不同光质对蓝莓生长发育及生理特性的影响

以‘寨选7号’蓝莓一年生幼树为试材，采用红光（R）、蓝光（B）、黄光（Y）、红蓝比3∶1（3R1B）、红蓝比1∶3（1R3B）、红蓝比1∶1（1R1B）、白光（W,对照）对蓝莓幼苗进行光照处理60 d,研究了不同光质对蓝莓植株生长量及生理生化指标的影响，以期为蓝莓的高效栽培提供参考依据。结果表明：在不同光质处理下，一年生蓝莓幼树的株高、平均冠幅、茎粗、生物量均呈现逐渐增加的趋势。在第60天时，B处理下蓝莓的株高、总鲜质量、总干质量最大，1R1B、R和3R1B处理下根长最长，1R3B处理下茎粗最大。在不同光质处理下，蓝莓叶片中的叶绿素含量呈先上升后下降的趋势，还原型谷胱甘肽（GSH）和总蛋白质含量变化较平稳，超氧化物歧化酶（SOD）活性和抗坏血酸（AsA）、双氧水（H₂O₂）含量总体呈下降趋势，丙二醛（MDA）含量和超氧阴离子■产生速率呈上升趋势。在第60天时，B处理下蓝莓叶片SOD活性和AsA、GSH含量最高，1R3B处理下叶绿素含量最高，3R1B处理下■产生速率有所下降，Y处理下H₂O₂含量降低。...     

基于迁移学习的PSO-Shuffle Net鱼类识别方法

针对传统深度学习鱼类识别方法正确率较低、模型训练过程中参数不能够自适应确定的问题，提出了一种基于迁移学习(Transfer Learning, TL)的粒子群(Particle Swarm Optimization, PSO)改进ShuffleNet鱼类识别方法。以20种鱼类为对象，采用粒子群算法将模型的损失函数作为适应度函数，对批处理大小和学习率两个超参数进行优化，并利用迁移学习方式进行训练，构建了TL-PSO-ShuffleNet模型。结果显示：该方法与AlexNet、MobileNet、ShuffleNet模型相比，识别正确率分别提高了57.89%、30.43%、23.28%。本研究提出的鱼类识别方法具有正确率较高、参数设定具备自适应性等特点，为鱼类自动化识别研究提供了参考和借鉴。