基于改进U-Net的不同容重小麦籽粒识别检测

小麦质量等级检测过程中，容重是一项非常重要的指标。人工检测和传统图像处理方法在小麦质量等级检测方面存在设备昂贵、识别效率低等问题，需要进一步改进。采用自制3种等级小麦籽粒样品作为小麦容重数据集，针对小麦籽粒目标小、边缘分割不清晰等特点对U-Net网络进行改进。在主干网络上，采用残差堆叠模块来减少特征损失，在网络桥接部分嵌入CBAM注意力机制模块来加强对特征的进一步提取，在解码器部分嵌入自注意力机制模块，还原细节信息。结果表明，改进网络模型CBSA＿U-Net的平均交并比（MIoU）为81.5%，比U-Net模型提升了1.8百分点，相较于PSPNet、DeepLabv3+模型分别提升了4.2、3.3百分点。     

基于不同聚类分析方法的卷烟叶组配方模块分类

为辨析不同聚类分析方法在卷烟叶组配方模块中的分类效果，以不同配方模块烟叶的10项感官指标为研究对象，在利用因子分析提取主成分的基础上，通过3种聚类分析方法对不同配方模块进行分类，并对分类结果进行比较和统计检验。结果表明不同配方模块烟叶的差异规律各不相同，说明烟叶感官质量的不同指标间存在高度的信息重叠。因子分析共提取2个主成分因子，累计方差贡献率为81.96%,特征值分别为7.02、1.18。3种聚类分析方法的分类结果不尽相同，其中加权主成分距离聚类的分类效果最佳，错分率为6.67%;加权主成分聚类次之，错分率为10.83%;一般主成分聚类的分类效果最差，错分率达到18.33%。统计检验结果表明，加权主成分距离聚类的F检验均值最大(98.17),加权主成分聚类次之(91.05),一般主成分聚类F检验的均值最低，为70.14。加权主成分距离聚类的分类效果优于其他2类聚类方法，分类结果的统计检验结果更好，适合不同卷烟配方模块的分类研究。     

个人媒体在农业信息化建设中的应用研究

个人媒体作为网络新媒体的代表，在21世纪强势崛起。在此新形势下，以个人媒体的内涵、特征为思考基础，深入挖掘其与农业信息化主体模块的内在联系，得出个人媒体影响并引领着农业信息化建设的发展趋势这一建设性结论。同时为实现个人媒体在实践领域对农业信息化建设的促进作用，从农业信息化建设的主体、资源和层次三方面提出个人媒体在农业信息化建设中的具体应用策略，并辅以移动学习模式构建、图文视频模块搭建和交流沟通互动保障的具体实施方案，以确保个人媒体这一新型理念在农业信息化建设中得到切实而高效的实施。     

深圳市园林树池构造设计研究

树池承担着保护植物的功能,设计巧妙的树池还具有塑造园林景观特色、彰显环境氛围的重要作用。近年来深圳城市园林树池的建设存在诸如设计同质化严重、土壤环境恶劣、空间狭窄等问题。通过分析休憩型树池、艺术型树池、生态型树池等优秀树池类型及案例,从前期实地调研、土壤改良、树种选择等方面提出建议,并提出引根技术、隔根技术及组合式种植模块应用的树池构造设计新技术及新工艺。     

基于改进YOLOv5的菇房平菇目标检测与分类研究

随着食用菌行业由自动化向智能化、信息化发展的趋势越来越明显，为了实现现代化菇房中平菇的准确检测，解决工厂化平菇栽培中收获阶段平菇之间相互遮挡等问题，帮助平菇采收机器人进行准确的自动化采收，该文提出了一种基于YOLOv5（you only look once version 5）模型的OMM-YOLO（ostreatus measure modle-YOLO）平菇目标检测与分类模型。通过在YOLOv5模型的Backbone层添加注意力模块，对输入的平菇图像特征进行动态加权，以获得更详细的特征信息，并在Neck层采用加权双向特征金字塔网络，通过与不同的特征层融合，提高算法的平菇目标检测的精度。此外，为了改善算法的准确性和边界框纵横比的收敛速度，该文采用了EIoU（enhanced intersection over union）损失函数替代了原有的损失函数。试验结果表明，与原始模型相比，改进模型OMM-YOLO对成熟平菇、未成熟平菇和未生长平菇的平均精度均值分别提高了0.4个百分点、4.5个百分点和1.1个百分点。与当前主流模型Resnet50、VGG16、YOLOv3、YOLOv4、YOLOv5m和YOLOv7相比，该模型的精确率、召回率和检测精度均处于优势，适用于收集现代化菇房中的平菇信息，有效避免了平菇之间因相互遮挡而产生的误检测现象。菇房平菇目标检测可以自动化地检测平菇的数量、生长状态等信息，帮助菇房工作人员掌握菇房内的菇况，及时调整温湿度等环境条件，提高生产效率，并且对可以对平菇进行质量控制，确保平菇产品的统一性和品质稳定性。同时可以减少对人工的依赖，降低人力成本，实现可持续发展，对智能化现代菇房建设具有积极作用。     

基于特征融合的棉花幼苗计数算法

为了获取棉花幼苗数量，掌握播种成活率和出苗率等关键苗情信息，该研究提出一种基于特征融合的棉花幼苗计数算法。首先，该算法采用VGG-16作为基础模块提取图像特征，使用注意力模块（Convolutional Block Attention Module，CBAM）在通道和空间维度上进行特征增强，然后将增强后的特征与基础模块中的特征进行融合，进一步强化幼苗特征表达，最后通过去冗余和归一化操作得到计数结果。此外，还构建了一个包含399张棉花幼苗图像的数据集，其中包含了对212 572株幼苗的精准手工标注点标签。在该数据集上的测试结果表明，所提出的棉花幼苗计数算法取得了较好的计数效果，平均计数误差（Mean Absolute Error，MAE）和均方根误差（Root Mean Square Error，RMSE）分别为63.46和81.33，对比多列卷积神经网络（Multi-column Convolutional Neural Network, MCNN）、拥挤场景识别网络（Congested Scene Recognition Network, CSRNet）、TasselNet、MobileCount等方法，MAE平均下降了48.8%，RMSE平均下降了45.3%。     

采用改进RetinaNet的笼养肉鸽繁育期个体检测模型

实现繁育期精准个体检测是提高集约养殖环境下肉鸽繁育效率和精准管控效果的有效手段，其中小目标鸽蛋及粘连乳鸽的精准检测是关键。该研究提出了一种基于改进RetinaNet的目标检测模型，以RetinaNet网络为基础框架，将ResNet50特征提取网络与特征金字塔网络（Feature Pyramid Networks，FPN）结合，增加特征金字塔网络中特征检测尺度，提升对图像中遮挡鸽蛋与粘连乳鸽的检测精度；在分类和回归子网络前引入卷积注意力模块（Convolutional Block Attention Module，CBAM），提升对小目标检测的精度。试验结果表明，该研究提出的模型对于笼养肉鸽个体检测的平均精度均值（mean Average Precision，mAP）达到80.89%，相比SSD、YOLOv3、YOLOv4、YOLOv5s、YOLOv5m和原始RetinaNet模型提高了18.66、29.15、19.92、21.69、18.99与15.45个百分点；对成鸽、乳鸽与鸽蛋检测的平均精度（Average Precision，AP）分别为95.88%，79.51%和67.29%，相对原始RetinaNet模型提高了2.16、21.74和22.48个百分点，在保证成鸽精准检测的基础上，显著提升了对复杂环境下存在局部遮挡的小目标鸽蛋以及粘连乳鸽的检测精度，为实现集约化养殖环境下肉鸽繁育周期个体检测和精准管控提供有效支持。     

基于PXI的实时仿真测试系统构建技术研究

首先对基于PXI总线控制器的实时系统的构建方法进行分析，在此基础上研究系统平台构建、应用程序开发等，最后通过工程实例-卫星姿轨控仿真系统的开发对上述方法的可行性和有效性进行实验验证。结果表明仿真系统具有定时精度高、开发周期短、系统升级方便等特点，同时还能实现从数学仿真到半物理/物理仿真的无缝升级，可广泛应用于航空航天等众多领域的仿真系统开发。     

香蕉 miR164-NAC 调控模块的鉴定与分析

【目的】了解香蕉 MIR164 和 NAC 基因家族以及 miR164-NAC 调控模块在香蕉后熟和低温胁迫应答过程中扮演的角色，为其在香蕉品种改良和分子育种方面的研究提供理论基础。【方法】以‘巴西蕉’为试材，通过高通量测序结合生物信息学分析，利用 miRBase、NCBI 数据库以及 Clustal、TBtools、MCScanX、iTOL 等软件对香蕉 miR164 和 NAC 家族成员的染色体定位、结构、理化性质及系统发育关系等进行分析。通过降解组测序验证并结合转录组数据，明确了香蕉中多个 miR164-NAC 调控模块。分别设置后熟和低温实验，利用小分子RNA 杂交和 qRT-PCR 分析 miR164-NAC 调控模块在香蕉后熟和冷害两种过程中的表达模式。【结果】在香蕉中共鉴定出 6 个 miR164 家族成员，其中 4 个位于编码基因内部、2 个位于基因间区。系统进化分析发现，测序丰度较高的多条香蕉 MIR164s 基因前体均与番木瓜聚为一类，暗示香蕉 MIR164 基因家族的起源与双子叶植物更为接近。香蕉基因组共编码 222 个 NACs 成员，不均匀分布在所有 11 条染色体上。在香蕉 NACs 中共鉴定出134 对同源基因，包括 4 对串联重复基因和 130 对区段复制重复基因，表明香蕉 NACs 基因进化的主要动力来源于区段复制事件。针对香蕉、拟南芥和水稻 NACs 蛋白比较系统发育的分析，将该家族划分为 23 个亚群，结合转录组数据证实香蕉 NACs 基因存在广泛的冗余性和表达特异性。理化分析结果表明，几乎所有香蕉 NACs 蛋白均为亲水性，且仅有不到 15% 属于稳定蛋白。验证了香蕉中 miR164-NAC176/165 调控模块，香蕉 miR164 的积累受乙烯诱导且随果实后熟逐渐增强，而该调控模块中受 miR164 负调控的 MaNAC176/165 基因在果实后熟过程中的表达量逐渐降低。冷害条件下，香蕉 miR164 同样被明显诱导，导致其靶向的 MaNAC176 和 MaNAC165 也出现不同程度的下调表达。【结论】MaNAC176 和 MaNAC165 很可能是香蕉后熟的转录抑制子，而 miR164 通过负调控 MaNAC176/165 促进香蕉后熟。同时，这一模块也很可能是香蕉发生冷害的一个关键调控通路。确定了香蕉后熟和冷害响应的关键 miR164-NAC 候选模块，可为后续的克隆及功能分析奠定基础。