基于VGGNet网络的雾霾无人车防碰撞研究

针对雾霾天气下无人车行驶容易出现视野受限，导致防碰撞能力下降的问题，提出了一种基于VGGNet网络的深度卷积神经网络模型，通过反向传播算法不断调整模型的权重和偏置，对收集雾霾天气下的图像和相关数据进行处理，实现模型的训练和优化。实验结果表明，所提出的方法可以有效地提高无人车在雾霾天气下的防碰撞能力，达到了良好的效果。研究结果可以为无人车行业在特殊气候条件下的防碰撞提供了一种新思路和实现方法，具有一定的参考价值和应用前景。     

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。     

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。     

大豆质核互作雄性不育系NJCMS1A与其保持系NJCMS1B的生理生化特性比较分析

以大豆质核互作雄性不育系NJCMS1A及其保持系NJCMS1B的花芽为试验材料,利用试剂盒法和紫外分光光度计测定分析了糖分含量(可溶性糖和淀粉)和总ATPase、蔗糖磷酸合成酶(SPS)、磷酸烯醇式丙酮酸羧激酶(PEPCK)、抗坏血酸氧化酶(AO)、过氧化氢酶(CAT)、超氧化物歧化酶(SOD)以及过氧化物酶(POD)等酶活性的变化情况。结果表明:相较于保持系NJCMS1B,总ATPase、PEPCK、AO和CAT活性在不育系NJCMS1A中显著下降;糖分含量、SPS和SOD活性在不育系NJCMS1A中下降水平不显著;POD活性在不育系NJCMS1A中显著上升。根据结果分析推测,与能量代谢或胁迫响应等相关的物质或酶活性在不育系NJCMS1A中的亏损现象可能是NJCMS1A花粉败育的主要原因。     

基于深度学习的牛肉大理石花纹等级手机评价系统

大理石花纹是影响牛肉品质等级的重要指标,目前中国牛肉加工企业对大理石花纹的评价是由专业分级人员参照标准图谱完成,具有主观性强、耗费人工的缺点。针对上述问题,该研究提出了基于深度学习的智能分级方法,设计一种具有4层卷积的神经网络结构,实现了大理石花纹特征的自动提取,并基于智能手机开发了牛肉大理石花纹检测软件。该研究共采集样本图像1 800张,按3:1:1分为校正集、验证集和测试集。为进一步验证模型,将该方法与传统机器视觉方法进行了比较,提取了牛肉大理石花纹的大、中、小脂肪颗粒个数,脂肪总面积和脂肪分布均匀度5个参数,并建立了多元线性回归模型。试验结果表明,该研究所用方法大理石花纹检测准确率更高,验证集检测正确率为97.67%。最后编写了手机软件,将模型移植入Android手机,在手机平台上调用模型进行大理石花纹检测。试验表明,该软件对测试集样本的检测准确率为95.56%,单张检测时间低于0.5 s。该研究结合卷积神经网络分类能力强和智能手机运行速度快等优点,开发了牛肉大理石花纹的手机评价系统,具有较好的实用性和便携性,可提高牛肉大理石花纹检测效率,有助于提高农畜产品检测的智能化水平。     

抗病籼型水稻光温敏核不育系N632S的选育与应用

N632S系安徽省农业科学院水稻研究所以广占63S为轮回亲本,与抗白叶枯病和稻瘟病株系6G241杂交、回交和自交,将抗白叶枯病基因Xa23和抗稻瘟病基因Pi9(t)导入广占63S后育成的籼型水稻光温敏不育系。该不育系株型松紧适中,剑叶内卷,叶色深,不育起点温度低,开花习性较好,异交结实率较高,抗白叶枯病和稻瘟病,2011年8月通过安徽省农作物品种审定委员会鉴定。以N632S与科恢752选系配组育成的高产抗病两系杂交籼稻新组合两优6375于2017年通过安徽省品种审定。     

一种基于无人机遥感和卷积神经网络的梨树树龄梯度识别方法

梨树的树龄测定是古梨树保护监管以及开发其经济价值工作中最初也是最重要的一步,现有的古树树龄测定方法主要都是针对单棵古树,不适合对大量(超过上千棵)的梨树进行树龄测定。针对上述问题,提出了一种基于卷积神经网络的梨树树龄梯度识别方法,在确定梨树树龄梯度后,通过无人机获取梨树遥感图像,合成梨树图像后,进行分割,得到单棵梨树的图像,利用RESNET模型自动获取图像深层特征,从而实现对梨树树龄梯度的识别。实验结果表明:该方法目标识别准确率为85.56%,优于其他方法,时间效率则远胜传统树龄测定方法。因此,该方法具有较高的使用价值,可以大幅度降低梨树树龄测定成本开支,具有实际意义。     

韭菜无融合生殖种子形成机制研究进展

从韭菜大小孢子母细胞的减数分裂、胚囊和花粉的发育过程、胚胎发育和种子的形成、无融合生殖性状的遗传等方面对韭菜无融合生殖种子的形成机制进行综述,同时对韭菜无融合生殖特性的研究方向和在韭菜育种中的应用前景进行了展望,以期为今后韭菜无融合生殖机制的阐明和韭菜遗传育种研究提供参考。     

阿维菌素对小鼠早期精细胞微核率影响的研究

阿维菌素是一种新型、安全、高效、广谱的抗寄生虫药物，本试验选择早期精细胞微核试验来研究国产阿维菌素对小鼠生殖细胞的致突变性，以为其安全性毒理学评价提供资料。