基于多尺度注意力卷积神经网络的苹果叶部病害识别方法

针对传统苹果叶部病害识别方法识别率低和现有卷积神经网络(CNN)训练时间长的问题，提出一种基于多尺度注意力卷积神经网络的苹果叶部病害识别方法。该方法由多尺度空洞卷积模块Inception与改进的残差模块组成，其中，多尺度空洞卷积模块Inception用于图像的多尺度特征提取，在卷积模块中引入双注意力机制增强网络模型，显著表示图像中叶部病斑区域特征，降低非病斑区域与背景区域对识别结果的干扰，在原始残差模块上引入卷积层与非线性激活函数改进的残差模块，增加鲁棒性判别特征的跨层融合，在苹果病害叶片图像数据集上的识别准确率达96%以上。结果表明，所提出的方法具有参数量少、占用内存小以及性能好的优势，可进一步应用于田间苹果叶部病害智能识别系统。     

基于迁移学习的小样本农作物病害识别

随着机器学习加速应用于各行各业,卷积神经元网络在农作物病害图片识别领域展现出良好的性能。本文针对传统卷积网络所需样本量大、训练时间长、二次学习困难等问题,实现了一种基于特征的有监督迁移学习,在Inception-V3网络的基础上,使用imageNet固化特征提取层,为目标领域设置特征分类器的方法,在每种病害仅使用20张图片的小样本基础上,实现了对8种不同病害的正确识别,总体识别率达到90.6%,并给出了进一步提升模型性能的方法,以期为小样本农作物病害图片识别提供有益参考。     

利用快速卷积近似计算连续卷积的几种格式

利用速卷积来近似计算随机响应中卷积计算，给出了矩形法，梯 形法和抛物线形法３种格式。比较了直接法和快速卷积法的计算量。结果表明计算速度可提高１个数量级。     

基于多列空洞卷积神经网络的麦穗计数方法研究

田间麦穗计数因主要依靠人工而存在耗时长、成本高等问题,为提高麦穗计数的效率和准确性,提出基于人群计数卷积神经网络的麦穗计数方法,在图像基础上进行麦穗数量自动化计数.试验改进了现有人群计数模型中的多列卷积神经网络MCNN和空洞卷积神经网络CSRNet,并对MCNN和CSRNet进行融合,建立了多列卷积神经网络MCSRNe...     

一种改进可形变FCN的农作物害虫检测方法

田间农作物害虫种类繁多，不同的生长阶段形态和颜色各异，在自然环境下采集的图像背景复杂，角度和尺度变化多样，从而使传统的害虫检测方法准确率较低。提出一种改进可形变全卷积神经网络(deformable fully convolution network, DFCN)的农作物害虫检测方法，该方法由编码模块和解码模块组成。编码模块在VGG16中采用了可形变卷积，能适应不同形状、位置和尺寸等几何形变的害虫图像。为了更好地保留害虫图像的纹理特征和背景特征，在编码模块中应用了混合池化，加快了网络的训练速度，提高了害虫检测的准确率；解码模块对编码的下采样层进行反卷积操作，最后应用像素级分类器获得有效的检测图像。在扩展的害虫图像数据集上与DFCN方法的分割精确度和平均交并比分别为90.43、78.16,较语义分割方法SegNet分别提高了3.27、3.72,单幅图像的识别时间为0.36 s,比SegNet加快了0.16 s。结果表明DFCN方法在害虫图像检测方面具有较高的准确率，分割速度快，可为复杂背景下农作物害虫检测提供一定的理论参考。     

一类非线性抛物方程Cauchy问题解的逼近性质

利用基本解与初值的卷积来构造非线性方程的解，用卷积结果来逼近其真解，并运用Holder不等式和Taylor展开式给出了卷积结果与真解之间的误差．     

基于孪生多尺度空洞胶囊网络的黄瓜叶部病害检测方法

在黄瓜叶部病害检测中,传统方法简单但检测正确率低,难以处理多种多样的病害叶片图像,深度卷积网络的检测正确率高,但依赖于大量训练样本,训练时间长。本研究提出一种基于孪生多尺度空洞胶囊网络(Siamese multi-scale dilated capsule network, SMSDCNet)的黄瓜叶部病害检测方法,该方法整合了孪生网络、空洞卷积网络和胶囊网络的优势,将多尺度空洞卷积模块Inception引入胶囊网络,作为孪生网络的子网络,构建孪生多尺度空洞胶囊网络模型,提取多尺度判别特征,再进行矢量化处理,最后经动态路由算法得到具有空间位置信息的胶囊向量,进行病害检测与识别。SMSDCNet克服了深度卷积网络需要大量训练样本、训练时间长以及对旋转和仿射变换敏感的问题,并且克服了多尺度卷积网络训练参数较多的问题。在一个较小的黄瓜病害叶片图像数据集上进行试验,病害检测精度达90%以上。结果表明,该方法能够实现小训练样本集的黄瓜叶部病害检测,为训练样本有限情况下的作物病害检测提供了一种新方法。     

卷积神经网络的多尺度改进及其在玉米病害症状识别中的应用

为解决传统卷积神经网络模型训练时间长、参数量大、泛化能力弱等问题,提出了一种基于VGG-16的改进多尺度卷积神经网络模型。用一个叠加卷积层替换VGG-16模型的最后3×3×512卷积层,并进行批归一化处理,提高模型训练速度;用全局池化层替换全连接层,大大减少模型参数总量。利用Plant Village公共数据集(健康玉米叶片、灰斑病、锈病和叶枯病叶片)结合大田试验采集的玉米病害图像数据对改进后模型进行训练和测试,并与常见的传统卷积神经网络模型进行对比。结果表明,模型参数和收敛时间均小于传统卷积神经网络,单一背景下的平均分类识别准确率达99.31%,明显优于传统神经网络模型(VGG-16的90.89%、ResNet-50的93.60%、Inception-V3的94.23%、MobileNet-V2的93.83%和DenseNet-201的95.70%)。同时,利用大田复杂背景病害图片测试新模型的泛化性,识别准确率达98.44%,单张图片测试平均仅需0.25 s。     

基于双路卷积神经网络的植物叶片识别模型

目的针对卷积神经网络识别植物叶片过程中，叶片边缘形状对卷积层的过度作用而导致相似边缘形状叶片识别错误的问题，提出了一种双路卷积神经网络的植物叶片识别模型。方法模型考虑了叶片信息的边缘形状与内部纹理特征，构建了双路卷积神经网路结构，其中形状特征路径运用7层卷积层的网络结构，前3层采用大尺寸11×11及5×5的卷积核提取大视野特征，完成叶片形状特征提取，另外4层卷积层采用3×3小尺寸卷积核提取叶片细节特征；纹理特征路径采用6个3×3卷积核的卷积层，提取叶片纹理图像细节特征；然后通过特征融合层将两类特征相加为融合特征，并利用全连接层对植物叶片种类进行识别。结果实验结果表明，双路卷积神经网络模型与单路卷积神经网络和图像处理分类识别模型相比，在Flavia叶片数据集与扩充植物叶片数据集上，Top-1识别准确率分别提高到了99.28%、97.31%，Top-3识别准确率分别提高到了99.97%、99.74%，标准差较其他识别与分类模型下降到0.18、0.20。结论本文提出的叶片识别模型能有效避免相似叶片边缘形状干扰而导致识别错误的问题，可以提高植物叶片的识别准确率。      

基于改进残差网络的葡萄叶片病害识别

葡萄病害是导致葡萄严重减产的主要因素，大多数病害症状都反映在葡萄的叶片上，但是人工针对叶片的识别费时且效率低。本研究提出了一种基于改进残差网络的葡萄叶片病害识别模型。该研究在ResNet50的基础上采用金字塔卷积网络，通过其包含不同大小和不同深度的卷积核来处理输入，然后以特征融合来获得不同程度的病害特征细节。在金字塔网络结构上采用深度超参数化卷积层代替传统的卷积层，能够加快模型收敛速度，有效提升模型精度。结果表明，改进后的残差网络模型与AlexNet、MobileNetV2、ResNet50/101、VGG16模型相比，在准确性方面具有显著优势。与原模型相比较，识别准确率提高3.18百分比，改进模型对病害识别准确率高达98.20%。可以为识别葡萄叶片病害提供参考。     

家蚕母种继代繁育交配设计对长期稳定化选择效应的研究

对家蚕母种继代繁育中的两种交配设计群体近交系数的估测结果表明，每个小系选留３个蛾区并进行循环配对交配，比只选留２个蛾区的同胞交配可以有效地控制小系内近交系数的极度上升。对两种交配设计群体７个世代谱系资料的分析表明，在相同的稳定化选择下，群体近交系数的极度提高对蚕品种的主要经济性状影响不大，但对健康性影响较为明显。如选留３或４个蛾区，并进行循环配对交配，可以有效地控制小系内近交系数的极度上升，从而在不影响主要经济性状的情况下有利于保持品种的健康性。     

卷积积分的框图和快速定限表法

卷积积分在很多学科领域都具有广泛的应用,而卷积的计算有几步略显繁琐的定限工作。求解卷积的关键及难点就是积分限的确定,本文利用框图法对卷积进行分析推导得出了求解卷积积分的快速定限表法,能简单、直观、准确地得出卷积具体表达式,有效克服了积分限的重复和遗漏问题,省去了画图过程,广泛应用于卷积积分和卷积和的计算。     

高分子树脂膜培养容器在文心兰原球茎增殖中的应用

以薄叶系文心兰 (Oncidium)品种‘AlohaIwanaga’茎尖诱导形成的原球茎 (protocorm likebody ,PLB)为外植体 ,采用树脂膜培养容器 (CP)和三角瓶 ,分别以MS、1 2MS为基本培养基 ,比较 5种不同培养方式 (三角瓶固体方式、三角瓶液体方式、三角瓶液体振荡方式、CP固体方式、CP液体静置方式 )、CO2 施肥和 4种不同糖浓度 (5、10、2 0、30g L)对文心兰原球茎 (PLB)增殖效果的影响 .通过对PLB增殖后的鲜重、干物重和PLB分化幼苗等主要指标分析后表明 :①以 1 2MS为基本培养基、应用CP作培养容器的液体静置培养方式是该实验研究中文心兰PLB增殖的最佳培养方式 ;②CO2 施肥在一定程度上增加了PLB增殖后的鲜重和干物重 ,表明培养容器内的CO2 浓度提高 ,能够促进文心兰PLB的增殖 ;③培养基中 4种不同糖浓度处理中 ,2 0g L糖浓度下 ,增殖后PLB鲜重和干物重均高于其他处理 .糖浓度在 2 0g L以下时不利于PLB的快速增殖 ,高于 2 0g L时对PLB的增殖有一定的抑制作用 .     

6-BA与IBA对长柄扁桃增殖的影响

植物激素是影响长柄扁桃增殖的一个重要因素。以长柄扁桃试管苗为材料,研究了不同质量浓度的6-BA与IBA组合对长柄扁桃增殖的影响。结果表明:MS+0.10mg/L6-BA+0.41mg/LIBA适于长柄扁桃的增殖,增殖倍数为4.1倍,平均苗高为1.50cm,试管苗生长健壮。     

具时空时滞的扩散Musca domestica苍蝇模型的波前解

提出并研究了非线性项含有时滞且以卷积形式出现的扩散 Musca domestica 苍蝇模型,重点考察了该模型连结两一致稳态解的波前解的存在性。利用几何奇异摄动理论,证明了对一类特定形式的卷积核,只要时滞充分小,该模型的波前解仍然能得以保持。     

不同激素配比对康乃馨芽增殖及玻璃化的影响

植物激素是影响康乃馨芽增殖和玻璃化的一个重要因素,为了研究不同激素配比对其影响,以腋芽为外植体,设计了一组正交试验。结果表明,在BA、NAA和KT中,BA对芽增殖和玻璃化均起决定作用,NAA次之,KT对芽增殖作用不大,对芽玻璃化作用最小。康乃馨增殖芽数不仅与BA的浓度有关,还与BA与NAA的比值有关。通过实验已筛选出适宜的康乃馨初代和继代培养基配方。     

具时空时滞的扩散Musca domestica苍蝇模型的波前解

提出并研究了非线性项含有时滞且以卷积形式出现的扩散Musca domestica苍蝇模型,重点考察了该模型连结两一致稳态解的波前解的存在性。利用几何奇异摄动理论,证明了对一类特定形式的卷积核,只要时滞充分小,该模型的波前解仍然能得以保持。     

大白杜鹃芽的诱导增殖研究

以大白杜鹃茎尖及茎段为试验材料,研究了基本培养基及激素配比等对大白杜鹃芽的诱导增殖的效果。结果表明:大白杜鹃芽诱导和增殖培养基均以WPM较好,激素配比以ZT 4.0 mg/L NAA 0.1 mg/L对芽的诱导较佳;芽增殖的激素以ZT 6.0 mg/L NAA 0.05 mg/L较好,增殖率达66.7%。     

基于间歇浸没式生物反应器的荔浦芋组培快繁体系优化

[目的]优化基于间歇浸没式生物反应器系统(TIBs)的荔浦芋组培快繁体系,为荔浦芋脱毒组培苗的工厂化、自动化生产提供技术支持.[方法]以荔浦芋新品种桂芋2号茎尖分生组织脱毒诱导获得的不定芽为外植体,利用TIBs培养系统筛选出适合组培苗增殖及生根的最佳激素组合,并分析不同继代材料、接种密度及浸没间歇频率对组培苗增殖和生根效果的影响.[结果]利用TIBs培养系统可有效提高荔浦芋组培苗的增殖效果,增殖倍数达28.96倍,约是传统固体培养方法(2.87倍)的10倍,且组培苗的株高和生根数均极显著高于传统固体培养植株(P<0.01).在TIBs培养系统中,含4.00 mg/L 6-苄氨基嘌呤(6-BA)+0.05 mg/L萘乙酸(NAA)的培养基最适合荔浦芋组培苗增殖和生长,其组培苗增殖倍数为32.04倍.当接种材料为第4代荔浦芋继代材料、接种密度为10株/L、浸没间歇频率为5 min/6 h时,最有利于组培苗增殖和生长,增殖倍数均在30.00倍以上,可缩短萌芽时间,组培苗长势良好,且培养基污染率为0.[结论]利用TIBs培养系统对荔浦芋继代材料进行高效快繁具有可行性,可为实现及推动荔浦芋健康种苗繁育的工厂化生产提供技术支持.     

非洲鸵鸟脑的解剖学研究

经解剖学研究,发现了非洲鸵鸟脑的一些特点。全脑平均重量为２６．３４ｇ,平均全长为５９．２６ｍｍ,宽４２．３０ｍｍ。小脑较发达,向背侧明显地突出,蚓部的的后上方几乎形成一直角,蚓部的横沟明显地比北京鸭等家禽小脑的多,小脑表面积相对大。大脑呈钝三角形,表面光滑,没有脑回和脑沟,灰质很薄。大脑背面有弧形的大脑谷,矢状隆突呈椭圆形。嗅球很小。脑垂体呈小球状。全脑重量仅占体积的０．０１５％,与家禽脑相差１７