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。     

基于注意力机制及多尺度特征融合的番茄叶片缺素图像分类方法

针对番茄早期缺素性状不明显及各生长期特征差异较大所导致的特征区域尺寸不一致、难提取、难辩别等问题，提出了一种基于注意力机制及多尺度特征融合卷积神经网络的番茄叶片缺素图像分类方法（Multi-Scale Feature Fusion Convolutional Neural Networks Based On Atte ntion Mechanism，MSFF-AM-CNNs）。首先根据番茄叶片缺素特点提出了多尺度特征融合结构（Multi-Scale Feature Fusion Module，MSFF Module）；其次在DenseNet基础上，结合浅层网络主要提取纹理、细节特征，深层网络主要提取轮廓、形状特征的特点分别提出具有针对性的特征提取方法，通过不同形式引入注意力机制及多尺度特征融合结构，使全局多尺度信息融合多个特征通道、选择性地强调信息特征并达到对特征精准定位的功能；同时引入Focal Loss函数以减少易分类样本的权重。试验结果表明，MSFF-AM-CNNs的平均召回率、平均F1得分、平均准确率较原模型DenseNet-121均大幅提升，其中缺氮和缺钾叶片的准确率分别提高了8.06和6.14个百分点，召回率分别提高了6.31和5.00个百分点，F1得分分别提高了7.25和5.55个百分点，平均识别准确率可达95.92%，具有较高的识别准确率及广泛的适用性，能够满足番茄叶片缺素图像的高精度分类需求，可为植物叶片缺素识别提供参考。     

智能农机 赋能蔬菜产业高质量发展

正传统农业机械替代了人力与耕牛,使农业生产力水平显著提升,而将智能机器人技术应用到农业领域,将进一步帮助农民实现更加轻松、更加精准、高效的农业生产。近年来,各种新型农机作业装备不断涌现,如播种机、嫁接机、移栽机、植保机等,信息化、自动化水平也在日益提升,极大地提升了农业生产的作业效率与质量。同工业等其他领域应用相比,农业机具工作环境多变,以非结构环境为主,工作任务具有极大的挑战性;因此,智能化发展成为农机装备未来发展的重要方向。     

红香酥梨采后货架期有机酸含量的变化

利用高效液相色谱法(HPLC)对红香酥梨果实采后货架期有机酸含量的动态变化进行了研究。结果表明,共分离出酒石酸、L-苹果酸、乳酸、柠檬酸、琥珀酸和D-苹果酸等6种有机酸,其总含量为(3.53±0.21)g/kg;成熟的红香酥梨果实属于苹果酸优势型,其主要有机酸为苹果酸,占总有机酸含量的81.82%±0.38%,其中,苹果酸的2种异构体L-苹果酸和D-苹果酸含量分别占总有机酸含量的57.86%±0.71%和23.97%±1.09%;柠檬酸含量次之,占总有机酸含量的8.57%±0.25%;酒石酸、琥珀酸和乳酸含量较低,占总有机酸含量的比例均低于5%;红香酥梨果实总有机酸含量变化在货架期表现为前期上升、中期下降、后期再上升的趋势,说明货架前期果实有机酸含量仍在积累,且主要积累的是D-苹果酸含量;货架中期有机酸含量因消耗、转化的加强而降低,且在第20天时达到最低点,其中,柠檬酸下降幅度最大;货架后期可能由于果实开始衰老,其他物质转化为有机酸使其含量升高。     

农业知识云服务设计与实现

针对目前我国农业决策支持系统与专家系统的信息呈孤岛格局的现状,农业信息资源和系统存在严重重复性建设问题,提出基于云计算平台的农业知识云服务模式。以知识模型库为基础,运用Web Service及XML技术,设计并实现通用的专家知识模型云端服务。应用结果表明,其为零配置客户端的个性化知识应用系统的构建提供了便捷的工具,为实现“知识即服务”做出了有效的尝试。     

能量高效的农田无线传感器网络拓扑关联路由算法

针对农田无线传感器网络节点分布不均、能量约束严格等特点,提出了一种能量高效的簇头选择方法TBCS-EA,在以剩余能量进行簇头选择的基础上根据节点拓扑位置、拓扑密度等进行加权,使距离sink较近的节点与密集区节点大概率成为簇头,提高成簇能量使用效率。针对现有成簇算法频繁进行簇头选举,算法开销大等问题,提出了一种能量逼近式簇头轮换机制,节点连续担任簇头并以某一目标进行能量逼近,在达到逼近目标后进行根据簇内信息指定新簇头,减少簇头选择的次数与协议开销。仿真与实验结果表明,TBCS-EA算法的网络生命周期约为LEACH的2.2倍,CHCS的1.5倍,从节点能量曲线看能耗均衡效果与CHCS相当,明显优于LEACH。结果显示TBCS-EA综合性能较之于现有算法有明显提升。     

1-MCP对磨盘柿成熟软化的影响

采用不同浓度的1-MCP(1-甲基环丙烯)和不同处理温度对磨盘柿果实成熟软化的影响进行了研究.结果表明,适宜的1-MCP处理(浓度0.1～1 uL/L)可明显地延缓磨盘柿果实硬度下降,降低果实呼吸强度,推迟呼吸高峰的出现,并能显著地抑制果实乙烯释放,推迟其成熟软化,对延长磨盘柿贮藏期具有一定的作用.     

蚕豆-杂交水稻制种一年两熟高效栽培模式

遂昌县是浙江省杂交稻制种基地县,常年杂交稻制种量800～1000t。为进一步巩固发展杂交水稻制种基地,合理轮作,改良土壤,近年来我们总结出蚕豆—杂交水稻制种一年两熟高效栽培模式。蚕豆667m2产量1750kg、产值5250元,杂交稻制种667m2产量278.3kg、产值3196.7元,全年667m2产值8446.7元,经济效益显著。现将该模式主要栽培     

基于BERT-Attention-DenseBiGRU的农业问答社区问句相似度匹配

为了解决问答社区中相同语义问句文本的快速自动检测,提出一种基于BERT的Attention-DenseBiGRU农业问句相似度匹配模型。针对农业文本具备的特征,采用12层的中文BERT文本预训练模型对文本数据进行向量化处理,并与Word2Vec、Glove、TF-IDF方法进行对比分析,得出BERT方法能够有效地解决农业文本的高维性和稀疏性问题,并且解决多义词在不同语境下具有不同含义的问题。该网络的每一层都使用注意特征的连接信息以及前面所有递归层的隐藏特征,为了缓解由于密集拼接而导致特征向量尺寸不断增大的问题,在模型的最后使用自动编码器进行特征降维。试验结果表明:基于BERT的Attention-DenseBiGRU农业问句相似度匹配模型可以提高文本特征的利用率,减少特征丢失,能够实现快速及准确的农业问句文本相似度匹配,在本文所构建的农业问句相似对数据集上精确率及F1值达到97.2%和97.6%,与其他6种问句相似度匹配模型相比,效果提升明显。