速效氮与缓控释氮配比一次性侧深施对双季稻产量、氮素利用率及氮素损失的影响

为探究在机插同步一次性侧深施肥作业方式下的速效氮与缓控释氮合理配比,保证水稻产量,提高肥料利用率,降低氮素流失,实现水稻的清洁化生产,采用田间小区试验,设置7个处理,分别为CK:不施肥,T1:农民习惯施肥(施N量早稻150 kg·hm~(-2),晚稻165 kg·hm~(-2)),T2～T6:机插同步一次性侧深施肥(施N量早稻105 kg·hm~(-2),晚稻132 kg·hm~(-2)),其中T2～T6处理的缓控释氮分别占总氮的0%、10%、20%、30%、40%。结果表明:在早稻季,各处理间产量差异不显著;晚稻季,T3～T5处理的产量间差异不显著,T6处理产量显著低于T4和T5处理;与T1处理相比,T2～T6处理的氮肥吸收利用率提高了8.08～14.10(早稻)个和6.68～26.61(晚稻)个百分点。与T2处理相比,早、晚稻T3～T6处理氨挥发累积量分别降低了5.20%～38.20%、29.41%～35.60%,田面水总氮平均浓度下降了20.90%～38.22%、7.39%～29.14%,田面水铵态氮平均浓度降低了26.26%～46.09%、42.57%～45.61%,其中T4处理早、晚稻不减产,肥料吸收利用率达到37.93%(早稻)、61.32%(晚稻),氨挥发累积量、田面水总氮平均浓度和铵态氮平均浓度分别下降37.00%、30.48%、31.88%(早稻),35.58%、12.88%、52.58%(晚稻),综合效果最好。研究表明,在湖南双季稻生产中,采用机插同步一次性侧深施肥作业方式,缓控释氮占总氮的20%较为合适。     

农艺深施及配施缓控释氮肥对水稻产量及氮素损失的影响

为探讨基肥"干施湿混"（施基肥-泡田-旋耙整田）结合追肥"以水带氮"（先施追肥再灌水）的农艺深施技术及其配施缓控释氮肥对氮素损失及水稻氮素吸收利用的影响,采用田间小区试验,设置不施氮肥（N0）、常规施肥（Nc）、农艺深施（Nd）、农艺深施配施缓控释氮肥再减氮10%（Ns）4个处理,研究了农艺深施及其配施缓控释氮肥对稻田田面水中氮素形态和浓度、稻田氮素流失量、水稻氮素吸收与产量、氮盈余量、土壤有效氮含量的影响。结果表明：与Nc处理相比,Nd和Ns处理均能降低氮素损失高风险期（基肥后7 d内,分蘖肥后5 d内,穗肥后4 d内）稻田田面水中总氮（TN）浓度,降幅分别为18.5%和49.8%,且主要降低了可溶性总氮（DTN）,尤其是铵态氮（NH₄⁺-N）的浓度;Nd和Ns处理稻田TN流失量分别降低了19.1%和47.6%,氮肥表观利用率分别提高了15.3、3.9个百分点,氮素盈余量分别降低了6.8%和38.1%,且土壤有效氮含量和水稻产量均有增加的趋势。研究表明,基肥"干施湿混"结合追肥"以水带氮"的农艺深施技术能降低稻田田面水中氮素浓度,提高氮肥利用率,减少氮肥损失,是一项值得推广的操作简便、绿色增效的施肥技术,再配施缓控释氮肥,能进一步降低田面水中氮素浓度和氮肥损失,同时能减少氮肥用量。     

超大颗粒肥水田气力深施加速器设计及参数优化

为解决水稻撒施追肥存在的肥料流失、利用率低及机械深施肥工作部件易堵塞、伤根等问题,该研究设计了一种用于水田深施追肥机的超大颗粒肥气力式加速器。该加速器利用双螺旋高压气流,在其与肥料上端构成的近封闭空间内加速超大颗粒肥,实现其高速射入泥壤,并可避免肥料颗粒与管壁碰撞;出口设置渐扩管扩散气流,可减轻对泥壤的冲击,提高施肥位置的稳定性。根据超大颗粒肥参数与加速器功能要求,确定了加速器的结构参数,并根据肥料入泥深度所需的射出速度,分析确定了加速器的工作参数。在此基础上,基于Fluent软件的六自由度重叠动网格建立了加速器仿真模型,以进口气流速度、螺旋角和加速管直径为试验因素,进行单因素仿真试验与三因素三水平Box Behnken组合仿真试验,研究各因素对肥料射出速度与气流扩散率的影响。多因素试验分析及响应面分析结果表明,加速器的最佳工作参数为进口气流速度47 m/s、加速管直径21 mm、螺旋进气口螺旋角43°。在此条件下进行台架验证试验,得到肥料射出速度均值为12.61 m/s,出口气流扩散率均值为85.5%,肥料入泥平均深度为4.68 cm,达到了水稻追肥要求。该研究可为超大颗粒肥水田气力深施追肥机设计提供参考。     

基于改进YOLOv8n的复杂环境下柑橘识别

针对复杂环境下柑橘果实大量重叠、枝叶遮挡且现有模型参数量大、计算复杂度高等问题,提出了一种基于改进YOLOv8n的柑橘识别模型YOLOv8-MEIN。首先,该研究设计了ME卷积模块并使用它改进YOLOv8n的C2f模块。其次,为了弥补CIoU损失函数在检测任务中泛化性弱和收敛速度慢的问题,使用Inner-CIoU损失函数加速边界框回归,提高模型检测性能。最后,在自建数据集上进行模型试验对比,试验结果表明,YOLOv8-MEIN模型交并比阈值为0.5的平均精度均值mAP_0.5值为96.9%,召回率为91.7%,交并比阈值为0.5~0.95的平均精度均值mAP_0.5～0.95值为85.8%,模型大小为5.8MB,参数量为2.87M。与原模型YOLOv8n相比,mAP_0.5值、召回率、mAP_0.5～0.95值分别提高了0.4、1.0、0.6个百分点,模型大小和参数量相比于原模型分别降低了3.3%和4.3%,为柑橘的自动化采摘提供技术参考。     

基于WEB辅助教学平台的设计

根据高校信息化教育的要求和目标,结合应用实例,介绍WEB环境下的网络辅助教学平台的分析、设计与实现的一般要求和方法。     

基于自监督学习的温室移动机器人位姿跟踪

为实现温室环境下机器人行进过程中的位置及姿态跟踪,该研究提出一种基于时序一致性约束的自监督位姿变换估计模型。模型用软遮罩,处理视频帧间静止造成的位姿预测值收缩现象,进一步用归一化遮罩,解决非刚体场景和目标遮挡问题。设计了一种星型扩张卷积,并基于该卷积,为模型构建自编码器。在采集自种植作物为番茄的日光温室视频数据上开展训练和测试试验。结果表明,与不采用遮罩处理的模型相比,采用软遮罩的模型,位置和姿态估计相对误差分别减少5.06个百分点和11.05个百分点,采用归一化遮罩的模型,这2项误差则分别减少4.15个百分点和3.86个百分点,2种遮罩均可显著提高模型精度;星型扩张卷积对降低模型误差是有效的,在网络参数不变的前提下,该卷积使姿态估计相对误差减少7.54个百分点;时序一致性约束使姿态估计均方根误差下降36.48%,每百帧累积姿态角误差降低54.75%,该约束可用于提高模型精度及稳定性;该研究的位置及姿态估计相对误差分别为8.29%和5.71%,与Monodepth2相比,减少了8.61%和6.83%。该研究可为温室移动机器人导航系统设计提供参考。     

基于序列信息的土壤CT图像超分辨率重建

受部分容积效应影响,土壤计算机断层扫描（Computed Tomography,CT）图像存在孔隙边界模糊现象,影响土壤孔隙结构研究的准确性。针对该问题,该研究提出基于序列信息的生成式对抗网络（Sequence information Generative Adversarial Network,SeqGAN）,实现土壤CT图像的超分辨率重建。针对土壤CT序列图像具有较高相似性的特点,SeqGAN法引入序列卷积块挖掘前后图像的序列信息,并将多重特征增强融合于目标图像中;利用多层残差块提取图像特征,构建残差块输入和输出的直接连接,以减少模型退化;利用对抗网络实现损失间接反馈,提高模型的特征学习能力。在序列相似性较高的土壤图像数据集验证了该方法性能。结果表明,SeqGAN法均方误差比次优方法GAN降低25%,峰值信噪比提升1.4 dB,结构相似性提升0.2%。重建的土壤图像具有较高准确率和清晰度,可为后续土壤物理学研究提供准确的数据基础。     

黄土高原水蚀风蚀交错带小流域土壤水分季节变化特征与主控因素

土壤水分是黄土高原水蚀风蚀交错带生态环境恢复的关键因子,具有明显的时空异质性。以水蚀风蚀交错带的代表性流域—老爷满渠小流域为对象,采用网格法(50 m×50 m)共布设了73个样点,原位观测0—5 m土壤含水率,共测定23次(2013年6月至2019年10月),通过获取每个样点的环境因子,结合经典统计、地统计、随机森林等方法,分析了小流域尺度不同土层深度(每层1 m,共5层)土壤含水率的季节变化特征与影响因素。结果表明:不同土层土壤含水率的空间分布特征和季节性变化规律不同;对于0—1 m土层,土壤含水率在夏季和冬季之间存在显著性差异(p0.05),而对于1 m以下土层,春季平均土壤含水率高于其他季节,但不显著;无论在何种季节,不同土地利用方式、壤土与砂土间的土壤含水率在3 m以上土层均存在显著差异(p0.05),而阴、阳坡的土壤含水率在所有土层均存在显著差异(p0.05);在不同季节,土壤含水率与容重和砂粒呈负相关,与其他环境因子(有机碳含量、黏粒、粉粒、有机碳密度、土地利用、坡向、土壤质地和pH)呈正相关;除有机碳密度和黏粒较为稳定外,土壤含水率与环境因子的相关性均随土层深度增加呈减少趋势;环境因子对土壤含水率空间变异的整体相对贡献表现为土壤性质地形土地利用。研究结果可为研究区深层土壤水资源管理、土壤水文观测与模拟、植被优化布局等提供参考。     

采用改进CNN对生猪异常状态声音识别

猪只声音能够体现出其生长状态,该研究针对人工监测猪只声音造成的猪只疾病误判以及耗时耗力等问题,研究基于卷积神经网络（Convolutional Neural Network,CNN）的生猪异常状态声音识别方法。该研究首先设计猪只声音实时采集系统,并利用4G通讯技术将声音信息上传至云服务器,基于专业人员指导制作猪只异常声音（生病、打架、饥饿等）数据集,提取猪只异常声音的梅尔谱图特征信息;其次引入多种注意力机制对CNN进行改进,并对CBAM（Convolutional Block Attention Module）注意力机制进行优化,提出_CBAM-CNN网络模型;最后将_CBAM-CNN网络模型分别与引入SE_NET（Squeeze and Excitation Network）、ECA_NET（Efficient Channel Attention Networks）和CBAM注意力机制的CNN神经网络进行对比,试验结果表明该文提出的_CBAM-CNN网络模型在最优参数为128维梅尔频率、2 048点FFT（Fast Fourier Transform）点数、512点窗移下的梅尔谱图特征下相较于其他模型对猪只异常声音识别效果最佳,识别率达到94.46%,验证了算法的有效性。该研究有助于生猪养殖过程中对猪只异常行为的监测,并对智能化、现代化猪场的建设具有重要意义。     

水土流失防治措施对马尾松林土壤微生物群落分子生态网络的影响

水土流失防治措施可以提高侵蚀退化林地的土壤质量。为了探究典型水土流失防治措施对土壤微生物分子生态网络的影响,在南方红壤区马尾松林下建立了水土流失防治措施小区,设置3种不同处理,分别为挖设鱼鳞坑加种植草本,挖设鱼鳞坑加种植草本与灌木,以及对坡面土壤不设置任何措施的对照。利用16S rRNA和18S rRNA基因 Illumina MiSeq 高通量测序技术,测定3种处理下的土壤微生物群落组成,基于随机矩阵的方法构建微生物网络。结果表明,措施实施后,绿弯菌门相对丰度显著降低,变形菌门与酸杆菌门的相对丰度显著升高（P < 0.05）。2种措施处理下微生物网络总节点数、总连接数、平均连通度以及模块性均较高,微生物网络的规模增大,微生物间互相作用更复杂。3个微生物网络均以负互相作用（60.59%～67.49%）为主,措施实施后物种间竞争作用进一步加强。绿弯菌门、放线菌门和变形菌门中的部分菌群在本研究区的微生物网络中起着重要的连接作用,此外,3个微生物网络的部分关键节点所属的菌群相对丰度较低（< 1%）,对于构建微生物网络也具有关键作用。2种措施处理下微生物网络平均路径距离较长,微生物作用的响应速度慢,群落结构稳定性提高,其中挖设鱼鳞坑并种植草本与灌木的措施较挖设鱼鳞坑并只种植草本的措施效果更优。冗余分析表明,土壤容重（R2 = 0.465,P < 0.05）、pH（R2 = 0.377,P < 0.05）、有机质（R2 = 0.383,P < 0.05）、全氮（R2 = 0.545,P < 0.01）、对细菌群落结构有显著影响,土壤含水量（R2 = 0.485,P < 0.05）对真菌群落结构有显著影响。上述研究结果表明,水土流失防治措施实施后土壤微生物群落结构发生明显变化,网络规模增大、物种间互作强度以及微生物群落结构的稳定性提高。