基于改进YOLOv7的复杂环境下红花采摘识别

针对光照、遮挡、密集以及样本数量不均衡等复杂环境造成红花机械化采摘识别不准问题,提出一种基于YOLOv7的改进模型,制作红花样本数据集建立真实采摘的复杂环境数据,增加Swin Transformer注意力机制提高模型对各分类样本的检测精准率,改进Focal Loss损失函数提升多分类任务下不均衡样本的识别率。经试验,改进后的模型各类别样本的检测平均准确率（mAP）达到88.5%,与改进前相比提高了7个百分点,不均衡类别样本平均精度（AP）提高了15.9个百分点,与其他模型相比,检测平均准确率与检测速度均大幅提升。结果表明改进后的模型可以准确地实现对红花的检测,模型参数量小识别速度快,适合在红花采摘机械上进行迁移部署,可为机械化实时采摘研究提供技术支持。     

基于YOLOv8改进的蚕虫检测与计数方法

该研究旨在解决桑蚕养殖过程中对蚕虫计数的难题,特别是针对蚕虫目标小、分布密集且易被遮挡的特点,通过改进的目标检测算法,实现对蚕虫数量的高效、准确检测与计数,以支持蚕虫的科学喂养与健康成长管理。本文提出了一种基于YOLOv8模型改进的蚕虫检测与计数新方法（SDM-YOLO）。该方法的核心创新包括：1) 引入RCS-OSA模块作为残差模块,替代原YOLOv8中的C2f模块,以增强网络的多尺度特征提取能力并融合不同感受野的信息,提升对密集分布蚕虫的识别能力;2) 改造检测头为动态预测头（dynamic prediction head）,结合尺寸、空间和通道三个维度的特征信息,提高蚕虫识别的精确度,减少误检;3) 优化损失函数,采用EIOU LOSS作为边界框回归的损失函数,以改善密集场景下蚕虫目标的漏检问题。经过试验验证,SDM-YOLO方法在多个评估指标上均表现出色。具体而言,该方法在精确度上达到了88.2%,召回率为87.2%,平均准确度mAP@0.5为93.2%,而mAP@0.5：0.95也达到了74.7%。这些结果充分证明了与一阶段检测模型YOLO系列相比,SDM-YOLO在蚕虫检测与计数方面具有比较明显的优势。     

土壤有机碳作用及转化机制研究进展

对土壤有机碳作用的综述研究显示:直至20世纪末,对于土壤有机碳的研究主要集中于阐明具不同化学结构有机物质在土壤中的功能,如胡敏酸、富里酸、黄腐酸的化学结构特征及在土壤肥力中的作用。中欧近年的研究则更关注按照有机碳在土壤中的转化特征进行分组,尝试建立这一分组与土壤有机碳功能的关联。按照转化特征,土壤有机碳可分为稳定性有机碳和营养性有机碳两大类型。前者主要指封存于土壤黏粒中的有机碳,很难被土壤微生物分解和矿化。后者主要指通过作物收获后地表及根系残留物、还田秸秆、有机肥施肥进入土壤的有机碳,是土壤有机碳中易于转化的、活跃的组分,也是形成土壤腐殖质和团聚体的主要前体物质。对土壤肥力具有重要意义。多点长期定位试验研究结果显示:土壤有机碳含量实际上表达了土壤中有机碳输入与分解两个过程的动态平衡。当输入量小于矿化量,将导致土壤有机碳含量和土壤肥力下降。当每年输入的有机碳量大于矿化量,土壤有机碳含量会持续上升;直至每年输入量与矿化量相等,土壤有机碳含量不再增加,此时,土壤有机碳含量达到平衡点。在一般农业生产条件下,达到平衡点的时间周期为20—30年。在营养性有机碳投入量过高情况下,这一动态平衡系统也会...     

B样条非圆齿轮行星轮系水稻钵苗移栽机构的设计与优化

钵苗移栽可以提高产量,对中国粮食安全具有重要意义。在分析水稻钵苗移栽机构最新研究进展的基础上,该文作者发明了基于三次非均匀有理B样条曲线的非圆齿轮行星轮系钵苗移栽机构。选取非圆齿轮节曲线上的13个型值点来控制和表达非圆齿轮的节曲线形状,通过该移栽机构的运动学分析,在确定优化目标的基础上,建立了夹秧片姿态和尖点轨迹的目标函数,将目标函数转化为优化数学模型。利用MATLAB GU平台,开发出该移栽机构的计算机辅助分析与优化软件,通过人机对话调整型值点,优化夹秧片姿态和尖点轨迹,从而获得了一组满足水稻钵苗移栽要求的结构参数。建立三维模型,并利用Admas进行虚拟样机仿真,验证了该移栽机构数学模型的正确性。     

对称三自由度并联机器人拓扑结构型综合与分类

以单开链支路为单元,揭示了对称少自由度并联机器人组成的规律,提出了输出运动为3自由度并联机器人的型综合方法.型综合共得到5种对称的三维平移3自由度的并联机器人和6种对称的三维转动3自由度的并联机器人.     

混联机床并联轴定位精度的激光测量与误差补偿

在分析混联机床并联轴定位精度的激光干涉测量原理和方法的基础上,采用干涉法检测了并联轴Z向的定位精度和重复定位精度,做出了并联轴的平均偏差特性曲线,获得了其线性位移定位误差数学模型;利用最小二乘法得到了混联机床并联轴定位误差补偿模型和增量补偿特性曲线;推导了并联机构动平台位姿和各驱动杆杆长的求解过程,进而对混联机床并联轴定位精度进行了有效补偿,得到了一种并联轴定位精度激光干涉测量方法和误差补偿模型的建立方法.     

黄土高原土壤崩解速率变化规律及影响因素研究

研究初始含水率对三江并流区消落带含根土壤崩解性的影响,为该区域消落带土壤侵蚀防控和植被恢复提供依据。

通过野外崩解试验测定不同初始含水率下狗牙根 (Cynodon dactylon)、美人蕉 (Canna indica)、风车草 (Cyperus alternifolius)、花叶芦竹 (Arundo donax var. versicolor)和菖蒲 (Acorus calamus) 5种消落带适生植物原状含根土壤的崩解指标,用根系分析仪分析其根系特征,并分析崩解指标与根系特征的相关性。

初始含水率为 7.2%、11.4%、15.2%和36.7% (饱和) 时,有根处理的平均崩解量分别为素土的77.0%、92.4%、112.1%和362.8%,崩解速率分别为素土的71.4%、106.6%、127.5%和400.0%。在非饱和状态,直径≤1 mm的根系具有明显的抗崩解作用,而直径>2 mm的根系具有促进崩解的作用;在饱和状态,直径≤1 mm的根系特征与崩解量和崩解速率的关系均不明显,直径>1 mm的根系具有促进崩解的作用。5种植物根系中,以狗牙根的抗崩解性最强,美人蕉最弱。

初始含水率较低时,草本植物根系能抑制土壤崩解;初始含水率较大时,根系会促进土壤崩解。直径>2 mm的根系具有促进崩解的作用,在三江并流区消落带植被恢复中,在适生性的前提下应优选细根植物。

     

园艺植物花芽分化的研究进展

花芽分化是园艺植物生长发育的重要阶段,是获得优质园艺产品和高产稳产的基础。该文综述了园艺植物花芽分化的形态学特征、植物内源激素水平和光照、温度、水分、矿物质营养等内外因素对花芽分化的影响或调控特征以及园艺植物花芽分化的分子机理,以期为园艺植物的成花管理提供依据。     

预测农药植物角质层-水分配系数的LSER模型

植物角质层-水分配系数(Kcw)对评价农药的渗透及残留具有重要意义。通过实验方法难以高效且经济地测定多种农药的Kcw值,因此有必要发展一种快速预测农药Kcw值的模型。作者收集了23种农药在不同植物中的64个log Kcw实测值,构建了预测农药log Kcw值的线性溶解能关系(liner solvation energy relationship,LSER)模型。所建模型具有良好的拟合度(R^2adj,tra=0.79,RMSEtra=0.38)、稳健性(Q^2BOOT=0.78)和预测能力(Q^2ext=0.81)。该模型可用于预测含有-X(Cl,F,I)、>N-C(O)-NH2、-OCH2COOH、-NH-、-NH2、>C=O、-O-C(O)-NH-、-CN、-S-及-S(O)(O)-等官能团的农药的log Kcw值。机理分析结果表明:疏水相互作用(平均相对贡献率为48%)和n/π电子对相互作用(平均相对贡献率9%)对农药进入植物角质层为正贡献,而氢键受体相互作用(平均相对贡献率26%)和极性相互作用(平均相对贡献率17%)对农药进入角质层为负贡献。本研究构建的pp-LFER模型可用于预测新农药的log Kcw值,并且有助于理解农药在植物角质层与水相间分配的相互作用机制。     

Application and Regulatory Mechanisms of Cereal Diets Treated with Lactic Acid in Ruminants北大核心CSCD

近年来,反刍动物集约化养殖中为追求快速高产,常饲喂高精料饲粮,但随之也带来一系列的危害。乳酸处理谷物饲粮通过改性淀粉,可调控反刍动物瘤胃发酵,增加其瘤胃消化抗性,使更多淀粉进入小肠消化,增加饲粮效率,并在缓解瘤胃酸中毒方面有积极的意义。本文主要分析了乳酸处理谷物饲粮对反刍动物瘤胃pH、胃肠道微生物、生产性能、饲粮中磷消化率、机体代谢组和炎性反应的影响及其潜在调控机制,为有效利用乳酸处理谷物饲粮、促进反刍动物健康养殖提供理论依据。