深度学习在苹果产业链中的应用与研究进展

我国是苹果生产大国,苹果种植面积广、品种多。将深度学习与机器视觉技术相结合并运用于苹果种植和生产的全产业链中是苹果产业技术升级的重要手段和方向。聚焦苹果产业链中的果树种植、收获采摘和产后检测3个关键阶段,系统性梳理深度学习技术的相关应用与研究进展,其中主要涉及叶部病虫害识别、种植监测、采摘机器人的目标识别和苹果无损分级检测等研究领域,在分析对比不同技术之间的差异与共性的基础上,探讨深度学习在苹果产业链中所面临的困难与挑战。     

深度学习方法在农业领域的研究及应用

深度学习方法因其具有学习能力强、覆盖范围广、自适应力强、可移植性好等优点,适用于解决实际生产的非线性问题,在农业领域得到了广泛研究和应用。文章简述了深度学习的概念及其特点,从种植业和养殖业2个方面阐述了深度学习在农业领域的研究现状;详细介绍了在分类识别、病虫害识别及预测、动物身份识别及行为监测等方面的研究进展及效果;总结了目前制约深度学习方法进一步应用的原因是样本数据量大、处理要求高和硬件不匹配等;最后对深度学习的发展趋势进行了展望。     

深度学习在作物病害图像识别方面应用的研究进展

在作物生产管理过程中,正确及时地诊断作物所患病害非常关键.基于深度学习的图像识别为作物病害自动快速诊断提供了新途径.相比传统图像识别所用的模式识别方法,深度学习网络模型能自行提取特征且能够由低维特征抽象出高维特征,取得更好的学习效果.系统梳理了深度学习在图像自动化识别方面的发展历程,介绍了浅层神经网络的相关概念,阐述了...     

深度学习在园林植物学教学中的应用

采用深度学习算法实现植物图片的自动识别,并将该算法嵌入手机APP,应用到园林植物学教学中,辅助教师的教学工作和学生课后的自主学习活动。算法中数据采集与标记采用园林植物专家筛选和标记,数据处理采用随机增强算法避免过拟合,卷积神经网络采用MobileNet以适用于移动终端,损失函数采用正例损失和负例损失,参数优化采用Adam算法。最终训练结果达到90%以上的精度,满足实用需要,达到优化园林植物学课程的课堂与课后教学活动的效果,有效地解决植物识别在种类数量、准确度和速度上的难点。     

深度卷积神经网络在计算机视觉中的应用研究综述

深度卷积网络这一包括众多隐含层的网络结构发展,具有传统机器应用无法比拟的表达能力与特征学习水平。因此在其应用于深度学习算法训练以来,已经在许多大型的识别研究中赢得了良好荣誉。本文主要研究了深度卷积神经网络在计算机视觉中的主要应用。对深度卷积网络的池化操作、图像分类物体检测工作具体分析,推动深度卷积神经网络在计算机视觉中的应用发展。     

深度学习在农作物病害识别中的研究进展

农作物病害是严重影响农业生产的关键因素之一。近年来,深度学习技术迅速发展,其在农作物叶部病害检测和识别领域的应用逐渐受到关注。本文对基于深度学习的农作物病害识别方法进行总结,分析了该技术在农作物病害识别中的应用,从田间环境、成本和数据量等方面入手探讨其需要解决的一些问题,并对其发展进行了展望,为今后农作物病害识别的深入研究与发展提供参考。     

基于迁移学习的竹片缺陷识别

使用竹片图像实现竹片缺陷自动识别,目前深度学习可以有效地解决该类问题,但是必须使用大量样本数据做训练才能获得较高的识别准确率。当图像数量有限时,利用基于迁移学习的方法,把经过预训练的卷积神经网络模型进行迁移,即共享卷积层和池化层的权重参数,调整新网络模型的超参数,并建立一个包含4种共计6 360张竹片缺陷图像的数据库,把图片分成4种训练集测试集形式,即80%训练、20%测试;60%训练、40%测试;40%训练、60%测试;20%训练、80%测试,分别利用支持向量机SVM分类方法、深度学习方法和迁移学习方法进行训练和测试,并将这3种方法作对比。最后,通过构建竹片缺陷识别的混淆矩阵对迁移学习进行具体分析与说明。结果表明,按照80%训练、20%测试的识别准确率最高,通过迁移学习得到的竹片缺陷最高识别精度分别达到98.97%,比普通深度学习提高了11.55% ,比SVM分类方法提高了13.04%。说明迁移学习比普通深度学习和传统支持向量机SVM分类方法更适合用于小样本数据集的分类识别,并且效果优于普通深度学习和 SVM 分类方法。     

深度学习在植物基因组学与作物育种中的应用现状与展望

[目的 /意义]随着单细胞测序、高通量技术的突破,植物基因组学也取得了巨大进步,可以低成本获取多维全基因组分子表型的海量数据。深度学习技术可以作为强大的数据挖掘工具对获取的分子表型进行进一步预测和解释。当前研究表明,深度学习在植物基因组学与作物育种研究任务中取得显著效果。但目前尚缺乏对于深度学习在植物基因组学中应用的完整综述。[方法 /过程]本文首先概述了深度学习方法背景,包括最新的图神经网络;随后着重从基因特性、蛋白质特性方面综述了基因组学和深度学习交叉领域的两个突出问题：1）如何对从植物基因组DNA序列到分子表型的信息流进行建模？2）如何使用深度学习模型识别自然种群中的功能变异？[结果 /结论]本文总结了当前研究中如何应用传统深度学习算法、图深度学习、生成对抗网络以及可解释性AI等方法解决上述两个问题。最后分析了深度学习在未来植物基因组学研究和作物遗传改良中的发展前景。     

基于深度学习的棉花发育期自动观测

精准农业是当今世界农业发展的新趋势,实现精准农业的关键基础是能够实时准确地提取作物的生长信息以及确定生长环境状态。现阶段国内外利用图像处理技术对作物生长信息的检测,主要集中在病虫害识别、杂草识别等方面,对作物生长期进行自动识别的相关技术鲜有报道。以棉花田间数字图像为研究对象,结合深度学习的方法,对棉花关键发育期的自动观测方法进行研究。结果表明,相较于传统特征提取方法,提出了卷积神经网络CNN-CGS模型对棉花图像进行特征提取,并进一步结合迁移学习方法训练网络,获得了更加准确的棉花生长期识别结果,同时也为农作物发育期和长势识别迈向自动化发展提供技术支持,为及时掌握棉花生长状况、开展农事活动和现代化农田管理提供新的思路。     

基于改进深度学习的海量多媒体图像信息快速检索研究

目的 为了更为快速、准确地完成图像检索,提出一种基于改进深度学习的海量多媒体图像信息快速检索方法.方法 首先对多媒体图像进行预处理,包括混合滤波去噪和直方图均衡化,以此提升图像质量,然后对深度学习中的卷积神经网络进行改进,增加图像特征融合层,避免图像细节特征丢失,最后通过度量图像特征之间的相似度来完成图像信息检索.结果...     

家畜遗传评估方法研究进展

为研究家畜育种值估计方法的原理和适应性,提高家畜育种值估计的准确性。以"家畜"、"育种值估计"、"方差组分"、"基因组选择方法"和"统计模型"为关键词,利用中国知网、百度学术、谷歌学术和SCI-HUB对2010—2019年的家畜育种值估计方法进行文献检索和归纳。研究发现不同家畜遗传评估方法所适合的研究对象不同,并且在研究过程中所选用的方法不同对育种值估计得出的结果的准确性也不相同,因此在应用家畜育种值估计时,应充分了解各种方法的原理并选择合适的估计方法,以提高家畜育种值估计的准确性。未来遗传评估模型的建立应以研究对象为目标,选择合适的遗传评估模型,以期获得更加准确的估计育种值进行早期选种,缩短世代间隔,加快遗传进展。     

黄土丘陵区坡面薄层水流动力学特性及其对土壤侵蚀的影响

为奠定基于运动力学参数构建土壤侵蚀模型的理论基础,通过不同降雨强度(25、50和75 mm/h)、不同坡长(1、5、10、15和20 m)下径流小区内人工模拟降雨试验,对不同处理下坡面薄层水动力学特性进行分析,并对水动力学参数与土壤侵蚀之间的关系进行初步探讨。结果表明:当坡度一定时,坡面平均流速主要受坡长及单宽流量影响,降雨强度通过影响单宽流量的大小间接影响坡面平均流速;在试验设计范围内,当坡长1 m时,整体上呈"层流-急流态",当坡长为1 m时,整体上呈"层流-缓流态";当降雨强度一定时,雷诺数随着坡长的增加线性增加,佛汝德数随着坡长的增加以幂函数形式增加;降雨强度对坡面流有明显的"增阻"效应;坡面阻力系数随着坡长的增加呈幂函数减小趋势;坡面平均土壤侵蚀率与单宽流量间呈一元线性趋势增加,与水流平均流速间呈指数函数增加,与雷诺数间呈二次函数增加。     

农用烟囱风机结构性能优化

针对农用烟囱风机流量小,能效比偏低的问题,采用数值模拟的方法,在节约投资成本的前提下,不改变烟囱风机的叶片造型,对其配套的风筒结构尺寸进行改型优化。利用试验测试原型风机的性能后,通过数值模拟方法,从烟囱风机的风筒内径d(用改型后风筒内径与原型风筒内径之比,即内径比k表示)、出口段扩散角度α和扩散深度l这3个方面进行单因素改型优化。在单因素优化基础上,采用正交优化方法综合以上3个因素,得到风筒正交优化设计参数。根据正交所得优化参数制备相应风筒样机,进行试验性能测试。结果表明:1)单因素优化模拟下,与原型风机相比,k=0.985时风量和能效比提高了4.7%和4.0%;α=28°时风量和能效比提高了4.7%和5.3%;l=250 mm时风量和能效比提高了1.8%和3.2%。2)多因素正交数值模拟下,与原型风机相比,k=0.988、α=28°、l=200 mm时风量和能效比提高了7.9%和8.1%;3)对优化风机进行测试,与原型风机相比,优化风机风量和能效比提高4.6%和4.5%。     

临夏太子山国家级自然保护区昆虫多样性调查

由于临夏太子山国家级自然保护区独特的海拔与其不同气候类型的特征适合多种昆虫生存。因此,于2021年7月对临夏太子山进行昆虫资源调查,从而进行该保护区昆虫的分类、鉴定,以明确太子山昆虫的种类与分布。主要调查方法是样线法：即沿途在区内的小路两侧对昆虫进行采集,采集之后,制作标本并进行鉴定、保存。结果表明：在太子山采集到昆虫有5目13科31种,其中鳞翅目22种,鞘翅目6种,直翅目1种,膜翅目1种,双翅目1种。综合太子山生态发展情况,应加强临夏太子山的植被保护、加强临夏太子山旅游业的管理,使临夏太子山国家级自然保护区生态环境进一步优化,从而丰富临夏太子山昆虫多样性。     

中国草本花卉DUS测试现状

为促进新品种权审查提速,尽早实现"快保护",基于DUS测试实践及来源于农业农村部的数据分析,对我国草本花卉DUS测试现状进行总结。草本花卉的新品种权审批由农业农村部植物新品种保护办公室负责,农业系统具有相对完善的测试机构,拥有一支高素质的测试队伍,采用的是官方测试为主,现场考察为辅的实质审查方式。根据我国草本花卉DUS测试机构、测试指南、品种权申请与授权情况和DUS测试基本情况,归纳DUS测试中的常见问题,并提出提高DUS测试质量的建议。面对我国的丰富花卉资源保护重任,草本花卉DUS测试任重而道远。     

呼和浩特市地区桃粉蚜(Hyalopterus amygdali Blanchard)对七种杀虫剂的敏感性研究

桃粉蚜(Hyalopterus amygdali Blanchard)是农作物和果树重要害虫。本研究,为揭示呼和浩特市地区桃粉蚜对不同杀虫剂的敏感性。应用拟除虫菊酯类、新烟碱类、阿维菌素类等7种杀虫剂对其进行生物测定。试验结果：1.拟除虫菊酯类,SEQ品系对溴氰菊酯、氟氯氰菊酯和联苯菊酯的LC50值分别是395.20mg/L、29.90mg/L、86.40mg/L。IMAU品系对溴氰菊酯、氟氯氰菊酯和联苯菊酯的LC50值分别是591.29 mg/L、1219.30 mg/L、271.81 mg/L。SEQ品系对拟除虫菊酯类杀虫剂的敏感性比IMAU品系高。2.新烟碱类,SEQ品系对吡虫啉和啶虫脒的LC50值分别是400.23mg/L、395.80mg/L。IMAU品系对对吡虫啉和啶虫脒的LC50值分别是340.93mg/L、838.28mg/L。SEQ品系和IMAU品系对新烟碱类杀虫剂的敏感性差异不大。3.阿维菌素类,SEQ品系对阿维菌素和甲氨基阿维菌素苯甲酸盐的LC50值分别是166.40mg/L、1279.96mg/L。IMAU品系对阿维菌素和甲氨基阿维菌素苯甲酸盐的LC50值分别是878.73 mg/L、6716.83 mg/L。SEQ品系对新烟碱类杀虫剂的敏感性比IMAU品系高。本研究中的SEQ品系对拟除虫菊酯类、阿维菌素类杀虫剂的敏感性均比IMAU品系的高。SEQ和IMAU品系对拟除虫菊酯和阿维菌素类杀虫剂均有敏感性差异与不同生态环境中的种群受杀虫剂筛选频度有关。同类杀虫剂的靶标部位相同导致桃粉蚜均对3类杀虫剂产生交互抗性。本研究为农业生产当中防治桃粉蚜提供基础数据。     

关中-天水经济区人类活动对植被覆盖变化的影响

为探究植被覆盖变化及人类活动对改善关中地区及西北地区的生态环境影响,利用植被覆盖和地表温度数据,结合Sen趋势与Mann-Kendall检验分析关中-天水经济区2001—2016年的植被覆盖变化趋势,并根据估算的土壤湿度因子,应用残差法评价人类活动对植被覆盖变化的影响程度及影响方向。结果表明:1)从时间变化维度来看,2001—2016年关中-天水经济区植被覆盖变化总体呈良好趋势,且整体表现为在不断波动中递增,表明关天经济区进行的生态环境建设工程正在慢慢凸显它的生态效应。2)从空间变化维度来看,关中-天水经济区植被覆盖显著增长的区域面积占35.87%,主要集中在研究区南北两侧。而显著下降的面积区域占3.21%,主要分布在城市中心,即经济发展活跃的地区,如西安市区,宝鸡市区,天水市区,铜川市区等。3)关中-天水经济区植被覆盖受自然因素影响较小,受其他因素影响大。其正相关区域占13.43%,不显著相关区域占85.26%。4)关中-天水经济区人类活动对植被覆盖变化的正作用大于负作用。其中,正作用区域主要分布在研究区北部和东南地区,其主要原因是人类活动不频繁,建设生态屏障、加强退耕还林、三北防护林保护以及水土保持等生态工程促进植被NDVI增长。负作用区域主要分布在渭河沿线、经济活动较高地区,其主要原因有:人类活动频繁、过度城市化、工业化等抑制植被生长。5)植被覆盖的增长和下降区域与人类活动对植被影响的正作用和负作用区域大致相同。这也从侧面反映了关天经济区植被覆盖情况受人类活动影响大。总之,在负作用区域,在经济建设发展的同时也要注重植被建设、以及对植被乃至生态环境的保护。     

中草药饲料添加剂对北京鸭生长性能、免疫指标及肉品质的影响

本研究旨在探究中草药饲料添加剂对北京鸭生产性能、免疫指标及肉品质的影响。挑选健康、体重相近的1日龄北京鸭共240只,随机分为4个组,每组6个重复,每个重复10只北京鸭,对照组饲喂未添加中草药的基础日粮,3个试验组在对照组日粮的基础上按照质量比分别添加0.1%(低剂量组)、0.2%(中剂量组)及0.5%(高剂量组)的复方中草药,试验周期42 d。结果表明:与对照组相比,中剂量组北京鸭的平均体重、平均日增重均显著提高(P0.05),料重比显著降低(P0.05);中剂量组北京鸭的屠宰率、胸肌率及腹脂率显著提高(P0.05);中剂量组北京鸭血清中IgA、IgM、IgG以及补体C4的含量也显著提高(P0.05);且中剂量组北京鸭胸肌肉色的亮度值、剪切力和滴水损失显著降低(P0.05),胸肌肉色的红度值显著提高(P0.05)。因此,在饲粮中添加0.2%的中草药,不仅能够显著提高北京鸭的生长性能、屠宰性能以及机体免疫,还能改善鸭肉品质。     

玉米花丝药用价值研究进展

为高效利用玉米花丝(须)资源,探索开发高附加值的新型开发途径和利用手段,本研究主要分析2001—2018年有关玉米花丝化学成分、药理及保健和美容等功能的研究文献。结果表明,玉米花丝化学成分主要包括多糖类、多酚类、植物甾醇类、矿质元素和有机酸等。花丝提取物具有抗氧化、抗肿瘤和调节人体免疫功能等重要的药理价值,应用前景广泛。但目前其药理机制尚不清晰,产品开发利用缺乏深度。因此,现阶段的任务在于利用现代作物学与药理学研究手段,探明玉米花丝新型药用价值机理,加大玉米花丝的高附加值研发力度。     

基于深度学习和支持向量机的4种苜蓿叶部病害图像识别

为实现苜蓿叶部病害的快速准确诊断和鉴别,基于图像处理技术,对常见的4种苜蓿叶部病害(苜蓿褐斑病、锈病、小光壳叶斑病和尾孢菌叶斑病)的识别方法进行探索。对采集获得的899张苜蓿叶部病害图像,利用人工裁剪方法从每张原始图像中获得1张子图像,然后利用结合K中值聚类算法和线性判别分析的分割方法进行病斑图像分割,得到4种病害的典型病斑图像(每张典型病斑图像中仅含有1个病斑)共1 651张。基于卷积神经网络提取病斑图像特征,建立病害识别支持向量机(Support vector machine,SVM)模型。结果表明:当病斑图像尺寸归一化为32×32像素,利用归一化的特征HSV(即特征H、特征S和特征V归一化后的组合特征)构建的病害识别SVM模型最优,其训练集识别正确率为94.91%,测试集识别正确率为87.48%。本研究基于深度学习和SVM所建立的病害识别模型可用于识别上述4种苜蓿叶部病害。