基于部首嵌入和注意力机制的病虫害命名实体识别

为了解决农业病虫害命名实体识别过程中存在的内在语义信息缺失、局部上下文特征易被忽略和捕获长距离依赖能力不足等问题，以农业病虫害文本为研究对象，提出一种基于部首嵌入和注意力机制的农业病虫害命名实体识别模型(Chinese agricultural diseases and pests named entity recognition with joint radical embedding and self attention, RS-ADP)。首先，该模型将部首嵌入集成到字符嵌入中作为输入，用以丰富语义信息。其中，针对部首嵌入设计了3种特征提取策略，即卷积神经网络(Convolutional neural network, CNN)、双向长短时记忆网络(Bidirectional long short term memory network, BiLSTM) 和CNN-BiLSTM；其次，采用多层不同窗口尺寸的CNNs层提取不同尺度的局部上下文信息；然后，在BiLSTM提取全局序列特征的基础上，采用自注意力机制进一步增强模型提取更长距离依赖的能力；最后，采用条件随机场(Conditional random field, CRF)联合识别实体边界和划分实体类别。在包含11个类别和24715条标注样本的农业病虫害自制语料上进行了实验。结果表明，本文模型RS-ADP在该数据集上精确率、召回率和F1值分别为94.16%、94.47%和94.32%；在具体实体类别上，RS-ADP在作物、病害、虫害等易识别实体上F1值高达95.81%、97.76%和97.23%。同时，RS-ADP在草害、病原等难以识别实体上F1值仍保持86%以上。实验结果表明，本文所提模型能够有效识别农业病虫害命名实体，其识别精度优于其他模型，且具有一定的泛化性。     

家庭经济禀赋、政策认知与农户宅基地流转意愿——基于江西省456份问卷调查

构建科学有效的宅基地流转机制是一个迫切需要解决的基础性课题。笔者利用江西省456户农户的实际调查数据,运用Logit回归模型研究家庭经济禀赋、政策认知对农户宅基地流转意愿的影响。研究结果表明：家庭经济禀赋中非农收入比重、家庭存款、家庭人均年收入对农户宅基地流转意愿具有显著正向影响；政策认知中“一户一宅”认知、流转规定认知程度对农户宅基地流转意愿具有显著负向影响。为此,应进一步提高农户非农就业机会,改善农民务工经商的就业环境、应加快制定“一户一宅”的配套制度,构建更加合理和更具有操作性的宅基地流转政策体系。     

基于计算机视觉识别技术的甘蔗种植机械化研究

针对当前甘蔗种植机械化现状,优化机具设计,并应用计算机视觉识别技术,自动识别切种长度,预切甘蔗种,以便实现精密化、机械化的甘蔗种植。在计算机视觉识别技术支持下优化设计甘蔗种植设备,不仅可提升识别甘蔗茎节的正确率(提升80%),还可以提升甘蔗种植效益(提升20%),取得较好的经济效益。为此,设计了基于计算机视觉识别技术甘的蔗种植机械化设备,可提升甘蔗种植机械化水平,提高甘蔗预切种正确率,提升甘蔗机械化种植效益,产生积极影响。     

基于GF-6卫星影像多特征优选的酿酒葡萄精准识别

多源遥感信息和特征优选是提高农作物识别精度的重要支撑，高分六号（GF-6）卫星作为首次引入红边波段的国产卫星，其丰富的光谱信息为作物识别提供了新的思路和解决途径。该研究基于宁夏回族自治区银川市永宁县2018年6月-2019年3月的GF-6数据，充分利用红边优势提取光谱特征、纹理特征和植被指数特征，构建多种特征组合方案，并根据随机森林算法对特征重要性进行度量，选取最优特征组合对酿酒葡萄进行精准识别。结果表明，与单一特征相比，多源遥感特征的增加显著改善了酿酒葡萄分类效果，其中，植被指数贡献程度最大，光谱特征次之；基于随机森林的优选特征组合分类效果最佳，其中，总体分类精度为94.15%，酿酒葡萄用户精度为94.23%，制图精度为92.59%；以实地调查的4个酒庄为验证区，将酿酒葡萄提取结果与统计数据进行对比，面积相对精度均在70%以上，其中优选特征结果相对精度在90%以上，研究结果将为国产卫星红边波段在植被分类和识别方面的应用提供数据参考。     

考虑水文变异的水库生态流量研究

为探讨水文变异对生态流量影响,确定最佳水库生态流量推求方法,针对尼尔基水库生态问题,采用Mann-kendall突变检测法、滑动T检验法和有序聚类法,结合序号总和理论和Spearman相关系数计算对水文时间序列作综合识别,确定水库发生水文变异年份为1963年和1999年。利用NGPRP法和逐月频率年内展布计算法分别计算天然状态、次天然状态、现状和不考虑水文变异条件下最小生态流量和适宜生态流量。参考Tennant法评价结果表明水库生态系统退化主要受人类扰动影响,观察次天然状态和不考虑变异状态下生态径流过程,最小生态流量占多年平均流量百分数相差9.21%和1.70%,适宜生态流量相差3.04%和1.47%。研究应更多考虑次天然生态径流过程,其最小生态流量仅可作为生态流量下限。     

基于机器视觉的马铃薯晚疫病快速识别

晚疫病是马铃薯的一种严重病害,可造成减产甚至绝收。因此马铃薯晚疫病的识别与控制对提高其产量有非常重要的意义。该文基于机器视觉技术对马铃薯叶部晚疫病进行检测,根据马铃薯叶片上晚疫病斑的颜色、纹理和形状特征参数的不同,提取叶片表面的特征参数,并建立数学模型对病害程度做出评价。在RGB、HSV颜色空间中,根据马铃薯叶片在患病早期叶片颜色发生变化且与健康叶片不同,利用颜色特征,建立马铃薯晚疫病的无病和患病模型,该模型对马铃薯患病早期的识别率为67.5%。利用灰度共生矩阵,采用纹理统计参数进行病害等级评价,用熵值和能量值描述晚疫病的严重程度,纹理特征对患病程度的识别率比较稳定,对患病中期与后期的识别率分别为72.5%与80%。利用形状特征的相对特征,根据病斑面积比进行晚疫病诊断,该方法对马铃薯叶片晚疫病患病后期的诊断取得较好效果,识别率为90%,但由于叶片患病早期的病斑面积小且分散,识别难度大,识别率仅为50%。针对颜色、纹理及形状特征在识别马铃薯叶片晚疫病时的优势与局限性,提出颜色纹理形状特征结合的识别方法,对患病中期与后期的识别率分别为90%和92.5%。通常马铃薯晚疫病的理化值检测法耗时数天,但利用机器视觉识别马铃薯晚疫病患病情况非常快速,根据颜色特征进行病害识别的时间约为4 s,纹理特征识别的时间为7 s,形状特征特征识别的时间为3 s,综合颜色纹理形状特征的识别由于计算量较大,识别时间为9 s。该研究可为基于机器视觉的马铃薯晚疫病的快速检测提供理论依据。     

花龄期棉花虫害的电子鼻检测

棉花害虫具有隐蔽性、迁飞性和突发性特点，并且影响因素众多，棉花虫害准确地诊断是农业领域的难点问题。该研究以受到棉铃虫侵害的花铃期棉花为研究对象，采用电子鼻对不同处理的棉花挥发物进行检测。研究表明，主成分分析（Principal Component Analysis, PCA）和聚类分析结果显示健康棉花释放的挥发物具有明显的昼夜节律性，健康棉花与虫害棉花差异性显著。径向基函数神经网络（Radial Basis Function Neural Network, RBFNN）对8个不同时间的4组虫害棉花处理进行分析，测试集判别总的正确率为73.4%，健康棉花对照组测试集判别正确率100%，误判样本出现在3个虫害处理之间。当不考虑时间因素建立虫害棉花统一的预测模型，RBFNN模型对健康棉花对照组的预测正确率均达到了100%，分析结果可以作为花铃期棉花是否遭受棉铃虫侵害的依据，说明电子鼻可以作为棉花虫害发生的有效监测手段，在农作物虫害监测领域具有潜在的应用价值。     

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UHPLC-QTOF-MS代谢组学方法筛选奶牛不同妊娠状态时的候选生物标志物

旨在筛选人工授精后第17天奶牛在不同妊娠状态时的候选生物标志物。本研究以宁夏某奶牛场体重为（550±50） kg,体况评分相近的经产（2~3胎次）健康荷斯坦奶牛为试验对象。同期发情后,在人工授精后第17天晨饲前对奶牛进行尾静脉采血,后期采用计步器和B超仪诊断出奶牛的妊娠状态。根据诊断结果将奶牛分为妊娠组（A组,n=12）和未妊娠返情组（B组,n=24）,将这两组血样进行代谢轮廓及代谢物变化分析。主成分分析（PCA）和正交偏最小二乘法-判别分析（OPLS-DA）结果显示,A、B两组血浆代谢轮廓均发生了明显变化,A、B两组之间共检测出8种ROC （Receiver operating characteristic curve）曲线下面积（area under the ROC curve,AUC）＞0.8的差异代谢物。丙氨酸-亮氨酸、甘氨酸、脯氨酸、L-正亮氨酸、DL-苯丙氨酸、肌氨酸、吡咯-2-羧酸和缬氨酸-蛋氨酸有望成为识别妊娠组（A组）和未妊娠返情组（B组）的差异代谢物。综上表明,血浆中的这8种代谢物有望成为奶牛妊娠识别阶段潜在的生物标志物,为配种早期妊娠识别提供新思路。     

计算机视觉技术在智慧羊场中的研究进展

智慧羊场具有科学化、标准化管理的优点,是羊场转型发展的趋势。计算机视觉技术是人工智能的核心,可以实现非接触性、自动化、实时监测羊的个体信息。本文总结并分析了计算机视觉在羊场的个体识别方法、行为识别方法、体尺与体重估测、疾病监测的研究现状,并指出计算机视觉在智慧羊场的进一步发展趋势。 [关键词] 计算机视觉|智慧羊场|个体识别|行为识别|体尺与体重估测|疾病监测