基于轻量级神经网络MobileNetV3-Small的鲈鱼摄食状态分类

在集约化水产养殖过程中,饲料投喂是控制养殖成本,提高养殖效率的关键。室外环境复杂多变且难以控制,适用于此环境的移动设备计算能力较弱,通过识别鱼类摄食状态实现智能投喂仍存在困难。针对此种现象,该研究选取了轻量级神经网络MobileNetV3-Small对鲈鱼摄食状态进行分类。通过水上摄像机采集水面鲈鱼进食图像,根据鲈鱼进食规律选取每轮投喂后第80～110秒的图片建立数据集,经训练后的MobileNetV3-Small网络模型在测试集的准确率达到99.60%,召回率为99.40%,精准率为99.80%,F1分数为99.60%。通过与ResNet-18, ShuffleNetV2和MobileNetV3-Large深度学习模型相比,MobileNetV3-Small模型的计算量最小为582 M,平均分类速率最大为39.21帧/s。与传统机器学习模型KNN（K-Nearest Neighbors）、SVM（Support Vector Machine）、GBDT（Gradient Boosting Decision Tree）和Stacking相比,MobileNetV3-Small模型的综合准确率高出12.74、23.85、3.60和2.78个百分点。为进一步验证该模型有效性,在室外真实养殖环境进行投喂试验。结果显示,与人工投喂相比,基于该分类模型决策的鲈鱼投喂方式的饵料系数为1.42,质量增加率为5.56%。在室外真实养殖环境下,MobileNetV3-Small模型对鲈鱼摄食状态有较好的分类效果,基于该分类模型决策的鲈鱼投喂方式在一定程度上能够代替养殖人员进行决策,为室外集约化养殖环境下的高效智能投喂提供了参考。     

基于目标像素变化的柚果单目测距算法

针对山地果园光线变化和枝叶遮挡干扰果实距离检测的问题,该研究提出一种利用目标区域像素数量变化预测成像距离的算法。根据单目测距原理和柚果成像特性,以具备尺寸和形状代表性的离树柚果样本为研究对象,在采摘作业距离范围内利用单一相机以固定间隔步距对果实某一侧面连续获取图像数据,用以建立并验证目标区域像素数量变化与成像距离变化之间的多元回归关系。随后将该算法应用于果园中树上柚果样本以检验其适用性,并讨论初始成像距离和步距取值对测距精度的影响。研究结果表明,在125 cm以内,6个树上柚果样本的测距相对误差均低于5%,满足采摘机械手目标定位的精度要求;初始成像距离对该算法测距精度具有显著影响。该研究单目测距算法满足果园环境中柚果目标与相机间距离检测需求,为相关采摘机械手的柚果目标识别提供了一种可行方案。     

循环水养殖大口黑鲈摄食颗粒饲料的声学特征

为突破智能投饲系统的技术瓶颈,近年来采用被动声学技术开展鱼虾摄食行为研究成为热点之一。该研究主要采用被动声学技术获取单体大口黑鲈（Micropterus salmoides）摄食声信号,从混合信号中提取完善的摄食信号,筛选可作为衡量大口黑鲈摄食活跃度的声学特征参数,以期对摄食活跃度进行量化。根据大口黑鲈喂食期间的同步音频与视频记录,确定信号类别并进行标记,主要提取每次吞食饲料的时域与频域特征,对比各参数与吞食次序之间的相关度。研究结果表明,摄食声信号能量主要集中于4～7 kHz,且大口黑鲈吞食间隔与吞食次序呈正相关,稳定性较强;而时域特征中的波形振幅极差与频域特征的功率积分值均与吞食次序呈负相关。吞食间隔、振幅极差及功率积分值均可以作为衡量摄食活跃度的量化指标,而共振峰与平均梅尔倒谱系数可作为摄食声识别参数,研究结果可为今后养殖鱼类被动声学智能投饲系统研发提供理论基础。     

复垦土壤细菌群落结构及其与土壤肥力的关系

为了解两淮煤矿区复垦状况及其对土壤微生物的影响机制,合理人工干预,快速有效提高复垦土壤生产力,本研究以煤矸石充填复垦土壤为研究对象,通过野外调查与采样分析,采用Illumina MiSeq 高通量测序分析土壤细菌特定基因片段V4 区域,基于非度量多维尺度分析、冗余分析、方差分析、肥力指数、回归模型方法,对矸石充填土壤不同复垦方向的土壤细菌优势群落和生物多样性进行了探索,明晰土壤细菌群落及其与土壤肥力的响应作用。研究结果表明：细菌群落组成上,不同复垦方向对细菌优势群落分布并无显著性影响,变形菌门、酸杆菌门和放线菌门菌群为主要优势菌群。土壤微生物多样性层面上,表层土壤微生物有较高的丰富度和多样性,均匀度并无显著性差异。微生物多样性在不同复垦方向不存在显著性差异,Shannon_Wiener指数介于5.23～6.91之间,Chao1指数为867.1～5436,Pielou指数介于0.79～0.84之间,表中层同深层土壤的细菌群落结构具有差异性。TN、SOM、AP和AK是影响土壤细菌群落的主要肥力因子,土壤肥力质量指数与奇古菌门相对丰度呈显著正相关（P＜0.01）,同链霉菌属呈显著负相关（P＜0.05）,在一定程度上可将二者的相对丰度作为评价复垦土壤肥力状况的重要生物指标。研究成果可为两淮矿区矸石充填复垦土壤在微生物层面提高肥力质量提供理论支持。     

作物地膜覆盖技术适宜性及其在东北春玉米上的应用

为从源头解决地膜覆盖技术泛用、滥用问题,提高作物地膜覆盖技术的合理利用性。研究提出作物地膜覆盖适宜性的概念,将其定义为"地膜覆盖技术对作物自身环境要素需求与所在地提供环境要素差异的补偿程度"。该研究以东北春玉米为例,构建春玉米地膜覆盖适宜性的评价体系,通过数据检索的方式收集东北地区田间试验中春玉米地膜覆盖功能数据,明确作物地膜覆盖与不覆盖农田土壤温度和水分、经济产量相关关系,量化作物地膜覆盖的增温保墒、增产功效,筛选春玉米地膜覆盖技术适宜性评价指标,并计算地膜覆盖技术适宜指数,参照作物需求阈值标准和经济效益,明确东北不同熟期春玉米地膜覆盖种植范围,形成春玉米地膜覆盖综合适宜性区划。东北地区春玉米不同生育阶段地膜覆盖耕作层土壤温度（土壤含水率）与裸地土壤温度（土壤含水率）及产量与≥10 ℃积温存在良好的线性关系（P < 0.01）。基于春玉米地膜覆盖适宜性的评价体系,计算了地膜覆盖适宜指数,完成东北地区春玉米地膜覆盖综合适宜分区。作物地膜覆盖适宜性相关研究可为中国地膜投入量零增长和地膜污染综合防控提供可靠技术支撑。     

污泥连续水热炭化工程系统研究

水热炭化可以显著改善污泥的脱水性能,促进污泥的无害化、减量化、资源化利用,但目前污泥水热炭化技术的工业化应用鲜有报道。该研究基于工程规模的污泥水热炭化系统开展研究,重点研究了系统工程设计和控制逻辑,开展了系统参数测试,分析了污泥炭、气相和水相的理化性质和组分分布,并在此基础上进行了系统能量平衡分析。结果表明,系统污泥年处理量达1.4×104 t,水热炭化后的三相产物分别为污泥炭28.57%,水相70.00%,气相1.43%,污泥脱水率达75%,综合整个生产系统,系统加热能为454.22 MJ/t,动力耗能为64.80 MJ/t,连续水热炭化工程系统能耗比为83.83%,能量回收率为66.68%,系统具有较高的能耗比。该研究可为生物废弃物连续水热炭化技术的研发和推广应用提供重要的工程依据。     

曲翼中耕培土装置作业参数优化与试验

中耕培土作业质量对防旱保墒、促进玉米植株生长有重要影响,合理的结构及作业参数可有效改善玉米的生长环境.针对传统中耕培土器碎土率较低、培土高度不佳的问题,该研究对曲翼中耕培土装置(以下简称曲翼培土装置)曲翼结构及其关键作业参数进行优化.首先对阻力监测系统进行改进并通过土槽试验对其可靠性进行验证;再基于装置关键部件与结构理...     

西宁盆地黄土区荷载条件下植被护坡力学效应

为探讨西宁盆地黄土区边坡在荷载条件下植物根系对边坡稳定性的影响,该项研究以西宁盆地西山长岭沟流域为试验区,在自建边坡上种植草本植物垂穗披碱草(Elymus nutans)和灌木植物柠条锦鸡儿(Caragana korshinskii),通过在边坡坡顶施加载荷,边坡坡面布设位移计与土压力盒的方式,监测荷载条件下边坡坡面土体位移与土压力变化;在此基础上,对边坡植被根-土复合体开展剪切试验,分析荷载条件下边坡坡面不同位置处根-土复合体抗剪强度及其变化特征。试验结果表明:在坡顶荷载条件下,在边坡相同位置处的根-土复合体粘聚力c值均大于施加载荷前;3种植物边坡的根-土复合体粘聚力c值均大于相同条件的未种植素土边坡;在荷载条件下,组合植被边坡的坡面土体位移量显著小于单一植被边坡和素土边坡,组合植被边坡在竖直和水平方向的位移量与草本植被边坡相比减小1.60~1.77 mm,与灌木植被边坡相比减小3.78和4.11 mm,与素土边坡相比减小7.39和6.29 mm。研究结果对防治高寒半干旱地区坡面水土流失、浅层滑坡等地质灾害,具有参考价值和指导意义。     

基于DSSAT作物模型的中美大豆主产区单产模拟与验证

开展基于作物模型的大面积作物产量估测研究,可以为及时掌握全球重点地区农作物的生产情况提供数据支撑。该研究以大豆为监测作物,选取中国吉林省和美国爱荷华州作为研究区域,基于DSSAT作物估产模型中的SOYGRO大豆模型,利用分辨率为0.5°×0.5°的生育期气象要素以及500 m×500 m绿色叶绿素植被指数,进行遥感数据融合作物模型估测大豆单位产量的模拟与验证研究。结果显示,2008-2017年,美国爱荷华州大豆单位产量模拟值的平均误差为16.8%,均方根误差为762.8 kg/hm~2,平均偏差为107.2 kg/hm~2;中国吉林省大豆单位产量估测的平均误差为36.3%,均方根误差为1 088.4 kg/hm~2,平均偏差为-237.9 kg/hm~2。在县域尺度下,大豆单位产量模拟值与调查值的拟合度较好,尤其在产量较低的年份,其中美国爱荷华州的产量相关系数最高可达0.78,中国吉林省的相关系数偏小,为0.59,表明对美国爱荷华州大豆单位产量的估测精度优于中国吉林省。研究所建立的大豆单位产量估测技术路线,可以为中美两国主产区作物单位产量的大面积有效估测提供参考。     

基于语义部位分割的条纹斑竹鲨鱼体运动姿态解析

条纹斑竹鲨具有较高的经济价值和医用研究价值。人工驯养对环境和温度等因素要求较高,时常出现大规模病死现象。利用视频图像量化分析鱼体运动行为,有助于进行异常识别和早期预警,将有效提高养殖养护水平。该研究针对人工驯养的条纹斑竹鲨鱼,提出一种基于深度神经网络的语义部位分割方法,并将分割结果应用于剖析条斑鲨鱼体运动姿态。首先,依据条斑鲨形态特征将其划分为7个可视的身体组成构件(头部、右胸鳍、左胸鳍、右腹鳍、左腹鳍、躯干、尾巴);再对全景养殖监控视频中抽取的476幅条斑鲨子图进行各部位的像素级标记,通过数据增强到1 944幅建立鱼体语义部位数据集,其中训练集为1166幅图像,测试集为778幅图像;然后,在语义分割网络模型基础上进行深度学习训练,使用深度学习框架对网络参数进行微调使得网络训练结果达到最优。最后,利用语义部位分割结果定位躯干和鱼头质心建立随体坐标,通过随体坐标的方向变化判明鱼体动作姿态。基于FCN-8s和Segnet两种深度网络模型进行了鱼体部位分割的对比试验,测试结果表明基于Segnet网络的分割方法在头部、右胸鳍、左胸鳍、右腹鳍、左腹鳍、躯干、尾巴部位的准确度分别高出FCN-8s深度网络1.50,4.70,6.95,6.56,6.01,0.85,0.84个百分点。语义部位分割结果能够有效判别条斑鲨鱼体目标的动作姿态,可为鱼体异常行为识别和进一步开展面向条斑鲨的动物行为学试验提供技术参考。