施氮奠定科学基础，本研究采用“零散实验数据整合法”和“养分平衡-地力差减法”新应用公式，开展了该自然区域紫花苜蓿土壤氮素丰缺指标和推荐施氮量研究。结果表明：内蒙古高原生长第1年紫花苜蓿土壤碱解氮第1~6级丰缺指标为≥48，20~48，8~20，4~8，2~4和<2 mg·kg^-1，土壤全氮第1~5级丰缺指标为≥1.4，0.8~1.4，0.4~0.8，0.2~0.4和<0.2 g·kg^-1，土壤有机质第1~6级丰缺指标为≥17，10~17，6~10，3~6，2~3和<2 g·kg^-1。当紫花苜蓿目标产量9~18 t·hm^-2、氮肥利用率40%时，内蒙古高原紫花苜蓿第1~6级土壤推荐施氮量分别为0，68~135，135~270，203~405，270~540和338~675 kg·hm^-2。     

基于荧光光谱的辣椒种子品种识别

为了提高辣椒种子品种鉴别效率,实现辣椒种子品种快速无损鉴别,研究了一种基于荧光光谱的辣椒种子品种快速无损识别方法。选择同一系列相似辣椒种子的杂交品种卓椒3号、卓椒4号和卓椒5号为研究对象,分别采集辣椒种子的荧光光谱56份,对原始光谱进行Savitzky-Golay(SG)卷积平滑和一阶导数(first derivative,FD)预处理;采用主成分分析(Principal Component Analysis,PCA)方法提取主成分,实现数据降维;采用Fisher判别分析方法建立辣椒种子品种识别模型。结果显示:采用荧光光谱建立判别模型时,卓椒3号辣椒种子的品种识别正确率达到92.9%,卓椒4号、卓椒5号辣椒种子的品种识别正确率均达到100.0%,整体识别正确率达到97.6%;采用荧光光谱的一阶导数光谱建立判别模型时,卓椒3号、卓椒4号、卓椒5号辣椒种子的品种识别正确率均达到100.0%,整体识别正确率达到100.0%。研究结果表明,种子叶绿素荧光光谱结合化学计量学方法能够有效识别辣椒种子品种。     

基于声振信号对称极坐标图像的苹果霉心病早期检测

为实现苹果早期霉心病较高精度的检测，该研究采用对称极坐标法（Symmetrized Dot Pattern，SDP）将苹果声振信号变换为雪花图，然后采用AlexNet、VGG16和ResNet50卷积神经网络以迁移学习方式深度挖掘SDP雪花图像的特征信息，将其输入到支持向量机（Support Vector Machine，SVM）分类器，对霉心程度≤7%的苹果进行检测。研究结果表明，当时间间隔系数为25和角度放大因子为50°时，健康果与早期霉心果声振信号的SDP图形状特征差异最大，在此条件下获取的SDP图经卷积神经网络AlexNet、VGG16和ResNet50提取特征并构建了不同核函数的SVM霉心果检测模型，在各类SVM模型中，ResNet50-SVM-gaus（高斯基）模型用相对较少的训练时间和参数量可取得训练集霉心果较高分类准确率，经超参数优化训练该模型对健康果和早期霉心果测试集不平衡样本（10∶1）的总体分类准确率达到96.97%，平均查准率、平均查全率、平均加权调和均值、Kappa系数和马修斯相关系数值分别为80.19%、90.36%、86.21%，82.54%和82.68%，该模型不仅对多数类的健康果保持较高分类准确率，而且对少数类的早期霉心果也具有较高判别能力。这些研究结果为声振法应用于果蔬内部病害的早期在线检测系统研发提供了技术支撑。     

基于原型网络的小样本禽蛋图像特征检测方法

机器视觉因具有检测速度快、稳定性高及成本低等优点，已发展成为禽蛋无损检测领域主流检测手段。使用该技术对禽蛋进行无损检测时，需要依赖大量禽蛋图像作为数据支撑才能取得较好的检测效果。由于养殖安全等限制，禽蛋图像数据的采集成本较高，针对该问题，提出了一种适应于小样本禽蛋图像检测的原型网络（Prototypical network）。该网络利用引入注意力机制的逆残差结构搭建的卷积神经网络将不同类别的禽蛋图像映射至嵌入空间，并利用欧氏距离度量测试禽蛋图像在嵌入空间的类别，从而完成禽蛋图像的分类。本文利用该网络分别验证了小样本条件下受精蛋与无精蛋、双黄蛋与单黄蛋及裂纹蛋与正常蛋的分类检测效果，其检测精度分别为95%、98%、88%。试验结果表明本文方法能够有效地解决禽蛋图像检测中样本不足的问题，为禽蛋图像无损检测研究提供了新的思路。     

基于光声光谱和TCA迁移学习的稻种活力检测

种子活力是决定水稻产量的最重要因素之一，但目前水稻种子活力的近红外和高光谱等无损检测方法易受种子表皮颜色影响，且所建模型难以适应新品种。该研究提出基于光声光谱技术的稻种活力无损检测方法并结合迁移学习进行新品种稻种活力检测。首先，对Y两优、龙粳、南粳、宁粳、武运粳、新两优等具有区域代表性的典型6种水稻品种，进行高温高湿人工老化处理，得到0~7 d老化时间的水稻种子；再通过调制频率获得8种不同深度的光声光谱信息，用主成分分析、竞争性自适应重加权算法对光谱降维得到特征光谱后，对Y两优、龙粳、南粳、宁粳、武运粳分别建立偏最小二乘回归（Partial Least Squares Regression，PLSR）、反向传播神经网络（Back Propagation Neural Network，BP）、广义回归神经网络（Generalized Regression Neural Network，GRNN）、支持向量回归模型（Support Vector Regression，SVR）、深度卷积神经网络（Convolutional Netural Network，CNN）的稻种活力预测模型，并选择最优调制频率；最后，通过迁移学习将建立的模型迁移到新两优稻种进行活力预测。结果表明，光声光谱最佳扫描频率为300 Hz，CNN预测模型精度较高，相关系数和均方根误差分别优于0.990 9、低于0.967 5；且经过迁移学习，仅需通过对源域数据的训练，即可直接对新品种稻种的活力进行精确预测；通过TCA迁移学习后，新两优稻种活力预测的相关系数从0.718 5提高到0.990 3。研究表明，采用光声光谱深度扫描技术对不同种类稻种的活力进行高精度检测是可行的，且经过迁移学习，仅需80粒新品种稻种信息即可实现稻种活力的精确预测。     

Soil available potassium affected by rice straw incorporation and potassium fertilizer application under a rice–oilseed rape rotation system

Data from 147 field trials were collected to study the influence of straw incorporation on soil potassium (K) under an intensive rice–oilseed rape rotation system, while pot experiments were conducted to evaluate the effects of rice straw incorporation on soil K availability. A significant correlation was observed between the soil available K and the relative yield (RRY) and the relative K uptake (RKU) of oilseed rape, with R² values ranging from 0.07 to 0.08 and from 0.10 to 0.11, respectively, when data were fitted to a logarithmic equation model. In approximately 30% of trials, RRY reached 90%, while soil test available K values were below the critical limit, indicating that soil K values at the time of sampling (within 1 week of rice harvest) underestimated the actual soil K supply capacity. The pot experiment results showed that soil available K was affected by straw incorporation and soil type in the fallow period. The NH₄OAc‐K and NaBPh₄‐K concentrations of soils increased at first, and then, plateaued after 28 days. Straw incorporation significantly influenced the critical soil K concentration, which is important for making accurate K fertilizer recommendation. These results suggested that straw K should be seriously considered in making K fertilizer recommendations. Extending the sampling time from 1 to 3 weeks after the harvesting of rice to stabilize the effects of straw incorporation may help achieve a more accurate evaluation of soil available K.     

玉米免耕播种机漏播补偿方法对比研究

为解决玉米免耕播种机播种作业时存在漏播的问题，针对漏播自补偿和漏播辅助补偿方法进行了对比研究。对水平圆盘排种器的排种性能进行试验，获取了排种器在不同排种盘转速和播种粒距下排种合格指数、漏播指数和重播指数。由漏播自补偿补种性能分析可得，在排种口检测漏播信号进行加速补种，补种的实际粒距LPR>1.5L，补种粒距依然为漏播，无法实现漏播补偿功能，若在种子脱离排种口之前检测到漏播信号，提前做好加速准备再进行补种，可实现漏播自补偿功能。由漏播自补偿试验可知，漏播自补偿受播种速度和播种粒距影响较大，在播种粒距为20、25cm，播种速度不大于5km/h时，补种合格率不小于88%，在播种粒距为15cm或播种速度大于5km/h时，补种合格率较低；由漏播辅助补偿补种性能试验可知，在播种速度3~7km/h，粒距15~25cm下，补种成功率不小于89%，在播种速度不大于5km/h，补种合格率不小于96%。为了保证补种位置精确，采用漏播辅助补偿装置进行补种，〖JP2〗需合理设计漏播补偿装置安装位置，同时受播种速度、播种粒距、排种盘线速度、投种角的影响，通过合理设计补种装置安装参数后，控制补种装置响应时间t和补偿装置排种盘的线速度vb实现补种位置的精确控制。     

Collembola in ecotoxicology—Any news or just boring routine?

Despite the uncontested significance of soils for human nutrition and drinking water quality, the majority of ecotoxicological testing is confined to aquatic test systems. Among the standardised tests for soils, the reproduction test with the springtail Folsomia candida is among the most widely used ones. First steps towards its standardisation were undertaken in the late 1980s. Here we review major advances that have been made since then, with respect to mechanistic, pragmatic and ecological aspects. Specifically we address the ecological relevance of any modifications of the standardised tests. We introduce a miniaturised version of the reproduction test which allows reducing the amount of soil per test unit to one third and the number of synchronised individuals to 40% as compared to the standard test. In addition, we developed an assay using Collembola eggs instead of synchronised adults. First results of a three-species test indicate that the presence of other species may affect choice behaviour. We point out a potential biased view of existing ecotoxicological data with Collembola due to the fact that most results refer to metal contamination. Finally, recommendations for future research are given, with special reference to avoidance and microcosm tests involving Collembola.