豫南粳稻不同播期产量与构成因素灰色关联分析

利用灰色关联度分别对豫南春播和夏播粳稻的产量构成要素对产量贡献大小进行分析的结果 :春播粳稻各要素对产量贡献大小依次为 :结实率 >千粒重 >穗粒数 >穗数 ;夏播粳稻各要素对产量贡献大小为 :穗数 >结实率 >千粒重 >穗粒数。以此阐述夏播粳稻区别于春播粳稻的栽培技术。     

SSR标记与花生抗黄曲霉性状的关联分析

本文选用100对SSR引物对12个抗感黄曲霉花生品种的基因组DNA进行扩增,结果表明共有41对引物在不同品种间检测出2～4个等位基因,多态性信息量(PIC)为0.153～0.750.供试品种SSR标记基因型与黄曲霉侵染指数间的关联分析表明有5个标记与抗性相关,其中标记pPGSseq19D9与抗性关联度最高,Pearson相关系数达0.913.进一步观察发现pPGSseq19D9的扩增带型能直接区分抗感品种,初步推断pPGSseq19D9可能与一个贡献率较大的抗黄曲霉基因连锁.     

基于卷积注意力的无人机多光谱遥感影像地膜农田识别

监测地膜覆盖农田的分布对准确评估由其导致的区域气候和生态环境变化有着重要作用,基于DeepLabv3+网络,通过学习面向地膜语义分割的通道注意力和空间注意力特征,提出一种适用于判断农田是否覆膜的改进深度语义分割模型,实现对无人机多光谱遥感影像中地膜农田的有效分割。以内蒙古自治区河套灌区西部解放闸灌区中沙壕渠灌域2018—2019年4块实验田的无人机多光谱遥感影像为研究数据,与可见光遥感影像的识别结果进行对比,同时考虑不同年份地膜农田表观的变化,设计了2组实验方案,分别用于验证模型的泛化性能和增强模型的分类精度。结果表明,改进的DeepLabv3+语义分割模型对多光谱遥感影像的识别效果比可见光高7.1个百分点。同时考虑地膜农田表观变化的深度语义分割模型具有更高的分类精度,其平均像素精度超出未考虑地膜农田表观变化时7.7个百分点,表明训练数据的多样性有助于提高地膜农田的识别精度。其次,改进的DeepLabv3+语义分割模型能够自适应学习地膜注意力,在2组实验中,分类精度均优于原始的DeepLabv3+模型,表明注意力机制能够增加深度语义分割模型的自适应性,从而提升分类精度。本文提出的方法能够从复杂的场景中精准识别地膜农田。     

基于区域语义和边缘信息融合的作物苗期植株分割模型

为在自然环境下准确分割作物苗期植株,实现苗期植株定位及其表型自动化测量,本文提出一种融合目标区域语义和边缘信息的作物苗期植株分割网络模型。以U-Net网络构建主干网络,基于侧边深度监督机制,引导主干网络在提取特征时能感知植株边缘信息;利用空间空洞特征金字塔构建特征融合模块,融合主干网络和边缘感知模块提取的特征,融合后的特征图具有足够的细节信息和更强的语义信息;联合边缘感知的损失与特征融合的损失,构建联合损失函数,用于整体网络优化。实验结果表明,本文模型对不同数据集的作物植株的语义分割像素准确率高达0.962,平均交并比达到0.932;与U-Net、SegNet、PSPNet、DeepLabV3模型相比,本文模型在不同数据集上平均交并比最高提升0.07,对自然环境下作物苗期植株具有良好的分割效果和泛化能力,可为植株定位、对靶喷药、长势识别等应用提供重要依据。     

基于R2U-Net和空洞卷积的羊后腿分割目标肌肉区识别

针对前处理工序造成的羊肉智能精细分割目标肌肉区图像识别准确度低的问题,以羊后腿自动去骨分割工序为研究对象,提出一种基于R2U-Net和紧凑空洞卷积的羊后腿分割目标肌肉区识别方法。对传统的U-Net语义分割网络进行改进,以U-Net为骨架网络,采用残差循环卷积块替换原始U-Net的特征编码模块和解码模块中的卷积块以避免U-Net的梯度消失,在特征编码模块和特征解码模块之间增加一个紧凑的四分支空洞卷积模块对语义特征进行多尺度编码,实现缝匠肌图像分割模型的构建。一方面,针对缝匠肌这一核心目标肌肉区,采集羊后腿图像构建数据集训练与测试本文模型,以验证该方法的准确性与实时性;另一方面,通过旋量法标定夹爪坐标系、相机点云坐标系、机器人坐标系的齐次变换矩阵以计算分割路径,并采用主动柔顺的力/位混合控制方法操纵分割机器人进行目标切削运动,验证基于本文方法得到的目标图像开展目标肌肉分割的可行性。相关试验结果表明：当交并比为0.8588时,本文方法平均精确度为0.9820,优于R2U-Net的(0.8324,0.9775);单样本检测时间平均为82ms,说明本文方法可快速、准确分割出缝匠肌图像,满足机器人自主分割系统的实时性要求,优于U-Net、R2U-Net、AttU-Net算法。最后,在本文方法得到的缝匠肌图像基础上开展机器人实机分割试验,机器人对5条羊后腿的平均切削时间为7.9s,平均偏移距离为4.36mm,最大偏移距离不大于5.9mm,满足羊后腿去骨分割的精度要求。     

渭-库绿洲土壤剖面盐分分布特征及驱动因子分析

[目的]监测渭-库绿洲土壤盐渍化的空间分布特征,探究驱动因子作用机理,对当地因地制宜进行土壤盐渍化调控。[方法]采用决策树、克里金插值和灰色关联度分析研究了渭-库绿洲土壤盐渍化的剖面分布特征,着重分析了样本点海拔、植被覆盖度、地下水位、TW( I 地形湿度指数)、地下水矿化度5个驱动因子对土壤盐渍化的影响。[结果]①研究区表层土壤(0~10 cm)属于重度盐渍化土壤,10~20、20~40、40~60 cm各深度剖面土壤属于中度盐渍化土壤。土壤EC1:5有强的空间变异性,其分布格局受灌溉等人为驱动因素的影响较大。②绿洲内部(即耕作区)表层土壤属于非盐渍化区域,绿洲东部10~20、20~40、40~60cm土层有轻、中度的盐渍化现象。绿洲内部表层以下土壤盐分高于表层,绿洲存在潜在的盐渍化风险。耕作区外围绿洲-荒漠交错带区域各剖面层均属于盐渍化区域,随着剖面深度的增加,盐渍化程度在不断减弱。③样本点海拔、植被覆盖度、地下水位、TWI、地下水矿化度与土壤EC1:5的灰色关联度大小次序为:0~10 cm土层:地下水矿化度>TWI>样本点的海拔>植被覆盖度>地下水位;10~20、20~40 cm土层:地下水矿化度>样本点的海拔>TWI>植被覆盖度>地下水位。[结论]渭-库绿洲土壤盐渍化主要分布在绿洲-荒漠交错带区域,土壤盐分表聚强烈,地下水矿化度是造成该研究区土壤盐渍化问题的首要原因。     

农业机械化与农民增收关系的交互动态响应分析——基于吉林省统计核算数据

为探究农业机械化发展与农民增收之间的关系,以吉林省1998—2018年的时间序列数据为例,通过灰色关联分析和构建VAR模型,利用脉冲响应函数和方差分解分别探讨农业机械化与农民增收之间的关系。结果表明:农业机械化发展与农民人均纯收入之间的灰色关联度为0.8345,关系比较密切;吉林省农业机械化发展与农民人均纯收入之间存在长期均衡关系。从长期来看,农业机械总动力每增加1%,农民人均纯收入会上涨1.4561%;吉林省农业机械化发展与农民人均纯收入之间存在双向因果关系,两者之间相互影响,而且农业机械化发展对农民人均纯收入增长的影响程度更大。最后,为更好地促进吉林省农业机械化发展提出相关建议。     

滚动轴承摩擦力矩的非线性特

以混沌理论为基础,通过试验研究滚动轴承摩擦力矩时间序列的非线性特征评估问题,为精确计算滚动轴承摩擦力矩的动态性能奠定基础.用关联维数标准差刻画摩擦力矩的不确定性,用关联维数均值描述摩擦力矩非线性特征的演变历程.研究表明,滚动轴承属于确定的非线性动力学系统,但其摩擦力矩呈现出明显的不确定性.随着转速的增加,滚动轴承摩擦力矩关联维数标准差与均值都呈现出非线性增大的趋势.     

野生大豆芽期耐盐性状的关联分析

盐渍化是危害大豆生产的主要非生物胁迫因素之一。目前大豆耐盐性研究主要集中在栽培大豆的苗期耐盐性,而芽期耐盐性状的研究相对较少。野生大豆蕴含丰富的耐逆基因,是栽培大豆遗传改良的重要资源。为了研究野生大豆芽期耐盐性状的遗传机制,以113份野生大豆为试验材料,进行芽期耐盐性状的鉴定,结合群体的分子标记对包括2年平均值在内的3个环境下的3个耐盐指数进行全基因组关联分析,共检测到与野生大豆芽期耐盐相关的位点26个,6个SSR标记Satt521、Satt022、Satt239、Satt516、Satt251和Satt285在2个或3个环境下均被检测到,4个SSR标记Satt516、Satt251、Satt285和GMES4990与2个或3个耐盐指数显著相关。对这些SSR标记进行分析,挖掘了最优的等位基因及其载体材料。以上这些结果对于阐明野生大豆芽期耐盐性状的遗传机制,进一步发掘新的耐盐基因具有重要意义。同时也为栽培大豆遗传基础的拓宽、大豆耐盐分子标记辅助选择和分子设计育种等后续研究提供重要依据。     

低纬高原山区暖冬年与冷冬年油菜品种稳定性和适应性对比分析

为有效评价并推荐丰产性、稳产性和适应性好的山地油菜品种在低纬高原山区推广应用,采用灰色关联度、AMMI模型和模糊聚类等分析方法,对玉溪市典型的暖冬年(2012年)与冷冬年(2015年)4个不同海拔试点的7个参试油菜品种进行稳定性和适应性对比分析。结果表明:(1)暖冬年和冷冬年主要气象因子与油菜产量的关联度有明显差异;(2)AMMI模型中暖冬年的基因、基因与环境互作两者方差分量均显著高于冷冬年,而环境方差分量则明显低于冷冬年;(3)基因型与环境间的互作对暖冬年与冷冬年的主要农艺性状影响存在较大差异。低纬高原山区应主推‘云花油早熟1号’、‘花油6号’、‘玉红油1号’和‘花油5号’等优质油菜品种。