采用改进CNN对生猪异常状态声音识别

猪只声音能够体现出其生长状态,该研究针对人工监测猪只声音造成的猪只疾病误判以及耗时耗力等问题,研究基于卷积神经网络（Convolutional Neural Network,CNN）的生猪异常状态声音识别方法。该研究首先设计猪只声音实时采集系统,并利用4G通讯技术将声音信息上传至云服务器,基于专业人员指导制作猪只异常声音（生病、打架、饥饿等）数据集,提取猪只异常声音的梅尔谱图特征信息;其次引入多种注意力机制对CNN进行改进,并对CBAM（Convolutional Block Attention Module）注意力机制进行优化,提出_CBAM-CNN网络模型;最后将_CBAM-CNN网络模型分别与引入SE_NET（Squeeze and Excitation Network）、ECA_NET（Efficient Channel Attention Networks）和CBAM注意力机制的CNN神经网络进行对比,试验结果表明该文提出的_CBAM-CNN网络模型在最优参数为128维梅尔频率、2 048点FFT（Fast Fourier Transform）点数、512点窗移下的梅尔谱图特征下相较于其他模型对猪只异常声音识别效果最佳,识别率达到94.46%,验证了算法的有效性。该研究有助于生猪养殖过程中对猪只异常行为的监测,并对智能化、现代化猪场的建设具有重要意义。     

贵州省不同地貌类型区的MOD16蒸散发变化特征

探究贵州省喀斯特山区蒸散发时空演变特征,对该区水资源的高效利用与生态环境建设具有重要意义。基于MOD16产品遥感数据,统计分析了贵州省2000—2014年地表蒸散发量的年际和年内时空变化状况,并探讨了不同地貌类型蒸散发量的差异性变化特征。结果表明:（1）2000—2014年,贵州省蒸散发量年际变化总体趋势不明显,蒸散发年均值为854.95 mm/a,多年平均蒸散发空间分布呈现出东南高、西北低、中部居中的三级阶梯分布格局;（2）不同地貌类型蒸散发量的月均值呈现先上升后下降的单峰变化趋势,最高、最低分别出现在7月和1月,各地貌逐年各月蒸散发均值与整体差异明显;（3）从地貌类型看,多年均值蒸散发量由大到小依次为峰丛洼地、非喀斯特地貌、岩溶槽谷、岩溶高原、岩溶断陷盆地、岩溶峡谷;（4）未来蒸散发年际变化空间分布大致呈现东西部减少、中部增加的趋势。     

连续秸秆还田替代钾肥对作物产量及土壤钾素平衡的影响

为了探索油菜-水稻轮作体系中连续秸秆还田替代钾肥效果,试验研究了连续秸秆还田配施钾肥对油菜-水稻轮作体系中油菜和水稻产量、地上部钾素累积量、钾肥利用率、土壤钾素含量的影响,探讨了秸秆还田可替代化学钾肥的用量。结果表明:1)油菜季秸秆还田可以替代1/3～2/3的化学钾肥而油菜不减产,水稻季随着试验年限的增加,秸秆还田能够替代化学钾肥的量呈减少趋势。轮作周期上,秸秆还田可以替代1/3的化学钾肥而油菜和水稻的总产量不减少。2)与单施钾肥(NPK)处理相比,油菜季,秸秆替代钾肥(NP+1/3K+S、NP+2/3K+S)处理均显著提高了钾肥吸收利用率和偏生产力;水稻季,NP+2/3K+S处理显著提高了钾肥吸收利用率和偏生产力,同时NP+1/3K+S处理也显著提高了钾肥偏生产力。3)在3个轮作周期中,不施钾肥(NP)、单施钾肥(NPK)始终处于亏缺状态,而秸秆替代钾肥处理(NP+S、NP+1/3K+S、NP+2/3K+S)的土壤钾素虽然在第1个轮作周期时均处于亏缺状态,但随着秸秆还田年限增加,亏缺量逐渐减少,至第3个轮作周期时,土壤钾素均处于盈余状态。4)秸秆还田配施钾肥均不同程度增加了耕层土壤速效钾含量,减缓了耕层土壤缓效钾含量的下降。上述结果表明:油菜-水稻轮作区秸秆还田减施钾肥有利于弥补土壤钾素亏缺,对维持土壤钾素平衡有重要意义。     

黄土高塬沟壑区综合治理试验示范成果评述与高质量发展研究展望——以陕西省长武县王东沟小流域30 a多治理实践为例

[目的]研究黄土高塬沟壑区典型小流域综合治理的成效以及生态文明建设时期面临的问题,旨在为该区域高质量发展提供理论支持和实践经验。[方法]以陕西省长武县王东沟小流域综合治理试验示范研究实践为例,基于1986年以来的监测和研究资料,总结分析了该流域30 a多来不同时段在生态环境、土地生产力和农民经济收入等方面的变化。[结果]王东沟小流域综合治理过程存在明显的阶段性。①综合治理阶段(1986—1995)。以提高土地生产力为突破口,重点提高粮食产量和人均经济收入。同时从塬面到沟道综合整治水土流失,合理开发利用土地。②生态保护阶段(1996—2005)。更新与升级粮果管理措施,保护和改善生态环境,进一步稳定和提高了土地生产力。③高质量发展试验示范研究阶段(2006—2019)。以王东沟小流域为试点,从发展绿色高效技术的角度进行研究和示范,探索适合小流域内涵式高质量绿色发展的技术体系,为黄土高塬沟壑区的高质量发展奠定基础。[结论]为实现黄土高塬沟壑区的高质量发展,必须在生态文明理念指引下,重点研究流域生态管理和技术创新体制和机制建设,在总体控制水土流失基础上,保障人居环境的生态性,社会经济系统发展的可持续性以及流域生态系统结构和功能的和谐与完整性。     

仿蛛网农田无线传感器网络抗毁性量化指标体系构建

为解决传统抗毁性量化指标无法准确描述网络组件失效的耦合关系和全局作用,难以有效归纳、继承蛛网抗毁性机制与规律的问题,该文提出了一套基于节点平均路径数和节点、链路平均使用次数的人工蛛网模型抗毁性量化指标体系,评测失效网络组件的全网影响度和权重等指标。仿真试验表明该指标体系可有效量化评价不同规模的人工蛛网模型的抗毁性,测评各网络组件的抗毁性权重占比,其中,节点、弦链、辐链分别占50%、39.44%、10.56%,同时与传统抗毁性量化指标相比,该文提出的指标具有独特的优势。田间试验结果表明节点遭受不同程度损坏时,仿蛛网部署仍可通过备用链路进行数据传输,相较非交叠分簇部署、栅格部署具有更优的抗毁性。人工蛛网模型抗毁性量化分析可为优化农田无线传感器网络部署,实现规模化可靠应用提供参考。     

重庆主城区空气降尘中重金属的特点及其在表层土壤中的累积量研究

探索不同功能区空气降尘中重金属通量特征并对其进行污染评价,对于了解空气降尘输入对土壤中重金属累积影响具有重要意义。对重庆主城的居住区(JZ)、文教区(WJ)、商业区(SY)、郊区(JQ)、交通区(JT)和工业-居住混合区(GJ)逐月进行空气降尘通量和Cr、Ni、Cd、Pb含量的测定。结果表明,工业–居住混合区的空气降尘通量平均值最高,文教区的最低。6类功能区秋季的降尘量相对较低。Cd、Cr、Ni和Pb的平均降尘量在不同功能区分布存在差异。空气降尘中4种重金属元素的平均含量为:Cd 2.14 mg/kg、Cr 66.36 mg/kg、Ni 27.69 mg/kg、Pb 98.33 mg/kg。6类功能区降尘中Cd、Cr、Ni和Pb 4种重金属含量一般冬季较高。地积累指数法的分析表明降尘中Cd污染最严重。经推算,以空气降尘的方式向土壤中输入的重金属,使重庆主城区土壤中Cd、Cr、Ni和Pb等4种重金属元素的浓度在累积100a后仍将低于《土壤环境质量标准》中的二级标准。土壤中重金属元素增加速度最快为Cd,其次为Pb和Cr,Ni的增长为负值。     

玉米芯骨料生态混凝土的制备及性能

农村大量玉米芯焚烧或占地堆放,严重污染环境且造成资源浪费。玉米芯具有轻质、保温等建筑性能,可用于制备生物质建筑材料,该研究将破碎后的玉米芯颗粒掺入再生砂浆中制备玉米芯骨料生态混凝土,通过改变胶砂比及玉米芯体积分数探讨生态混凝土的基本性能。试验结果表明:玉米芯小颗粒(4.75 mm≤直径d (27)9.5 mm)与大颗粒(9.5 mm≤d (27) 19 mm)的质量比为1∶1.5时骨料的级配较合理,生态混凝土的强度较高;生态混凝土的胶砂比对干密度影响不大,但导热系数和强度则随胶砂中再生砂比重的增加而降低;随生态混凝土中玉米芯含量的增加,混凝土的干密度、导热系数及强度均明显降低。试验范围内,生态混凝土的干密度为1 200～1 550 kg/m3,导热系数为0.20～0.26 W/m·K,28 d强度为2.0～5.7 MPa。玉米芯骨料生态混凝土的研究可为开发轻质保温的墙体材料用于农业农村建设提供参考。     

高镉累积水稻对镉污染农田的修复潜力

为探究高镉累积水稻品种扬稻6号和玉珍香对镉污染农田土壤的修复潜力,通过大田小区试验,测定6个不同生育期(返青、分蘖、孕穗、齐穗、蜡熟、完熟)5个部位(根、茎0～10 cm、茎10～20 cm、茎20 cm以上和谷)稻草的镉含量,开展高镉累积水稻镉累积规律、移除时间和移除高度研究。结果表明,水稻扬稻6号和玉珍香各部位镉含量随生育期的延长而增加,孕穗期增幅最大,完熟期达到最大值,在同一时期不同部位镉含量分布随株高呈递减趋势;完熟期,水稻品种扬稻6号和玉珍香的根、茎0～10 cm、茎10～20 cm、茎20 cm以上部分和谷中镉含量分别为19.3、11.8、9.4、8.1和3.9mg/kg与19.5、16.3、14.3、9.7和3.7 mg/kg,其对应的镉富集系数均大于1,对镉表现出高积累特性;稻草镉的移除含量在全育期均表现从大到小依次为整株收割、地上部全收割、离地10 cm收割、离地20 cm收割,完熟期整株移除情况下,扬稻6号稻草镉累积移除含量达1 652.11μg/株,玉珍香稻草镉累积移除含量达1 547.70μg/株;一年种植一季水稻扬稻6号和玉珍香,整株移除情况下土壤镉移除效率分别为9.1%和8.5%,地上部全移除情况下土壤镉移除效率分别为7.2%和7.1%。因此为兼顾水稻移除修复效果和可操作性,建议稻草在完熟后按地上部全收割的方式移除。研究结果可为镉污染稻田的植物修复治理提供新的思路。     

采用双模态联合表征学习方法识别作物病害

基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广。该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet)。该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习。最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%。该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法。     

基于优化Transformer网络的绿色目标果实高效检测模型

果园环境中,检测目标果实易受复杂背景、果实姿态和颜色等因素影响,为提高绿色目标果实检测的精度与效率,满足果园智能测产和自动化采摘要求,本研究针对不同光照环境和果实姿态,提出一种适于样本数量不足的绿色目标果实高效检测模型。该模型采用优化Transformer结构,首先借助卷积神经网络(Convolutional Neural Network,CNN)网络提取图像特征;然后输入编码-解码器生成一组目标果实预测框,最后通过前馈神经网络(Feed-forward Network,FFN)结构预测检测结果。在训练过程中,引入重采样法扩充样本数量,解决样本数量不足问题;引入迁移学习,加速网络收敛。分别制作苹果、柿子数据集用于模型训练。试验结果表明,经迁移学习后该模型训练效率大幅提高;与流行的目标检测模型相比,优化后的模型在检测绿色柿子与绿色苹果时,精度分别为93.27%和91.35%。该方法可为其他果蔬绿色目标检测提供理论借鉴。