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。     

基于超星学习通的混合式教学模式应用研究——以发酵工程课程为例

为了提高发酵工程课程的教学质量和教学效果,针对发酵工程课程的内容和特点,将互联网+技术与教学相结合,进行了基于超星学习通平台的混合式线上线下教学方式的改革,结果表明:在增强了学生自主学习能力的同时,也促进了教师的自我提升。     

基于极化分解和集成学习的PolSAR影像分类

为实现Pol SAR数据极化信息的充分利用,以进一步改善分类效果,该研究提出了一种基于极化分解和集成学习的Pol SAR影像分类方法。该方法首先利用多种极化分解方法从Pol SAR影像中提取极化参数;将提取的极化参数组合成一幅多通道影像;然后对多通道影像进行分割和特征提取,分别提取出各目标极化分解方法所对应的特征;并进行特征选择和分类,得到各目标极化分解方法的分类结果;最后利用集成学习技术对各分类结果进行集成。该研究以吉林省长春市部分区域为研究区,Radarsat2影像为数据源,将提出的方法应用于土地覆被分类中,取得了较好的分类效果,总体精度和Kappa系数分别达到了92.49%和0.90。此外,该研究还将提出方法与其他基于多种极化分解的分类方法进行比较,对比方法的总体精度和Kappa系数分别为90.74%和0.88,比提出方法分别低1.75%和0.02,对比结果进一步证明了提出方法的优越性。     

果园有机肥深施机分层变量排肥控制系统设计与试验

果园不同深度的土壤养分不同，果树根系分层吸肥能力不同，有机肥分层变量深施可以解决传统施肥存在的养分分布不均和肥料利用率低等问题。针对有机肥分层变量深施的排肥控制问题，本文设计了排肥控制系统，可以根据用户设置的各层理论排肥量和作业速度，实时计算液压马达的理论转速，并采用PID算法控制比例流量阀开度，调节马达转速驱动螺旋输送器排肥，实现分层变量排肥。将AMESim中建立的液压系统模型与在Matlab/Simulink中建立的控制模型进行联合仿真，整定PID参数。液压马达转速调节性能试验中最大超调量为14r/min，达到稳定转速的时间最大为6s，控制性能较好，表明通过AMESim-Matlab/Simulink联合仿真，能够快速便捷地整定PID参数，结果准确可靠。排肥控制性能试验中排肥量相对误差最大6.20%，变异系数最大8.69%，排肥量准确性和均匀性均达到要求。设计的控制系统具有较好的性能，能为果园有机肥分层变量深施提供技术支撑。     

竹花叶病毒浙江麻竹分离物全基因组序列及siRNA分析

正已知有3种病毒可在自然条件下侵染竹类植物,即竹花叶病毒(bamboo mosaic virus,BaMV)~[1]、樱桃坏死锈斑驳病毒(cherry necrotic rusty mottle virus,CNRMV)和苹果茎沟病毒(apple stem grooving virus,ASGV)~[2,3]。其中,BaMV是最早在巴西的金竹(Bambusa vulgaris Cv.)和孝顺竹     

面向养殖水体分布差异的COD光谱法检测研究

面向养殖水体，传统光谱法对化学需氧量（Chemical Oxygen Demand，COD）检测模型构建的基础：源域（现有样本库）与目标域（检测地水体）间光谱数据独立同分布。但是当源域与目标域分布间存在差异时，由源域得到的低误差模型常在目标域上表现下滑。针对该问题，提出面向UV Vis光谱的域对抗训练网络（DAUVwpNet），将分布不同的源域和目标域数据映射至相同分布的特征空间中，使其在该空间的分布距离尽可能接近，从而在特征空间中对源域训练的目标函数也可以迁移至目标域上，以降低模型在目标域的误差。试验表明：面向同一批测试数据，DAUVwpNet的预测误差为0.78，要低于传统模型的预测误差（0.85）；DAUVwpNet预测值与实测值间相关系数为0.95，要高于传统模型的相关系数（0.89）。表明了该网络能够较好对齐两域特征空间数据分布，降低因分布差异带来的COD检测误差。     

草坪草屑的加工与利用

我国每年修剪草坪产生大量的草坪草屑,对草坪草屑的加工利用,可以对我国能源、饲料、肥料及蛋白资源的短缺起到一定的缓解作用,因此如何对草坪草屑进行合理利用已成为一项重要的研究课题。本文综述了草坪草屑能源化、饲料化、肥料化和深加工4种利用方式,详细介绍了草坪草屑在发酵生产能源、饲喂家畜、堆肥还坪以及加工叶蛋白等方面的研究进展,指出禾本科草坪草屑和豆科草坪草屑应采用不同的处理方式,对各加工方式的投入和产出也应进行进一步的量化核算,同时总结并展望了草坪草屑利用方式的发展前景。     

基于主成分和隶属函数分析的高粱品种耐深播性综合评价

采用盆栽试验,分别设置1、3、5、7 cm播深,对34个高粱品种在不同播深下的出苗率、幼苗形态和幼苗干物质量进行分析,筛选耐深播性鉴定指标,综合评价高粱品种的耐深播性。研究结果表明,随着播种深度的加大,出苗率、苗长、根长、根数和苗重均呈下降趋势,3、5、7 cm与1 cm播深上述指标测定值的比值分别为0.84～0.60、0.96～0.75、0.83～0.53、0.88～0.64和0.95～0.85;中胚轴长、根重和根冠比呈上升趋势,3、5、7 cm与1 cm播深上述指标测定值的比值为1.52～3.30、1.10～1.25和1.17～1.50;胚芽鞘长在播深间差异不显著。主成分分析结果表明,前4个主成分的累积方差贡献率为77.647%,相对根冠比、相对根长、相对中胚轴长和相对出苗率载荷量最大,将其作为高粱耐深播性筛选的主要指标并计算隶属函数值。根据隶属函数值对高粱品种进行聚类分析,结果显示,34个高粱品种可聚为3类,晋粱白2号等11个品种为耐深播品种,红青壳等14个品种为中等耐深播品种,吉品609等9个品种为深播敏感品种。品种间耐深播性差异明显,杂交种较常规种耐深播性强。     

基于大型渔业平台的深远海渔业发展现状与思考

基于渔业产业现状,分析国内外在大型渔业平台、深海网箱和养殖工船方面的发展现状,提出“游弋式”养殖工船及深远海渔业的基本概念。受限于投资成本、技术发展水平等客观因素,中国深远海养殖发展速度缓慢,但近年来取得了一定的发展成效。笔者针对现阶段渔业粗放型生产方式的现状,从国家战略、渔业改革和产业需求等角度分析深远海渔业发展的必要性,认为发展以养殖工船为代表的深远海大型渔业平台是实现渔业强国之路的有效途径之一,走出一条符合中国国情的深远海渔业平台的开发之路势在必行。     

基于非接触式的牛只身份识别研究进展与展望

快速精准确定牛个体身份对疾病防控、品种遗传改良、奶制品和肉制品质量溯源以及改善农业假保险索赔等方面具有重要意义。传统的牛个体识别使用诸如烙印、耳纹、耳标和无线射频识别等方法，易遭受设备损失/工作重复、标记欺诈、动物福利安全以及监测成本和距离等方面的挑战；而基于生物特征的非接触识别由于其独特性、不变性、低成本易操作以及动物福利高，成为牛身份识别的新趋势。主要介绍了几种基于非接触式的牛身份识别的研究进展，重点关注牛脸识别的最新成果，讨论当前牛脸识别在实际应用中面临的挑战，在此基础上对深度学习在牛脸身份识别研究中的应用进行了设计构思与展望。