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。     

紫色土坡耕地不同微地形地表汇流网络特征

为了揭示不同微地形汇流网络的特征,通过野外人工降雨模拟试验,结合近景摄影测量技术,在相同降雨历时下,提取并分析了 60,90,120 mm/h雨强下,连续凹陷、间隔凹陷、连续凸起、间隔凸起、凹凸相连、凹凸相间以及对照组7种微地形措施的汇流网络.结果表明:(1)7种微地形的汇流密度随集水面积阈值的增大而逐渐减小,间隔凹陷...     

面向高比例分布式光伏发电消纳的复合型需求侧响应控制

在大力推进分布式光伏发电的形势下,利用负荷侧灵活性资源提升光伏消纳水平并改善电网运行经济性已成为促进新能源发展的重要措施,如何高效进行需求侧响应控制是目前该领域研究的关键问题之一。传统的峰谷分时电价仅根据区域电网内的负荷变化的总体情况确定分时段电价实现削峰填谷,该方法未考虑区域内新增电源的发电特性,从而导致负荷调整的灵活性较差,无法有效解决区域内光伏消纳的问题。该研究针对光伏装机比例较高的区域配电网尤其是乡村配电网,提出一种基于优化调整分时电价时段的激励型需求侧响应和区域集中优化调控相结合的配电网复合型需求响应控制策略。该策略首先结合负荷需求和光伏出力曲线对分时电价峰谷时段进行因地制宜的自适应调整;其次,基于新的电价时段进行用户侧分布式最优出力计划建模,并给出用户侧可削减、可时移负荷的响应调整范围的计算方法;最后由区域调度中心实现负荷集中控制。通过算例对比验证该文方法在计及用户舒适度的基础上,弃光率和系统综合运行成本较优化前均有明显降低,解决了含高比例光伏配电网的光伏消纳及经济运行问题,为配电网精细化管理水平的提升提供了理论依据。     

土壤微生物生物地理学：国内进展与国际前沿

土壤微生物生物地理学是研究土壤中微生物空间分布格局及其随时间变化的一门科学,是土壤微生物学和微生物生态学等领域的研究前沿。近年来,尽管土壤微生物生物地理学研究取得了巨大进展,目前仍面临诸多难题与挑战。本文简要回顾了土壤微生物生物地理学的发展历程,重点介绍近年来我国在森林、草地和农田生态系统中土壤微生物生物地理学研究的主要进展。同时进一步阐述了目前土壤微生物生物地理学研究的国际前沿方向,包括微生物群落空间分布及其驱动机制、群落构建过程与共存网络、微生物地理分布与生态系统功能的关联以及预测微生物群落对全球变化的响应。最后,对土壤微生物生物地理学未来的研究方向进行了展望,强调了清晰的微生物物种定义、微生物群落的时间动态、多组学与合成生物学技术以及高精度的预测模型在土壤微生物生物地理学研究中的重要性。     

利用SAR影像与多光谱数据反演广域土壤湿度

针对基于主动微波遥感途径开展广域土壤湿度反演的过程中,对植被和土壤粗糙度影响难以进行有效估算的问题,该研究联合多极化雷达和原始多光谱数据源,提出一种改进的卷积神经网络(Improved Convolutional Neural Network,ICNN)方法。该方法采用不同尺寸的卷积核对原始变量进行一维卷积运算,自适应提取能反映测区土壤湿度时空差异的高级特征维;同时,去除了传统卷积神经网络结构中的池化层,保证提取的特征信息完整。试验结果表明,在边长超过100 km的四川盆地研究区域内,模型预测值与样本数据相关系数达到0.934,预测值偏差服从均值趋近于0的正态分布,均方根误差为1.45%,误差分布范围小于6.3%,结果具有较高的可靠性。该方法可为精准农业、旱涝灾害等领域的广域监测研究提供一定的支撑。     

基于DH-YoloX的群养马岗鹅关键行为监测

马岗鹅的行为与其生长状况和福利状况密切相关,马岗鹅关键行为监测对评估其生长性能具有重要的现实意义。为了实现对群养栏马岗鹅关键行为高效率精准监测,该研究探索一种基于YoloX的群养马岗鹅关键行为监测算法（Magang geese behavior monitoring of based on Double Head-YoloX,MGBM-DH-YoloX）,该算法通过减少YoloX的头部数量提升检测效率、使用损失函数减少前景背景干扰、使用迁移训练方式提高网络训练效率等技术对马岗鹅采食、饮水、休息和应激等关键行为及其规律进行分析。MGBM-DH-YoloX首先用Mosaic和Mixup对马岗鹅图像进行数据增强,然后使用增强后的数据集训练模型,并且利用模型检测马岗鹅的关键行为,最后累计得出马岗鹅关键行为的发生时长和行为节律;试验训练集为1 400幅、验证集200幅和测试集为400幅,连续活动视频10 d。结果表明,MGBM-DH-YoloX算法的平均精度为98.98%、检测速度达到81帧/s、内存消耗为2 520.04 MB。对马岗鹅的10 d养殖数据分析发现,MGBM-DH-YoloX能有...     

基于共现网络的关键微生物对秸秆还田土壤小麦产量的影响

秸秆施用对作物产量影响效应不一致的机理尚不清楚,可能与秸秆施用诱导的土壤关键微生物群落组成及其丰度变化对产量影响的机理挖掘不够深入有关。选择红壤和黄褐土进行小麦盆栽实验,设置不同秸秆施用水平（S₀、S₁₀、S₃₀,分别为0、10、30 g·kg^-1土）,基于细菌-真菌共现网络评估微生物生态集群、酶活性、化学性质对秸秆施用下小麦产量的影响。结果表明,施用秸秆显著提升了两种土壤的速效养分、可溶性有机碳、微生物生物量碳含量及土壤酶（淀粉酶、转化酶、多酚氧化酶、脲酶、酸性磷酸酶、脱氢酶）活性,但红壤上小麦产量随着秸秆施用量增加显著增加,而黄褐土上则随着秸秆施用量增加而显著降低。与S₀相比,红壤中S₁₀和S₃₀处理的籽粒重和地上部生物量分别提升33%～44%和73%～85%,黄褐土中则分别降低22%～25%和55%。共现网络中两个关键生态集群的丰度、酶活性、土壤化学性质的共同正效应影响了红壤小麦产量变化,而关键生态集群丰度对黄褐土小麦产量变化有更大的正效应。秸秆施用显著增加了红壤中与小麦产量正相关的Aspergillus丰度,显著降低了黄褐土中与小麦产量正相关的Bacillus、Burkholderia、Basidiobolus丰度。综上,秸秆施用后红壤中关键有益微生物丰度增加、酶活性增强、化学性质改善叠加作用使小麦产量提升;而黄褐土上小麦产量降低主要与关键有益微生物丰度降低有关,其效应超过化学性质和酶活性的改善。以上结果暗示关键微生物丰度的改变对秸秆还田土壤上作物产量变异有重要影响。     

采用组合增强的YOLOX-ViT协同识别温室内番茄花果

番茄花果的协同识别是温室生产管理调控的重要决策依据,针对温室番茄栽培密度大,植株遮挡、重叠等因素导致的现有识别算法精度不足问题,该研究提出一种基于级联深度学习的番茄花果协同识别方法,引入图像组合增强与前端ViT分类网络,以提高模型对于小目标与密集图像检测性能。同时,通过先分类识别、再进行目标检测的级联网络,解决了传统检测模型因为图像压缩而导致的小目标模糊、有效信息丢失问题。最后,引入了包括大果和串果在内的不同类型番茄品种数据集,验证了该方法的可行性与有效性。经测试,研究提出的目标检测模型的平均识别率均值（mean average precision,m AP）为92.30%,检测速度为28.46帧/s,其中对小花、成熟番茄和未成熟番茄识别平均准确率分别为87.92%、92.35%和96.62%。通过消融试验表明,与YOLOX、组合增强YOLOX相比,改进后的模型m AP提高了2.38～6.11个百分点,相比于现有YOLOV3、YOLOV4、YOLOV5主流检测模型,m AP提高了16.56～23.30个百分点。可视化结果表明,改进模型实现了对小目标的零漏检和对密集对象的无误检,从而达到...     

基于Web投票机制的免疫协同过滤推荐技术研究

针对投票机制的个性化推荐系统,利用人工免疫网络模型的动态适应性、自组织性等特性,通过构建用户的兴趣模型来设计用户投票行为的抗体（抗原）编码及交叉克隆算子,并通过人工免疫网络模型来产生高效的推荐结果。