小龙虾识别与度量关键技术研究与应用

小龙虾的表型性状是水产养殖和遗传育种中非常重要的经济依据,为了精准实现对小龙虾的视觉检测与定位,并对其主体躯干表型特征进行测量。首先提出了一种基于Mask RCNN实例分割模型检测小龙虾的方法,不仅能快速识别小龙虾,还能对其进行实例分割,生成高质量的二值掩膜图。然后在此基础上,提出一种新的小龙虾度量算法：通过提取小龙虾的轮廓曲线,获取其中轴线,采用分区法提取小龙虾的特征区域,再利用凸包和凸包缺陷算法获取小龙虾的特征点,实现对其全长、体长、头胸甲、腹部、尾扇等主要部位的无接触度量计算。结果表明：Mask RCNN模型在小龙虾数据集上具有很好的泛化性能,模型分割准确率达到了94.6%,目标识别的平均检测精度达到了98.7%。各测量指标的平均绝对误差均在5 mm之内,比人工手动测量难度大大减小,并且稳定高效,重复性更好。该方法将有利于生产和选育过程中小龙虾的鉴别及结构尺寸的快速获取。     

金中都水关遗址木结构含水率及其影响因素

【目的】金中都水关遗址现存的木结构面临腐朽的威胁,含水率是决定木材是否发生腐朽的关键因素,研究水关遗址木结构自身的含水率情况以及影响因素,旨在为金中都水关遗址木结构以及同类型地下木结构的保护和修缮提供依据和参考。【方法】于2021年9月26日检测木结构不同位置的木材含水率,监测2021年9月-2022年9月全年木结构不同位置木材、土壤含水率及环境温湿度变化,探测地下水,进行木材在土壤中平衡含水率实验等。汇总所得数据,分析影响木结构含水率的因素及其影响作用。【结果】遗址木结构露出地面的部分,含水率处于14.6%～23.6%;遗址木结构埋在土壤中的部分,含水率处于30.0%～183.3%;空气温度、湿度全年变化范围分别为13～24℃、27.0%～80.0%,受四季影响明显;遗址土壤含水率在1.5%～18.0%之间,深度越大,土壤含水率越高;地下水水位低于遗址过水道地面10.0 m以上;遗址木材在土壤中的平衡含水率与土壤含水率线性正相关,决定系数达到0.939 9。【结论】遗址木结构露出地面的部分,含水率处于木材腐朽发展停止的范围,含水率变化主要受空气的四季温湿度变化影响;遗址木结构埋在土壤...     

基于Vision Transformer的小麦病害图像识别算法

小麦白粉病、赤霉病和锈病是危害小麦产量的三大病害。为提高小麦病害图像的识别准确率,构建一种基于Vision Transformer的小麦病害图像识别算法。首先,通过田间拍摄的方式收集包含小麦白粉病、赤霉病和锈病3种病害在内的小麦病害图像,并对原始图像进行预处理,建立小麦病害图像识别数据集;然后,基于改进的Vision Transformer构建小麦病害图像识别算法,分析不同迁移学习方式和数据增强对模型识别效果的影响。试验可知,全参数迁移学习和数据增强能明显提高Vision Transformer模型的收敛速度和识别精度。最后,在相同时间条件下,对比Vision Transformer、AlexNet和VGG16算法在相同数据集上的表现。试验结果表明,Vision Transformer模型对3种小麦病害图像的平均识别准确率为96.81%,相较于AlexNet和VGG16模型识别准确率分别提高6.68%和4.94%。     

金中都水关遗址木结构无损检测与评估

  目的  金中都水关遗址有约870年的历史，是金中都现存最大的遗址。其中木结构作为遗址的基础和主体，在整个水关结构中起到了重要的作用。探明水关遗址木结构的详细组成，无损检测和评估木构件的缺陷状况，旨在为金中都水关遗址修缮、保护提供依据，为同类型的地下木结构的无损检测和评估提供借鉴。  方法  首先对木结构现场进行勘测、校对，获得擗石桩、基础木桩、衬石枋3类木构件的典型尺寸、位置、数目及相互关联等信息，还原水关木结构模型；其次，根据3类木构件各自特征，以其中的236根木构件为对象，进行现场检测和实验室分析，包括敲击、尺寸测量、含水率测量、微钻阻力检测和树种鉴定等；最后，汇总现场检测和实验室分析所获得的信息，对被测木构件状况给予分等，并归纳木构件腐朽缺陷存在规律。  结果  重构了金中都水关遗址木结构三维模型，发现木结构应当由204根擗石桩、771根基础木桩、92根衬石枋组成；遗址木构件主要缺陷形式为腐朽及腐朽导致的材料缺失，次要形式为裂纹；从单根木构件来讲，地面以上部分腐朽程度相对较轻，而地面以下部分腐朽程度相对严重；遗址木构件树种以落叶松为主，樟子松为辅。  结论  金中都水关遗址木结构整体状况较差，未发现状况良好的A等木构件。在3类木构件中，擗石桩的整体状况相对最好，基础木桩的整体状况相对最差。实践证明，对水关遗址木构件的缺陷状况，综合利用敲击、尺寸测量、含水率测量和微钻阻力检测等进行检测、评估是可行的。