生态护坡生境基材土壤肥力动态变化研究

分析植被恢复过程中基材土壤肥力,为进一步改进生境基材性能、完善植被混凝土生态防护技术提供科学依据。在湖北省宜昌市选择清江水布垭电站公路边坡(S样地)、高坝洲电站进厂公路边坡(G样地)和三峡大学图书馆后边坡(T样地)等3个植被混凝土生态修复边坡,采用系统布点法,在坡面5~10 cm深度处取环刀样,对生境基材多年份(2007-2012年)土壤主要肥力因子进行定量测定,并采用T-S模糊神经网络模型对肥力水平进行综合评价分析。结果表明:有机质S样地由13.34 g/kg增加至32.89 g/kg,G样地由14.78 g/kg增加至35.02 g/kg,T样地在5.65~22.87 g/kg缓慢、波动增长;土壤全氮含量S样地0.12~2.27 g/kg,G样地0.13~1.64 g/kg,T样地0.08~0.84 g/kg;速效氮含量S样地23.94~170.87 mg/kg,G样地31.70~237.51 mg/kg,T样地20.88~122.28 mg/kg;全磷变化范围S样地2.30~2.66 g/kg,G样地1.64~2.06 g/kg,T样地1.63~2.18 g/kg;速效磷S样地2007、2009年异常丰富,均在300 mg/kg以上,其余年度为36.23~154.29mg/kg,G、T样地变化规律与S样地类似;速效钾G样地波动范围在59.87~207.03mg/kg,S样地、T样地波动幅度较小且总体处于丰富水平。各样地综合肥力指数随着监测时间的推移,总体是逐渐减小趋于稳定,综合肥力指数S样地3.14~2.69,G样地3.25~2.73,T样地3.47~2.74。总体上各样地综合肥力水平呈现先增长后稳定的发展趋势,肥力综合等级处于中等向上水平。     

使用Li-6400测定森林土壤呼吸应注意的几个问题

正确使用Li-6400进行森林土壤呼吸测定是保证测定精度的前提.本文以落叶松林为例,对Li-6400使用过程应该注意的问题进行了研究.结果表明:塑料圈至少应该测定前12小时进行设置,以减少土壤CO2涌出效应对呼吸的影响,而且塑料圈插入深度对测定结果影响很大:当塑料圈插入过浅时横向气体扩散及塑料圈不稳定而造成测定时CO2的再涌出效应使土壤呼吸测定值偏高;而当插入深度过深时,切断根系导致根系呼吸下降,最活跃的土壤表层呼吸受塑料圈阻隔导致的土壤微生物呼吸测定值下降,这些现象共同造成显著低估土壤呼吸测定值.此外,在晴天白天大部分时间内目标[CO2]值设定为外界相应时段的[CO2]平均值,可以保证测定误差小于5%,而在清晨和傍晚进行测定时,则应该及时调整目标值为外界[CO2]保证测量准确性.这一测定原则在实际测定中具有较高的实用性.     

基于改进YOLOv7模型的柑橘表面缺陷在线检测

柑橘表面缺陷是水果检测分级的重要依据,针对传统柑橘表面缺陷检测方法效率低、精度低等问题,该研究提出一种柑橘表面缺陷的实时检测方法。该方法首先对柑橘图像进行图像增强,然后利用提出的YOLOv7-CACT模型对柑橘表面缺陷进行检测,该模型在YOLOv7模型骨干网络中引入坐标注意力模块(coordinate attention, CA),从而提高模型对缺陷部分的关注度。在网络头部引入CT(contextual transformer,CT)模块,融合静态和动态上下文表征特征,从而增强缺陷部分特征表达能力。通过试验确定CA模块和CT模块的最佳位置。改进后的YOLOv7-CACT模型检测结果平均精度均值（mean average precision,mAP）相较于原始模型增加了4.1个百分点,达到91.1%,满足了实际生产中对柑橘缺陷检测精度的要求。最后将基于YOLOv7-CACT的柑橘检测模型通过TensorRT进行部署,试验结果表明模型的推理时间满足柑橘生产线10个/s的实时分选要求,总体的检测精度达到94.4%,为柑橘表面缺陷在线检测提供了一种精准的实时检测方法。     

高产春玉米灌浆期碳氮积累、转运及叶片衰老特性对深松深度的响应

试验采用深松35 cm（S35）和深松25 cm（S25）及不深松（CK）3个处理,比较分析各处理间吐丝后地上部干物质、氮素积累量的差异和叶片SAPD值、群体叶面积的变化。结果表明,灌浆期地上部干物质、氮素积累量均表现为S35>S25>CK处理,且随着生育进程的推进和深松深度的增加,其差异明显增大。在吐丝后36 d,各深松处理子粒干物质和氮素积累量均占成熟期的60%之上,均以S35最高;棒三叶以下叶片的氮素输出量表现为CK >S25 >S3处理;群体叶面积下降幅度表现为CK >S25 >S35处理,以吐丝后18～36 d下降最为明显;深松处理延缓了穗位叶、穗位上、下第1叶和穗位上第2叶SPAD值的下降。随深松深度的增加深松作用显著,在灌浆后期表现更明显。     

橡胶油管式车辆行驶称重技术的研究

提出了一种橡胶油管的车辆行驶称重技术,并研制了一种便携式车辆行驶称重系统。针对多种因素会对行驶称重系统的输出值产生影响,提出一种与BP神经网络相结合的计算模型,进行数据处理,同时结合信息融合技术建立了车型识别模型及专家系统。经一系列试验证明,该行驶称重系统可实现不同路面的超载检查的要求,为车辆超载检测及交通数据统计提供了一种经济有效的手段。     

果树施药仿形喷雾神经网络模型及其应用

在试验的基础上,建立了反映果树施药仿形喷雾过程参量与分布质量系数之间映射关系的BP神经网络模型,在建模中运用了正交试验设计、交叉评价网络训练法、样本标准化处理和主元分析等技术,对网络结构及其参数进行了优选。结果显示,网络模型输出同试验结果相关系数R达到0.99,表明具有广泛的适应性。同时,该网络可以实现各种定量分析计算,例如：预测在特定过程参量下的分布质量系数,或者根据指定的效果目标,确定合适的喷雾参量等。     

一种基于小波变换的图像过渡区提取及分割方法

具有复杂背景的树木图像的分割对于精确对靶施药及智能化植保机械的设计具有重要意义。为实现树木图像的精确分割,针对该类图像的特点,该文提出了一种基于小波变换的过渡区提取树木图像分割方法。通过对比小波变换系数、小波变换系数聚类以及小波包系数,最终选取了同时能够分解出更多高频、低频信息的小波包变换系数提取特征,根据小波包变换系数定义了小波能量比参数,将小波能量比参数值归一化为图像灰度值,采用自适应阈值和神经网络两种方法提取了过渡区,实现了具有复杂背景树木图像的分割。试验表明,该方法分割精度高,对于分割复杂背景的树木图像具有特别意义。     

基于DeepLab v3+的葡萄叶片分割算法

为解决自然光照环境下复杂背景葡萄叶片图像的自动分割问题,使用一种DeepLab v 3+语义分割算法,完成对葡萄叶片分割.该算法采用ResNet 101作为主干网络进行特征抽取;采用空洞卷积和编码模块进行多尺度特征融合,将ResNet的中间信息和编码模块的特征组合作为解码输入;采用上采样的方式进行尺度还原,得到语义分割...     

基于神经网络的机械零部件可靠性优化设计

采用概率约束等价转换的数值逼近法,研究了具有任意分布参数的可靠性优化设计,可以迅速准确地获得优化设计结果。针对具有多失效模式的机械零部件可靠性优化设计,提出了随机模拟-神经网络(MCSNN)方法,模拟得到随机设计变量与机械零部件系统可靠度之间的显性函数表达式,简化了计算过程,同时可以获得较高的计算精度,具有较好的工程实用价值。     

基于量子遗传模糊神经网络的苹果果实识别

针对田间苹果采摘机器人视觉系统中彩色图像边界像素的模糊性和不确定性影响苹果果实识别精度和速度问题,提出了一种将量子遗传算法的全局搜索能力和模糊推理神经网络的自适应性相结合的算法来识别苹果果实。利用量子遗传算法对模糊神经网络的可调整参数初始值进行了全局优化,加快了网络学习速度,避免了传统BP误差反向传播学习算法易陷入局部极小值、迭代次数多等弊端。实验表明：该识别模型高速且稳定,鲁棒性好,对于果实本身颜色不均匀样本正确识别率为100%,对自然光照引起颜色不均匀样本正确识别率为96.86%,对邻接图像正确识别率为94.29%,对重叠图像正确识别率为92.31%。