野生马铃薯材料生长性状调查及抗旱性评价

为筛选用于育种亲本的优良材料,以引进的32份野生马铃薯材料为对象,调查其物候期、植株形态特征、块茎性状和产量,采用模糊隶属函数法和灰色关联法对叶绿素、产量、保水力、株高、CAT、POD、MDA和Pro等8个指标与抗旱的相关性,并对32份材料的耐旱性进行综合评价。结果表明,筛选出优异早熟材料LS 6-6和晚熟材料LS 24-6;与耐旱性高度相关的指标为产量,其次是叶绿素和保水力;高抗旱性材料为LS 40-7、LS 42-8和LS 64-4等3份。     

结合PCA和GWAS解析甘蓝型油菜株型相关性状的遗传调控位点

作物株型改良是提高收获指数和产量的重要途径,为了解其复杂的遗传调控机制,以373份甘蓝型油菜组成的自然群体为基础,对4个株型相关性状(株高、第一分枝高度、有效分枝数和主花序长度)进行多环境下表型鉴定,组合利用全基因组关联分析(GWAS)和主成分分析(PCA)方法对株型的遗传调控进行解析.研究表明,PCA可以合理地解释株...     

干湿交替下膨胀土裂隙演化与强度衰减规律试验研究

为揭示干湿循环效应下膨胀土胀缩裂隙的演化特征及土体结构强度的劣化规律,对合肥弱膨胀土试样开展不同循环幅度下的干湿循环试验,利用图像处理技术从试样表面裂隙图像中提取出裂隙参数,并进行低应力下的抗剪强度试验。试验结果表明:1)裂隙开展分为裂隙酝酿期、裂隙快速传播期和裂隙平稳发展期3个阶段,裂隙指标的增长主要集中在裂隙快速传播期,且循环幅度的增大会使土体的开裂程度加剧;2)在干湿循环作用下,膨胀土的内摩擦角变化幅度小于2.2°,其受干湿循环次数的影响很小,土体的强度衰减主要源于粘聚力的大幅降低。膨胀土的粘聚力呈现出先快后缓的衰减趋势,其中前4次干湿循环期间粘聚力的衰减率达到50.97%～66.92%,且衰减率也与干湿循环幅度的大小密切相关;3)通过灰色关联度分析发现,粘聚力的衰减与裂隙面积率、裂隙总长度、裂隙平均宽度的变化趋势具有明显的关联性,其中裂隙面积率的关联度最大,其与粘聚力衰减率间的关联度为0.785～0.832,相应的权重达到0.461～0.472,且裂隙面积率与粘聚力衰减率间具有较好的线性关系,而裂隙平均宽度的关联度最小,其与粘聚力衰减率间的关联度为0.392～0.414,对应的权重仅为0.228～0.240。研究成果可为进一步揭示剧烈温湿变化诱发的膨胀土边坡灾变机理提供重要依据。     

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。     

基于FCN的无人机玉米遥感图像垄中心线提取

为解决农业机器人在玉米田行间行走的全局路径规划问题,该研究提出一种基于全卷积神经网络(Fully ConvolutionalNetworks,FCN)的无人机玉米遥感图像垄中心线提取方法。基于无人机获取的高精度可见光遥感图像,设计了针对农田垄中心线提取的数据集标注方法,采用滑动窗口法进行图像分块,利用深度学习语义分割网络FCN对垄中心线附近7～17像素宽度范围的垄线区域进行提取,模型在测试田块上精确率达66.1%～83.4%,召回率达51.1%～73.9%,调和平均值为57.6%～78.4%;对拼接后的图像使用影像分割投影法提取中心线,探究了垄线区域宽度对垄中心线提取精度的影响,训练采用9像素的垄区域宽度,可得到垄中心线在77 mm左右偏差范围准确率为91.2%,在31.5 mm左右偏差范围内为61.5%。结果表明,基于FCN对无人机玉米遥感图像进行处理,可得到整片田地的垄中心线栅格地图,方便农业机器人进行全局路径规划。     

基于改进UNet模型的油茶果振动采摘点定位方法

针对非花果同期油茶果采收效率低这一问题,提出一种侧枝振动采摘点定位方法,通过振动侧枝降低树木损伤并实现高效采收。首先构建数据集,对侧枝分段标注,向UNet中添加CloFormer注意力机制并命名为Clo-UNet,实现侧枝的二维重构。其次,在Clo-UNet基础上进一步设计采摘点定位方法并命名为Clo-UNet-Point,该方法优先选择采收离果实最远且最粗的枝条。试验表明,Clo-UNet在验证集上表现优异,其中br_con（连果枝）、danger（危险区）和br_pro（优先采收区域）的平均交并比mIoU分别达到85.36%、86.37%和81.29%,平均像素精度mPA分别达到94.97%、96.17%和89.48%,Clo-UNet在整个数据集上的mIoU和mPA分别比UNet高5.14、6.85个百分点。通过观察验证集647幅图像,Clo-UNet-Point算法在不同光照条件下均能定位到采摘点,平均检测一张图像用时0.15 s。该研究可为未来非花果同期类油茶果的自动化振动采收奠定理论基础。     

基于语义分割的非结构化田间道路场景识别

环境信息感知是智能农业装备系统自主导航作业的关键技术之一。农业田间道路复杂多变,快速准确地识别可通行区域,辨析障碍物类别,可为农业装备系统高效安全地进行路径规划和决策控制提供依据。该研究以非结构化农业田间道路场景为研究对象,根据环境对象动、静态属性进行类别划分,提出一种基于通道注意力结合多尺度特征融合的轻量化语义分割模型。首先采用Mobilenet V2轻量卷积神经网络提取图像特征,将混合扩张卷积融入特征提取网络最后2个阶段,在保证特征图分辨率的基础上增加感受野并保持信息的连续性与完整性;然后引入通道注意力模块对特征提取网络各阶段特征通道依据重要程度重新标定;最后通过空间金字塔池化模块将多尺度池化特征进行融合,获取更加有效的全局场景上下文信息,增强对复杂道路场景识别的准确性。语义分割试验表明,不同道路环境下本文模型可以对场景对象进行有效识别解析,像素准确率和平均像素准确率分别为94.85%、90.38%,具有准确率高、鲁棒性强的特点。基于相同测试集将本文模型与FCN-8S、SegNet、DeeplabV3+、BiseNet模型进行对比试验,本文模型的平均区域重合度为85.51%,检测速度达到8.19帧/s,参数数量为,相比于其他模型具有准确性高、推理速度快、参数量小等优点,能够较好地实现精度与速度的均衡。研究成果可为智能农业装备在非结构化道路环境下安全可靠运行提供技术参考。     

基于物元可拓模型的黄河兰州段突发水污染安全评价

[目的]科学评价黄河流域突发水污染安全等级,为提高黄河流域突发水污染事件应急响应能力提供参考.[方法]基于科学性、整体性、数据可获得性等原则,通过PSR模型遴选16个与黄河兰州段相关指标构建评价指标体系,并以黄河兰州段2014-2019年数据为基础,采用GRA-PCA组合确定指标权重,运用物元可拓模型得到其突发水污染安...     

中国土地集约利用与区域生态效率耦合协调度时空格局

土地集约利用与区域生态效率的耦合协调发展对城市可持续发展和生态文明建设意义重大。该文采用熵权法和非期望产出的超效率SBM模型分别评价了2004—2016年中国284个地级市土地集约利用程度和区域生态效率;在此基础上,分别运用耦合协调度模型和空间自相关分析方法研究了两者耦合协调度及空间关联格局的时空演变特征。研究结果表明:当前中国城市土地集约利用与区域生态效率协调性整体处于轻度失调阶段,但耦合协调度随时间呈逐步增强态势。协调度空间分布整体呈现“东部和中部高,西部低”的格局,且随时间推移发生较小改变。全局空间自相关结果表明:耦合协调度存在显著空间正相关性,且随时间推移关联程度先增强后减弱。局部空间自相关结果显示:正相关类型高高集聚(HH)与负相关类型低高集聚(LH)主要分布在东部地区,而正相关类型低低集聚(LL)和负相关类型高低集聚(HL)主要分布在西部地区,其中,HH、LH和LL型主要以“组团”形式出现,聚集性强,HL型则散乱分布。随时间推移,除HL型外,其余类型空间分布的整体格局较为稳定。应制定科学的环境经济和环境技术政策,加强对城市的差异化监控与管理,合理进行分区管控并推进市域之间的技术与创新合作等来增强土地集约利用与区域生态效率的协调性,促进城市可持续发展。     

基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算

为改善高光谱技术对荒漠土壤有机质的估测效果,该文采集了以色列Seder Boker地区的荒漠土壤,经预处理、理化分析后将土样分为砂质土和黏壤土2类,再通过光谱采集、处理得到6种光谱指标:反射率(reflectivity,REF)、倒数之对数变换(inverse-log reflectance,LR)、去包络线处理(continuum removal,CR)、标准正态变量变换(standard normal variable reflectance,SNV)、一阶微分变换(first order differential reflectance,FDR)和二阶微分变换(second order differential reflectance,SDR)。通过灰度关联(gray correlation,GC)法确定SNV、FDR、SDR为敏感光谱指标,采用偏最小二乘回归(partial least squares regression,PLSR)法和岭回归(ridge regression,RR)法,构建基于敏感光谱指标的土壤有机质高光谱反演模型,并对模型精度进行比较。结果表明:砂质土有机质含量的反演效果要优于黏壤土;基于SNV指标建立的模型决定系数R~2和相对分析误差RPD均为最高、均方根误差RMSE最低,所以SNV是土壤有机质的最佳光谱反演指标;对SNV-PLSR模型和SNV-RR模型综合比较得出,SNV-RR模型仅用全谱4%左右的波段建模,实现了更为理想的反演效果:其中,对砂质土有机质的预测能力极强(R_p~2为0.866,RMSE为0.610 g/kg、RPD为2.72),对黏壤土有机质的预测能力很好(Rp2为0.863,RMSE为0.898 g/kg、RPD为2.37)。荒漠土壤有机质GC-SNV-RR反演模型的建立为高光谱模型的优化、土壤有机质的快速测定提供了一种新的途径。