18份国外棉花种质黄萎病抗性鉴定与筛选

【目的】鉴定与筛选18份国外棉花种质黄萎病抗性、农艺性状,为丰富新疆棉花资源库提供黄萎病抗性资源。【方法】2018、2019年调查棉花农艺性状、黄萎病发病,检测吐絮期测产、取样考种、纤维品质。对主要农艺性状进行方差、各指标相关性、病情指数聚类分析。【结果】18份国外种质均为中早熟性类型;均为中等株高;果枝始节差异不显著,黄萎病高抗株系占5.55%,抗病占27.77%,耐病占44.44%,感病占22.22%;病情指数除了与有效果枝、马克隆值呈正相关,与其余指标呈负相关。病情指数聚类为抗、耐、感病三类,其中,4号为高抗材料。【结论】抗病材料6份分别为2、4、6、9、11、16号,耐病材料8份分别为1、3、5、7、8、12、14、15号,感病材料4份分别为10、13、17、18号;籽棉产量较高材料5份分别为3、4、9、11、15号,纤维品质较优材料3份分别为1、9、11号;筛选出2份抗病高产优质种质资源为9号和11号。     

奶牛个体识别方法及其应用研究进展

为了解个体识别在奶牛生产中记录产奶量、监控采食活动、监测卧床行为、追踪活动轨迹以及其他生产项目中的研究现状,以"奶牛"、"个体识别"、"识别方法"和"生产应用"为关键词,对2008—2018年的文献进行检索,并根据识别过程的不同特点对三类识别方法,即人工机械识别、接触式电子识别和图像生物识别进行归纳和总结并对识别方法、现代化生产应用以及国内进展等3个方面进行归纳和总结。结果表明:1)生物识别技术相较于传统方法对奶牛个体的伤害较小,可以在很多方面克服环境的干扰。2)目前智能识别技术与奶牛行为活动监测相关联,可以全面掌握个体健康状况和生产性能。3)国内在计算机视觉方面取得了长足的进步,为个体的智能化识别打下了坚实基础。今后个体识别技术研究应该着重于提高对环境的适应性和系统的兼容性,为建立完整的自动化奶牛监测体系提供依据。     

基于改进Faster-RCNN模型的粘虫板图像昆虫识别与计数

针对传统机器学习采用人工提取特征方法时,由于人为主观性而影响昆虫识别效果与计数准确性的问题,采用图像特征自动提取方法,将深度学习目标检测模型引入昆虫的识别与计数领域,对Faster-RCNN目标检测模型进行改进:针对昆虫体积小,图像分辨率较低的特点,用网络深度更深,运算量更小的深度残差网络(ResNet50)代替原来的VGG16,以提取更加丰富的特征;针对部分昆虫密集的特点,用Soft-NMS算法代替传统的非极大值抑制(NMS)算法,以减少密集区域的漏检。结果表明:改进后Faster-RCNN模型的检测准确率达到90.7%,较未改进的Faster-RCNN模型提高了4.2%,可以运用于昆虫的分类计数。利用深度学习目标检测模型进行昆虫识别与计数较传统的昆虫识别与计数方法更加方便,能够将昆虫的识别、定位和计数融为一体。     

协同SaaS平台的数据安全模型研究——面向农机数字化设计产业链

齿轮是现代重型拖拉机的重要部件,在拖拉机数字化设计过程中,齿轮的设计是较为繁琐的,并且齿轮的种类较多,不同的种类绘制方法是不同的。为了简化齿轮的设计过程,提高拖拉机齿轮的设计效率,提出了一种基于参数化设计的齿轮设计方案,并将其引入到了农机数字化设计协同SaaS平台中,同时为了保证数据的安全性,设计了数据安全模型。为了验证该方案的可行性,以拖拉机普通齿轮和锥形齿轮的设计为例,对齿轮的设计效率进行了验证,测试结果表明:采用参数化设计方案可以快速地生成普通和锥形齿轮;将参数化设计方法引入到了SaaS协同设计平台中,对数据安全性加密的效率进行了验证,验证结果表明:加密数据和普通数据的存储时间相差不大,从而验证了数据加密的快速性,为协同数字化设计平台的设计提供了较有价值的参考。     

视觉传感器在采摘机器人目标果实识别系统中的应用

目标果实的识别和定位是准确采摘的核心,是采摘作业的必要条件。为此,首先从硬件和软件两方面对采摘机器人总体框架进行了介绍,然后搭建了双目视觉系统,并建立了摄像机标定模型,最后实现了对目标果实的识别和定位功能。试验结果表明:采摘机器人目标果实识别系统对目标果实的识别定位误差在8mm以内,成功采摘率在96%以上,系统精度高,采摘效果良好,能够满足采摘机器人的作业要求,对实现水果采摘的自动化、无人化具有重要现实意义。     

Comparative Analysis of Comprehensive Water Quality Identification Index Method Based on Different Weighting Method北大核心CSCD

【Objective】In order to analyze the water quality distribution characteristics of each water quality monitoring section of Qingshui River in Ningxia, provide a basis for water quality assessment, based on three water quality section monitoring data on Qingshui River in Ningxia from 2014 to 2016. 【Method】Using the method of Principal Component Analysis to select the evaluate data and choose representative water quality indicators to issue Comprehensive Water Quality Identification Index evaluation and combined with 3 weighting methods to do further comparative analysis.【Result】The comprehensive water quality identification index show that the Ershilipu section water quality evaluation results for class II water and remained stable. The Sanying section evaluation results meet the class III water in 2014 and 2015 years, the evaluation results meet class IV water in 2016, It shows that the water quality of this section has a trend of decrease. The Quanyanshan section evaluation results for the class II water and reduced year by year, the water quality has become the trend of further good. 【Conclusion】The three section water quality evaluation using different weighting methods reached the water function zoning requirements, there were some defects in the Standard Multiple Method and the Entropy Weight Method, and the Variation Coefficient Method was more suitable than the other two weighting methods. © 2019 Office of Journal of Irrigation and Drainage, Farmland Irrigation Research Institute, Chinese Academy of Agricultural Sciences. All rights reserved.     

基于高光谱数据的棉田虫害鉴别研究

【目的】快速、准确、无损伤地鉴别棉花虫害类别,以便针对性制定植保施药方案。【方法】对棉花叶片高光谱数据进行采集和分析。采用波段范围为350～2 500 nm的FieldSpec?3便携式光谱分析仪,分别获取受蚜虫和红蜘蛛危害的棉花叶片以及正常棉花叶片的高光谱数据。采用K-近邻和SVM算法区分受红蜘蛛和蚜虫侵害的叶片以及正常叶片。为进一步优化虫害识别模型、提高识别精度,利用主成分分析方法 (PCA)进行特征降维,并利用网格搜索法进行参数寻优。【结果】使用K-近邻算法和SVM算法构建了虫害识别模型,2种模型的识别率分别为86.08%和89.29%;引入PCA进行特征降维并使用网格搜索进行参数寻优后,可以提高虫害识别率,K-近邻算法和SVM算法的识别精度分别达到88.24%和92.16%。【结论】利用高光谱数据可以区分受蚜虫和红蜘蛛侵害以及正常的棉花叶片;结合PCA降维和网格搜索法,能够提高识别率且不需要获得具体的特征波段;对于受蚜虫和红蜘蛛侵害以及正常的叶片识别,基于径向基核函数的SVM算法优于K-近邻算法。     

热裂解-气相色谱-质谱和薄层色谱法鉴别檀香紫檀木材与染料紫檀木材

采用热裂解-气相色谱-质谱(PY-GC-MS)和薄层色谱(TLC)法,通过对比低温快速裂解的总离子流图(TIC)、主要物质的出峰时间、特征产物以及薄层色谱得到的荧光斑点数目和比移值(Rf),成功鉴别檀香紫檀木材与染料紫檀木材。低温快速裂解所需样品少,鉴别精度高,适用于珍贵文物、高档家具的鉴定;薄层色谱法不需借助大型仪器,易于操作和普及,但需辅助其他检测手段。     

基于遗传算法辨识的进给伺服系统摩擦特性研究

因为直线进给伺服系统容易受到摩擦力的影响,对于以高速高精度直线电机为组成核心的进给系统,消除摩擦力的影响尤为重要。因此,本文以直线电机导轨的摩擦力为研究对象,基于能反映摩擦过程中动静态特性的LuGre摩擦模型,考虑了摩擦迟滞非线性因素的影响。以单轴直线电机进给系统为实验平台,通过LabVIEW构建摩擦力实验测试平台,经过与MATLAB交互的小波去噪算法的滤波后得到摩擦力数据。利用遗传算法的摩擦模型参数辨识方法有效地对模型参数进行了参数辨识。该方法得到的结果与通过实验得到的数据具有一致性,验证了方法的正确性与辨识结果的准确性。     

基于超像素分割的田间小麦穗数统计方法

【目的】 小麦穗数是产量构成的重要因素。通过图像处理技术快速准确地统计小麦穗数,为作物长势监测和产量估测提供重要依据。【方法】 本研究以经氮肥梯度处理后不同长势的小麦为研究对象,首先,通过简单线性迭代聚类算法（simple linear iterative cluster,SLIC）对田间小麦图像进行超像素分割的预处理;提取并分析图像的部分颜色特征参数,选择适宜的颜色特征参数训练分类器;选择准确率最高的分类器对图像进行分类处理,识别麦穗。其次,对麦穗识别结果进行二值化;经腐蚀、膨胀等一系列形态学计算提取麦穗主体并进行区域统计;提取麦穗骨架,检测骨架角点数,结合角点数与区域统计结果计算小麦穗数;最后,通过线性回归分析方法验证了无氮（0）、低氮（1/2常规施氮量）、正常氮（常规施氮量）、高氮（2倍的常规施氮量）4个氮水平麦穗统计结果。【结果】 （1）利用超绿值（E_g）和归一化红绿指数（D_gr）作为分类特征可以有效地识别麦穗、土壤和叶片;（2）相较于直接基于像素进行图像处理,经超像素分割处理后麦穗识别结果更理想,识别出麦穗主体清晰,形态更为完整;（3）经比较,高氮水平下小麦长势较好,穗数统计准确率最高,为94.4%,无氮水平下小麦长势较差,穗数统计准确率最低,仅为81.9%;排除无氮情况后,长势较均匀的氮水平混合样本中麦穗计数准确率达到92.9%,相较于长势差异较大的混合样本准确率提高了8.3%。【结果】 在一般环境下,利用超像素和颜色特征的麦穗自动统计方法可以快速准确地对大田小麦进行穗数计算,长势过弱以及差异过大区域不推荐使用,研究结果为小麦大田估产提供了新的参考。