利用显著图构建注意力深度网络检测诱虫板蔬菜害虫

为提高诱虫板图像蔬菜害虫检测精度,针对背景区域容易导致误检的问题基于显著图分析技术构建了一种注意力深度网络害虫智能视觉检测方法。首先通过显著图筛选出粗候选区域;然后在粗候选区域内用全卷积神经网络精选出细候选区域;接着用神经网络分类器识别细候选区域害虫种类,得到含有冗余的若干检测框;最后用改进的非极大值抑制消除冗余检测框,实现诱虫板图像中目标害虫的检测。针对小菜蛾和瓜实蝇展开试验,获得86.4%的平均精度均值和0.111只的平均绝对计数误差均值,所提方法平均精度均值比Faster R-CNN和YOLOv4分别高2.74和1.56个百分点,平均绝对计数误差均值比Faster R-CNN和YOLOv4分别低0.006和0.003只;同时,消融试验中移除显著图注意力模块后平均精度均值下降了4个百分点、平均绝对计数误差均值增加了0.207只。试验结果表明,所提方法有效提高了诱虫板图像蔬菜害虫检测精度,其中,引入显著图注意力模块对提升检测精度有重要作用。     

基于改进MobileNet-V2的田间农作物叶片病害识别

农作物病害是造成粮食产量下降的重要因素,利用智能化手段准确地识别农作物病害有利于病害的及时防治,该研究基于改进的MobileNet-V2识别复杂背景下的农作物病害,对未来覆盖各种作物的智能化病害识别工作具有重要意义。首先创建含有11类病害叶片及4类健康叶片的农作物数据集,采用数据增强操作构造不同的识别场景。其次在原始模型MobileNet-V2的基础上,嵌入轻量型的坐标注意力机制,建立通道注意力与位置信息的依赖关系。然后对网络中不同尺寸的特征图采取上采样融合操作,构建兼具网络高、低层信息的新特征图。此外,采用分组卷积并删除模型中不必要的分类层,减少模型参数量。试验结果表明：改进模型的参数量为2.30 MB,改进模型的识别准确率在背景复杂的农作物叶片病害数据集中达到了92.20%,较改进前提高了2.91个百分点。相比EfficientNet-b0、ResNet-50、ShuffleNet-V2等经典卷积神经网络架构,改进模型不仅达到了更高的识别准确率,还具有更平稳的收敛过程以及更少的参数。该研究改进的模型较好地平衡了模型的复杂度和识别准确率,为深度学习模型移植至田间移动病害检测设备提供了思路。     

咸蛋黄快速腌制过程中理化性质变化规律

该研究以新鲜蛋黄为原料,利用快速腌制模具,探究在咸蛋黄的上表面添加食盐单侧腌制过程中,食盐添加量和腌制时间对咸鸡蛋黄快速腌制过程中形貌特征和理化性质变化规律的影响。借助多种仪器分析手段对蛋黄腌制过程中形貌与物性的变化、水分及盐分的迁移规律进行了表征。低场核磁及成像结果表明：在腌制过程中,蛋黄中的水分不断向外迁移,含水率显著降低,当增加食盐的添加量和延长腌制时间,会加快水分的迁移速率;原子吸收结果表明：增加食盐添加盐量越多和腌制时间越长盐分迁移速率越快,质构、色差结果共同表明咸蛋黄腌制过程中,由于水分的向外迁移和盐分的向内渗入,使得蛋黄的蛋白质发生聚集使颜色加深;同时与市售整个腌制后分离的鸡蛋黄产品相比,当腌制时间为7d,添加盐量为3%;腌制时间为3d,添加盐量为5%时,所得的样品与市面的成品咸鸡蛋黄的感官品质及量化指标差异不显著（P<0.05）,为咸蛋黄单侧腌制技术提供理论的可行性。     

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。     

利用叶片光谱的作物铜铅污染判别

重金属污染种类的判别是作物生长环境监测的重要组成部分。该研究旨在提出一种由叶片光谱构建的铜铅污染判别特征(Copper and Lead Contamination Discriminating Features,CLCDF),以实现作物铜、铅污染判别。以典型作物玉米为试验对象,运用包络线去除与导数处理叶片光谱,基于该研究提出的归一化铜铅污染指数(NormalizedDifference Copper and Lead Contamination Index,NDCLCI)构建叶片CLCDF,在CLCDF分布域内建立判别平面(Discriminating Plane,DP)。依据CLCDF与DP的位置关系,得出直观的污染种类判别规则,并利用判别距离(Discriminating Distance,DD)对判别规则进行量化。基于训练集数据进行试验,提取到189种用于判别铜、铅污染的DP,同时获取了对应的污染种类判别规则,判别正确率为100%。使用验证集数据进行验证,189种DP中的88种判别效果较好,判别正确率为78.22%。该研究结果证明,基于CLCDF的铜铅污染判别方法效果良好且稳定。     

基于SEBAL模型评估干旱半干旱区人工灌丛植被对陆表蒸散的影响

评估人工灌丛植被重建对干旱半干旱区陆地生态系统蒸散的影响,不仅能揭示植被变化与水文过程的耦合机理,又可为区域生态治理与水资源管理提供科学指导。该研究利用Landsat-8OLI/TIR遥感影像及气象数据等驱动SEBAL模型,反演宁夏盐池县的年内不同日期的陆表蒸散,结合目视解译选取的人工灌丛区与对照草地,评估了人工灌丛植被对陆表蒸散的影响。结果表明:1)SEBAL模型的蒸散反演精度与站点观测结果较为一致,可用于干旱半干旱区蒸散反演及空间特征研究;2)盐池县人工灌丛植被区日平均蒸散为1.20mm/d,高于对照草地1.17mm/d的日平均蒸散量,即干旱半干旱区人工种植灌木林增加了生态系统水分消耗,但不同季节和不同生物地理条件下的蒸散增强作用存在差异,蒸散增强在8月份最大,而3、4月份呈现负效应;3)人工灌丛的密度越大、植被盖度越高,对陆表蒸散的增强作用越强,特别在NDVI0.4的高盖度情况下蒸散增强作用更加明显。由此可知,在水资源紧缺的干旱半干旱区开展以灌木树种为主的植被重建需在合理的生态水文阈值范围内开展,才能构建出稳定可持续的人工生态系统。     

基于迁移学习的葡萄叶片病害识别及移动端应用

为解决已有的卷积神经网络在小样本葡萄病害叶片识别的问题中出现的收敛速度慢,易产生过拟合现象等问题,提出了一种葡萄叶片病害识别模型(Grape-VGG-16,GV),并针对该模型提出基于迁移学习的模型训练方式。将VGG-16网络在ImageNet图像数据集上学习的知识迁移到本模型中,并设计全新的全连接层。对收集到的葡萄叶片图像使用数据增强技术扩充数据集。基于扩充前后的数据集,对全新学习、训练全连接层的迁移学习、训练最后一个卷积层和全连接层的迁移学习3种学习方式进行了试验。试验结果表明,1)迁移学习的2种训练方式相比于全新学习准确率增加了10～13个百分点,并在仅训练25轮达到收敛,该方法有效提升了模型分类性能,缩短模型的收敛时间;2)数据扩充有助于增加数据的多样性,并随着训练次数的增加,训练与测试准确率同步上升,有效缓解了过拟合现象。在迁移学习结合数据扩充的方式下,所构建的葡萄叶片病害识别模型(GV)对葡萄叶片病害的识别准确率能达到96.48%,对健康叶、褐斑病、轮斑病和黑腐病的识别准确率分别达到98.04%、98.04%、95.83%和94.00%。最后,将最终的研究模型部署到移动端,实现了田间葡萄叶片病害的智能检测,为葡萄病害的智能诊断提供参考。     

便携式柑橘虫害实时检测系统的研制与试验

为实现柑橘虫害的快速、准确识别,帮助果农及时掌握果园内虫害的危害程度和分布情况,该研究结合嵌入式图像处理技术设计了一套基于深度卷积神经网络的柑橘虫害实时检测系统。优选MoblieNet作为虫害图像特征提取网络,区域候选网络生成害虫的初步位置候选框,快速区域卷积神经网络(Faster Region Convolutional Neural Networks,Faster R-CNN)实现候选框的分类和定位。检测系统根据目标图像中虫害数量计算危害程度,按照正常、轻度、中度、重度4个等级判定柑橘虫害的严重程度,形成虫害识别与级别定量化测评软件。最后引入北斗模块获取采样点位置信息,进一步处理成可视化的虫害热力图。结果表明,该方法可实现对柑橘红蜘蛛和蚜虫的快速准确检测,识别准确率分别达到91.0%和89.0%,单帧图像平均处理速度低至286ms。该系统实现了柑橘虫害的精准识别与定位,可为农药喷洒作业提供精准信息服务。     

养殖废水处理设施自动化智能化运营与管控

为实现养殖废水处理设施自动化智能化运营与管控,本文以日产废水250 m³的某规模化养殖场废水处理设施为例,通过配置视频监控系统和在线监控设备,并设置预警预报功能,来展示自动化智能化运营与管控效果。实时监控结果表明,污泥浓度、DO、pH值等关键运行参数均控制在合理范围,分别为4 000~7 000 mg·L^-1、1.5 mg·L^-1（一级好氧池）和3~5 mg·L^-1（二级好氧池）、6.5~8.5;两级AO出水水质COD、氨氮均达标,分别为70 mg·L^-1以下和10 mg·L^-1以下,保障了设施运行效果,出水水质稳定达标,规避了环境风险。通过视频监控、在线监测、预警预报等功能,可有效监控废水处理设施每个处理环节运行状态,做到及时发现问题和解决问题,从而提高设施的管控效果和效率,并降低运营人员的投入,有效降低运营费用。实际运营结果表明,废水处理设施实施自动化智能化运营与管控,既能有效提高管控效果和效率,最大程度规避环境风险,又能降低运营成本,从而实现降本增效。     

洱海流域不同有机肥替代对土壤理化性质及油菜产量的影响

为探究洱海流域油菜种植合理的施肥方式,研究不同有机肥替代对土壤理化性质及油菜产量的影响,在云南大理农田生态系统国家野外观测研究站进行油菜田间试验。田间试验设置不施肥（CK）;常规化肥施用（CF）;以CF氮素折纯计算,设30%固体、液体有机肥替代（T1、T4）;70%固体、液体有机肥替代（T2、T5）;100%固体、液体有机肥替代（T3、T6）,共8个处理。结果表明：与试验前土壤相比,除CF和T6处理土壤全氮含量提升2.66%和6.57%外,各施肥处理土壤全氮和全磷含量有下降趋势,T1、T2、T3土壤全磷含量与有机肥配施比例增加呈正相关,而T4、T5、T6呈负相关,施用液体有机肥使土壤铵态氮、硝态氮、有效磷含量在短时间内大幅提高;除T4处理外,有机肥的施用对土壤有机质含量均有提升作用,其中T5处理效果最好,提升了28.66%;T1、T2、T4处理均导致土壤容重较试验前土壤上升,上升幅度分别为15.84%、16.83%、17.82%;液体有机肥替代处理均导致土壤pH值较试验前土壤有所下降,单施液体有机肥下降幅度最大,降低5.17%;与CF处理相比,随着有机肥替代比例增加,油菜株高、角果长度、单株角果数、千粒质量、油菜产量均呈下降趋势,T1~T6处理油菜产量减少18.06%~76.65%,30%有机肥替代（T1、T4）与CF处理差异较小。综合考虑不同施肥处理对环境和油菜产量的影响,30%固体有机肥替代（T1）是较优的施肥方式。