γ辐照对鸡枞菌保鲜的研究

以野生鸡枞菌子实体为供试材料 ,经γ射线 0、0 2 5、0 5和 1kGy的剂量辐照后 ,在 1 4℃打孔自发气调储存。结果表明。辐照抑制了鸡枞菌膜脂的过氧化过程 ,保持了膜结构的完整性 ,延缓了鸡枞菌的衰老过程。其中 0 5kGy辐照处理可得到较好的储藏效果。     

采用复合知识蒸馏算法的黑皮鸡枞菌图像分级方法

为解决黑皮鸡枞菌品质分选速度慢、精度低等问题,该研究提出了一种基于复合知识蒸馏算法的鸡枞菌分级检测方法。采用4 800根黑皮鸡枞菌（共分4级,每级1 200根）图像对教师模型（Resnet50）进行预训练,然后截留教师模型的前25层输出并对学生模型（Resnet18）前9层卷积模型进行参数训练,最后将经过预训练的学生模型的前9层卷积模型与其后半部分拼接,进行整体模型知识蒸馏。经过复合蒸馏的Resnet18识别精度为96.89%,识别单幅图像所用时间为0.032 s。通过对比发现,该研究提出的复合知识蒸馏算法相比Resnet50识别单幅图像所用时间缩短68.93%,相比未经过知识蒸馏及经过单次知识蒸馏的Resnet18模型,精度分别提升了0.97个百分点和0.52个百分点。结果表明,该研究提出的复合知识蒸馏算法可在不增加运行时间的前提下,使小模型的准确率逼近大型模型训练的准确率,研究结果可为鸡枞菌品质分级生产线提供技术支持。     

基于改进YOLOv5s的黑皮鸡枞菌检测方法

为解决黑皮鸡枞菌种植环境下背景土壤与菌菇辨识度较低、样本分布密集、类间相互遮挡等问题,该研究提出一种基于改进YOLOv5s的目标检测方法。首先,在骨干网络中融入RFBSE模块,使网络关注重点区域,通过施加通道注意力机制,增强对黑皮鸡枞菌特征表达能力;其次,设计多分支采样DCSPP池化模块,加强局部信息与全局信息的融合;第三,在颈部网络采用RFP结构,通过添加额外反馈信息促进语义信息传递,增强鸡枞菌样本密集遮挡场景下的检测能力,对RFP结构级联方式及网络间融合结构做轻量化处理,降低参数计算量和内存使用。试验结果表明,通过添加RFBSE模块,多分支池化模块以及采用递归金字塔结构对模型检测能力均有不同提升效果,最终模型平均精度均值mAP、精确率、召回率分别达到90.8%、86.5%、84.8%。对比原YOLOv5s模型算法,mAP、精确率、召回率分别提高2.7、3.8、3.9个百分点,并通过生成热力图提高模型检测过程的可解释性。试验结果表明改进后的模型可在复杂环境下准确、快速地识别黑皮鸡枞菌,为黑皮鸡枞菌采摘机器人的开发提供技术支持。     

基于双目立体视觉技术的成熟番茄识别与定位

研究了基于双目立体视觉技术的成熟番茄的识别与定位方法,获取了成熟番茄的位置信息,用于指导温室内成熟番茄的自动化采摘作业.该方法利用成熟番茄与背景之间颜色特征的差异进行图像分割来识别成熟番茄;根据图像分割的结果,用形心匹配方法获取番茄中心的位置;然后根据相邻区域像素点灰度的相关性,利用区域匹配方法计算番茄表面各点的深度信息.使用限制候选区域和两次阈值分割的方法减少计算量,提高了计算精度.实验结果表明,工作距离小于550 mm时,番茄深度值的误差约为±15 mm.利用该测量方法可以实现成熟番茄位置信息的获取,测量精度较高.     

不同栽培基质对羊肚菌产量和营养成分的影响

[目的] 研究不同栽培基质对羊肚菌子实体产量和营养成分的影响,为宁南山区羊肚菌实用栽培技术应用提供科学依据。[方法] 设置生土和表土为对照组,以生土+羊粪（比例3∶1）、生土+香菇菌糠（比例3∶1）为试验组栽培羊肚菌,对其子实体产量、农艺性状和营养成分的含量进行测定。[结果] 香菇菌糠处理组出菇密度最大且产量最高（2500 kg/hm²）,同时在菌柄直径、菌柄长度、菌盖直径和单菇重量上均有显著优势。香菇菌糠处理组子实体水分（18.56 g/100 g）和粗纤维含量（35.65 g/100 g）最高,粗多糖、粗脂肪含量较低,必需氨基酸含量（3.46%）和呈味氨基酸含量（2.76%）最高。[结论] 在栽培基质中添加香菇菌糠栽培羊肚菌有利于提高羊肚菌子实体的产量和营养价值。     

快速傅里叶变换结合SVM算法识别地表玉米秸秆覆盖率

针对田间环境复杂、秸秆形态多样、秸秆覆盖率判断主观性影响过大、补贴面积测量耗时耗力等问题,该文开展了秸秆覆盖率自动识别方法研究和监测设备研制。首先,提出利用时频变换进行秸秆识别,设计高通滤波器提取了图像的频域特征进行自适应分割。基于集成分类器利用已有的秸秆识别数据训练支持向量机分类器,对秸秆图像进行再识别和筛选。最后,设计多尺度占比滤波器,对识别图像中的噪声和空洞进行修补,生成适应多种情况的秸秆覆盖率识别算法。与北斗定位模块、无线通讯模块、摄像头、传感器、服务器等设备共同组成秸秆覆盖率识别系统。试验结果表明,设备的秸秆覆盖率识别误差为4.55%,平均单张图像耗时0.05 s。研究结果满足保护性耕作中的自动化监测要求,可为保护性耕作作业质量评测提供有效的技术支持。     

地源热泵水蓄能型植物工厂降温系统夏季运行特性

针对田间环境复杂、秸秆形态多样、秸秆覆盖率判断主观性影响过大、补贴面积测量耗时耗力等问题,该文开展了秸秆覆盖率率自动识别方法研究和监测设备研制。首先,提出利用时频变换进行秸秆识别,设计高通滤波器提取了图像的频域特征进行自适应分割。基于集成分类器利用已有的秸秆识别数据训练支持向量机分类器,对秸秆图像进行再识别和筛选。最后,设计多尺度占比滤波器,对识别图像中的噪声和空洞进行修补,生成适应多种情况的秸秆覆盖率识别算法。与北斗定位模块、无线通讯模块、摄像头、传感器、服务器等设备共同组成秸秆覆盖率识别系统。试验结果表明,设备的秸秆覆盖率识别误差为4.55%,平均单张图像耗时0.05 s。研究结果满足保护性耕作中的自动化监测要求,可为保护性耕作作业质量评测提供有效的技术支持。     

香菇生长过程中挥发性风味成分组成及其风味评价

为了明确影响香菇风味的特征性挥发性风味成分,本研究采用固相微萃取(SPME)和气相色谱-质谱联用(GC-MS)技术分析鉴定了不同生长阶段香菇子实体中挥发性风味成分的组成,结合电子鼻系统对不同生长阶段香菇子实体的风味进行差异区分,利用相对风味活度值(ROAV)分析挥发性风味成分对香菇子实体风味的贡献率,运用主成分分析(PCA)明确香菇生长过程中的特征性风味成分,并对不同生长阶段香菇子实体进行风味评价。结果表明,在香菇子实体的6个生长阶段中,共检测出134种挥发性风味成分,主要包括含硫化合物、醛类化合物和八碳化合物。电子鼻系统可以对不同生长阶段的香菇子实体风味进行差异区分。挥发性成分二甲基三硫、1,2,4-三硫杂环戊烷、二甲基二硫、3-甲基丁醛、E-2-壬烯醛和2,4-癸二烯醛是香菇子实体生长过程中关键风味物质,对香菇子实体风味贡献较大。PCA分析发现,二甲基三硫、二甲基二硫、1-辛烯-3-醇、3-甲基丁醛、己醛、2-甲基丁醛、1-庚烯-3-酮、E-2-壬烯醛、(E,E)-2,4-壬二烯醛和2-十一酮10种挥发性成分为香菇的特征性风味成分;成熟期、未开伞生长阶段采收的香菇子实体风味品质较优,菌盖完全开伞后,香菇子实体风味品质较差。本研究结果为香菇栽培和挥发性风味成分的开发利用提供了一定的理论指导。     

袋口高度、光照、CO2等因子对杏鲍菇工厂化栽培的影响

本研究通过研究开袋袋口高度、光照、CO2浓度等因子对杏鲍菇工厂化栽培的影响,明确杏鲍菇工厂化栽培所需的必要条件,为国内模式工厂化栽培杏鲍菇提供现实和理论依据,结果表明：开袋采用长袋颈产量比短袋颈高,子实体菌柄比短袋颈更长、更细,菌盖直径比短袋颈大。子实体形态发育,光照强度以200Lx为宜。用红袋、黑袋同时滤光比单独用红袋或黑袋滤光效果好,可抑制袋壁和袋底原基形成,减少营养消耗,比对照增产34％。栽培房CO2浓度随层架升高而递减,开袋前CO2浓度高达2．5％,平均值为2．01％,开袋后袋内CO2浓度保持在0．8％-0．97％,该浓度下杏鲍菇子实体发育正常。     

番茄辣椒微型根系形态原位采集系统设计与实现

为实时获取浅根系作物的根系生长形态,设计了一种可用于多点测量的微型根系形态实时原位采集系统。系统主要由微型摄像头和光学放大元件等组成(体积1.5cm3),采集的图像通过无线模块发送至终端。采用基于区域生长的根系图像分析方法,以腐蚀图像为出发点,膨胀图像为终止点,结合相似性准则进行区域生长、区域标记和区域保留,来滤除土壤孔隙和杂质等对图像产生的干扰,从而提取根系轮廓,并通过图像形态学计算得到根长密度、根系平均直径等形态参数。以此系统采集樱桃番茄、辣椒根系形态参数,试验结果表明,根系长度测定值的绝对误差不超过1.5 mm,相对误差不超过5.3%;根系平均直径绝对误差不超过0.09 mm,相对误差不超过6.7%。与土壤采样法测定值相比,在0～10、10～20、20～30和30～40 cm 4个土壤层内2种测定方法根系平均直径决定系数R20.87(P0.01),根长密度在30 cm深度以内的土壤层决定系数R20.81(P0.01)。证明本文设计的微型根系形态实时原位采集系统具有较高的准确性,可用于浅根系作物形态的多点观测。     

膨松剂对厨余垃圾堆肥CH4、N2O和NH3排放的影响

厨余垃圾有别于混合生活垃圾,具有高有机质含量和高含水率等特点,单独堆肥会产生大量CH4、N2O、NH3和渗滤液,为减少厨余垃圾堆肥过程污染物的排放,该文以居民小区产生的经大类粗分后的厨余垃圾为研究对象,以菌糠为膨松剂,设置15%、25%、35% 3个添加质量比（湿基）的堆肥处理,以纯厨余垃圾单独堆肥为对照处理,研究菌糠作为膨松剂对厨余垃圾堆肥过程中CH4、N2O、NH3和渗滤液排放的影响及其最佳添加比例。结果表明,堆肥过程中,添加菌糠可以完全避免厨余垃圾堆肥过程中渗滤液的产生;堆肥结束时,添加15%和25%菌糠的处理堆肥达到腐熟标准,但添加35%的菌糠使堆肥高温期缩短,不利于有机质分解;与对照处理相比,添加15%、25%和35%比例的菌糠均可以减少堆肥过程中CH4和NH3的累计排放量,且减排量与添加比例正相关,但只有添加15%菌糠的堆肥处理明显降低了N2O的排放量;添加质量比为15%和25%菌糠的堆肥处理,CH4和N2O排放总量比厨余垃圾单独堆肥分别减少45.8%、19.6%,而添加质量比为35%的菌糠使CH4和N2O排放总量为厨余垃圾单独堆肥的1.14倍（每t物料,干基）。综上,菌糠作为食用菌种植废弃物,可用作厨余垃圾堆肥膨松剂,在适宜的添加比例条件下,能够在避免堆肥过程中渗滤液产生的同时,减少CH4、N2O和NH3的排放量。研究结果可为厨余垃圾堆肥过程温室气体减排、氮素损失控制和工艺改进提供理论依据和试验基础。     

基于序贯扫描算法的区域标记技术与蘑菇图像分割方法

蘑菇采摘机械手通过机器视觉系统进行引导与定位,需要对菇床上的蘑菇图像进行处理和分析。为了在一幅蘑菇图像中将各个蘑菇的边界识别并区分出来,作者提出了一种分析算法。首先分析了蘑菇图像的数字特征和边界的分割方法,提出了基于序贯扫描方法的蘑菇图像区域标记技术,实现了各个蘑菇图像中心区域的识别。然后,从各个中心区域的中心坐标点出发,沿着不同角度的半径方向搜索蘑菇边界点,将找到的各个蘑菇边界点存放到相应的动态链表中,实现各个蘑菇的独立分割,最后在Visual C++软件平台上对该算法进行了验证。结果证明该方法是可行的,为蘑菇采摘机器人视觉系统的开发奠定理论基础。     

基于稀疏场水平集的荔枝图像分割算法

为了给采摘机器人提供完整的荔枝果实轮廓,该文选择HSV彩色空间中色调H分量的旋转分量作为图像分割的特征;然后,通过模糊聚类算法自动获取合适的初始演化曲线轮廓,再利用稀疏场水平集方法对目标区域轮廓进行精确提取;最后,对分割的区域进行标记,并利用图像标记来恢复分割区域的原始图像。结果表明,该算法不仅很好地克服随机噪声的影响,而且很好地保持果实区域的完整性,使成熟荔枝分割的正确率达到了84.1%。     

基于形状因子和分割点定位的粘连害虫图像分割方法

单个害虫的分割是进行害虫特征提取和识别的前提。针对害虫识别过程中出现的粘连等问题,提出了一种基于形状因子和分割点定位的害虫图像分割方法。该方法首先利用形状因子对图像中的每个区域进行粘连判定,然后对判定为粘连的区域进行逐层轮廓剥离和局部分割点的确定,接着根据局部分割点在原区域中搜索边界轮廓的两个分离点,最后连接局部分割点与分离点线段进行害虫分割。通过实验室人工随机散落桃蛀螟Conogethes punctiferalis(Guenée)和田间粘虫板诱捕梨小食心虫Grapholitha molesta(Busck)2种场景采集图像,验证算法的有效性,并与分水岭分割算法进行对比,采用分割率、分割错误率和分割有效性3项指标进行评价,结果表明:针对实验室环境下采集的2组桃蛀螟害虫图像,该文方法平均错误率为7%,约为分水岭分割方法的1/2,平均分割有效率为92.65%,比分水岭算法提高了5.7个百分点;在2组田间梨小食心虫图像分割中,该文方法平均错误率为2.24%,平均分割有效率为97.8%,分别比分水岭方法降低了4.29个百分点和提高了3.95个百分点,说明该文方法在分割准确性和有效性方面都可以获得更好的分割性能,应用于害虫多目标分割与自动识别系统中,可以有效地提高识别精度。     

基于YOLOv4+HSV的成熟期番茄识别方法

为解决成熟番茄采摘识别中由于藤蔓、叶片、果实遮挡或光照影响而引起的误识别问题,该研究提出了一种基于YOLO v4与HSV（Hue, Saturation, Value）相结合的识别方法,以实现自然环境下成熟期番茄的准确识别。在YOLO v4网络的检测框内通过HSV方法对番茄的红色区域进行分割,并将分割部分面积在检测框中达到一定占比的番茄作为目标输出。通过对比不同占比下该算法对测试集的识别效果,将16%作为成熟期番茄识别算法的占比,该占比下YOLO v4+HSV算法的正确率为94.77%,在工作站中检测单幅图片的速度为25.86 ms。为验证算法的性能,对改进前后算法进行了比较,改进后的正确率比改进前提高了4.30个百分点,说明通过HSV处理能够提高原网络识别成熟期番茄的准确性。此外,为测试算法的实用性,统计了在不同类型设备上该算法从调用深度相机到检测到第一个目标番茄所用的时间,经计算,其在工作站上所用的平均时间为0.51 s,在微型工控机上为1.48 s,均可满足实际采摘需要。该研究直接面向果蔬实时采摘中的目标高效检测问题,其方法可为果蔬采摘的准确高效识别提供借鉴。     

基于改进YOLOv5的菇房平菇目标检测与分类研究

随着食用菌行业由自动化向智能化、信息化发展的趋势越来越明显，为了实现现代化菇房中平菇的准确检测，解决工厂化平菇栽培中收获阶段平菇之间相互遮挡等问题，帮助平菇采收机器人进行准确的自动化采收，该文提出了一种基于YOLOv5（you only look once version 5）模型的OMM-YOLO（ostreatus measure modle-YOLO）平菇目标检测与分类模型。通过在YOLOv5模型的Backbone层添加注意力模块，对输入的平菇图像特征进行动态加权，以获得更详细的特征信息，并在Neck层采用加权双向特征金字塔网络，通过与不同的特征层融合，提高算法的平菇目标检测的精度。此外，为了改善算法的准确性和边界框纵横比的收敛速度，该文采用了EIoU（enhanced intersection over union）损失函数替代了原有的损失函数。试验结果表明，与原始模型相比，改进模型OMM-YOLO对成熟平菇、未成熟平菇和未生长平菇的平均精度均值分别提高了0.4个百分点、4.5个百分点和1.1个百分点。与当前主流模型Resnet50、VGG16、YOLOv3、YOLOv4、YOLOv5m和YOLOv7相比，该模型的精确率、召回率和检测精度均处于优势，适用于收集现代化菇房中的平菇信息，有效避免了平菇之间因相互遮挡而产生的误检测现象。菇房平菇目标检测可以自动化地检测平菇的数量、生长状态等信息，帮助菇房工作人员掌握菇房内的菇况，及时调整温湿度等环境条件，提高生产效率，并且对可以对平菇进行质量控制，确保平菇产品的统一性和品质稳定性。同时可以减少对人工的依赖，降低人力成本，实现可持续发展，对智能化现代菇房建设具有积极作用。     

融合K-means与Ncut算法的无遮挡双重叠苹果目标分割与重建

重叠苹果目标的准确分割是采摘机器人必须解决的关键问题之一。针对现有重叠苹果目标分割方法不能保留重叠部分轮廓信息的问题,提出了一种无枝叶遮挡的双果重叠苹果目标分割方法。该方法首先利用K-means聚类算法进行图像分割以提取苹果目标区域,然后利用Normalized Cut(Ncut)算法提取苹果目标轮廓,以实现未被遮挡苹果目标完整轮廓的准确提取,最后利用Spline插值算法对遮挡的苹果目标进行轮廓重建。为了验证算法的有效性,对20幅无枝叶遮挡双果重叠的苹果图像进行试验,并将该算法与寻找2个有效凹点用其连线分割重叠苹果目标,把分离的2个轮廓分别用Hough变换重建轮廓的方法进行对比。试验结果表明,对于图像中未被遮挡的苹果目标,利用该研究算法的平均分割误差为3.15%,提取的苹果目标与原始图像中苹果目标的平均重合度为96.08%,平均误差比Hough变换重建算法低7.73%,平均重合度高9.71%,并且该研究算法能够很好地保留未被遮挡苹果目标的完整轮廓信息,提高了分割精度。对于重叠被遮挡的苹果目标,平均分割误差和平均重合度分别为5.24%和93.81%,比Hough变换重建算法的平均分割误差低11.35%,平均重合度高12.74%,表明该算法可以较好地实现重叠被遮挡苹果目标的轮廓重建,研究结果可为实现枝叶遮挡影响下的多果重叠目标分割与重建提供参考。     

不同土壤湿度下平菇菌渣施用对土壤酶活性和温室气体排放的影响

【目的】菌渣被广泛认为是一种优良的植物生长基质和土壤改良剂,向土壤中施用菌渣可以提高土壤微生物活性与温室气体的排放,且土壤水分含量也可以调控菌渣对土壤酶活性与温室气体的排放。通过探究不同土壤湿度条件下平菇(Pleurotus ostreatus)菌渣对土壤酶活性的影响,以阐明不同土壤田间持水量下菌渣施用剂量-土壤温室气体排放-土壤酶活性之间的综合关系。【方法】本研究将平菇菌渣施入土壤并对土壤含水量进行调节,分析了在60%、75%、90%田间持水量条件下和菌渣添加量0.0%、2.5%、5.0%、10.0%时,菌渣添加量对土壤酶活性和温室气体排放的影响。【结果】脲酶、几丁质酶、β-葡糖苷酶与菌渣添加量呈正相关,在菌渣添加量为10.0%时活性最强,且在不同含水量下并无显著性差异。CO₂排放量与菌渣添加量呈正相关,在菌渣添加量为10.0%时排放量最高,不同土壤含水量下并为CO₂排放量其产生显著影响。N₂O排放量在菌渣添加量2.5%和无菌渣添加时与含水量呈正相关,N₂O排放量在菌渣添加量5.0%与10.0%时...     

蘑菇废弃菌棒及其与猪粪混合发酵对沼气产量及质量的影响

为了研究厌氧消化过程中日产气量、累计产气量和甲烷含量随厌氧消化时间的变化规律,在中温35℃±1℃条件下,采用批式单相厌氧消化工艺,分别用香菇、杏鲍菇和平菇废弃菌棒与猪粪混合发酵。结果表明,蘑菇菌棒具有很好的产气潜力,其中香菇菌棒TS产气量最高,为142．9mL·g^-1,平均产气量664.1mL·d^-1,杏鲍菇菌棒所产气体甲烷含量最高,平均63．8％;添加猪粪调节蘑菇菌棒C／N至25／1,对香菇菌棒前期严重酸化现象起到了很好的缓冲作用,使香菇菌棒、杏鲍菇菌棒和平菇菌棒累计产气量较单一物料分别提高了131．5％、97．9％和79．9％。研究结论为：香菇、杏鲍菇和平菇废弃菌棒均具有良好的产气潜力;添加猪粪能显著提高蘑菇菌棒累计产气量,同时提高香菇菌棒甲烷含量,降低杏鲍菇菌棒甲烷含量,对平菇菌棒甲烷含量影响不大。     

基于融合坐标信息的改进YOLO V4模型识别奶牛面部

为实现奶牛个体的准确识别,基于YOLO V4目标检测网络,提出了一种融合坐标信息的奶牛面部识别模型。首先,采集71头奶牛面部图像数据集,并通过数据增强扩充提高模型的泛化性能。其次,在YOLO V4网络的特征提取层和检测头部分分别引入坐标注意力机制和包含坐标通道的坐标卷积模块,以增强模型对目标位置的敏感性,提高识别精度。试验结果表明,改进的YOLO V4模型能够有效提取奶牛个体面部特征,平均精度均值（mAP）为93.68%,平均帧率为18帧/s,虽然检测速度低于无锚框的CenterNet,但mAP提高了10.92%;与Faster R-CNN和SSD模型相比,在检测速度提高的同时,精度分别提高了1.51%和16.32%;与原始YOLO V4相比,mAP提高0.89%,同时检测速度基本不变。该研究为奶牛精准养殖中的牛脸图像识别提供了一种有效的技术支持。