面向多类型土壤有机碳定量反演的天基高光谱探测参数研究

星载高光谱仪器的光谱通道以及光谱分辨率和信噪比等核心参数设置直接影响土壤有机碳定量反演精度。本研究开展了卫星载荷光谱分辨率、信噪比、光谱特征波段对不同土壤类型有机碳反演影响的研究,提出了基于大气传输模型、光谱分辨率分析模型、信噪比分析模型、特征波段的提取分析模型以及偏最小二乘回归反演模型的面向不同土壤类型有机碳监测的高光谱卫星“地面–大气–仪器–观测–反演”全链路仿真分析方法,实现了土壤类型、大气效应、仪器特性参数、反演方法的耦合影响分析。结果表明：①3种类型土壤有机碳反演的最佳光谱分辨率均在10~20 nm。②不同土壤类型对观测的信噪比需求不同。对于Phaeozem的有机碳监测,较另外两种土壤有更高的信噪比需求。③在不同特征波段提取分析方法下所需的最佳光谱分辨率和信噪比一致。不同类型土壤光谱数据提取出的特征波段不同,其中反演效果最佳的土壤类型为Chernozem,特征波段数为26个,R²=0.826 5,RMSE=3.438 9 g/kg。④反演模型与仪器特性参数无耦合关系,同一类型土壤不同反演算法的最佳光谱分辨率和信噪比需求一致。⑤Chernozem有机碳最佳反演参数需求为光谱分辨率15 nm,信噪比大于506.66,特征波段提取数为26个;Kastanozem有机碳最佳反演参数需求为光谱分辨率17 nm,信噪比大于331.42,特征波段提取数为22个;Phaeozem有机碳最佳反演参数需求为光谱分辨率15 nm,信噪比大于432.51,特征波段提取数为19个。     

基于YOLOv5s改进模型的小白菜虫害识别方法

小白菜是中国种植面积较广、深受大众喜爱的蔬菜,但真实菜地环境中虫害往往出现在叶片的特定区域,且受环境因素如光照和背景干扰较大,影响对其的智能检测。为提高小白菜虫害的检测效率和准确率,该研究提出一种基于YOLOv5s网络框架改进的YOLOPC小白菜虫害识别模型。首先,引入CBAM（Convolutional Block Attention Module）注意力机制,将其放在CBS（卷积层Convolution+归一化层Batch normalization+激活函数层SILU）的输入端构成CBAM-CBS的结构,动态调整特征图中各个通道和空间位置的权重;使用上采样和1×1卷积操作来调整特征图的尺寸和通道数,实现不同层次特征的融合,增强模型的特征表示能力。同时,改进损失函数,使其更适合边界框回归的准确性需求;利用空洞卷积的优势提高网络的感受野范围,使模型能够更好地理解图像的上下文信息。试验结果表明,与改进前的YOLOv5s模型相比,YOLOPC模型对小白菜小菜蛾和潜叶蝇虫害检测的平均精度（mean Average Precision, mAP）达到91.40%,提高了12.9个百分点;每秒传输帧数（Frame Per Second, FPS）为58.82帧/s,增加了11.2帧/s,增加幅度达23.53个百分点;参数量仅为14.4 MB,降低了25.78个百分点。与经典的目标检测算法SSD、Faster R-CNN、YOLOv3、YOLOv7和YOLOv8相比,YOLOPC模型的平均精度分别高出20.1、24.6、14、13.4和13.3个百分点,此外,其准确率、召回率、帧速率和参数量均展现出显著优势。该模型可为复杂背景下小白菜虫害的快速准确检测提供技术支持。     

基于CNN-Transformer的农作物病虫害知识问答意图识别与槽位填充联合模型

意图识别与槽位填充是农作物病虫害知识问答中问题理解的两个重要任务。在已有面向农业领域的研究中,上述任务仍被视为两个完全独立的子任务,并且未充分利用意图识别与槽位填充的语义信息。为此,该研究提出一种基于CNN-Transformer的意图识别与槽位填充联合模型（CDPCT-IDSF）。该模型根据农作物病虫害文本语义复杂设计CNN网络与多层Transformer结合强调局部的有用信息以缓解语义缺失问题;然后在Transformer解码器中引入对齐保证输入与输出一对一关系以提高识别正确槽位标签的能力。此外,进一步构建了包含20个意图类别、12个槽位类别和11242条标注样本的农业病虫害知识问答数据集进行对比试验,CDPCT-IDSF模型在该语料库上的槽位填充F1值为94.36%,意图识别精度为92.99%,整体识别精度为87.23%,优于其他对比模型,结果证明了所提模型在农作物病虫害意图识别与槽位填充任务上的有效性,可为面向农作物病虫害的知识问答研究提供理论支撑。     

虹鳟倍性鉴定SSR标记筛选与应用研究

虹鳟(Oncorhynchus mykiss)是我国冷水性鱼类的主要养殖品种。与二倍体相比,虹鳟三倍体具有生长速度快、肉质好和不育等优点。目前,鉴定虹鳟倍性主要是通过流式细胞术进行DNA含量分析,但这种方法需要采集鱼类血液或组织样本,会对其造成伤害。为了实现利用微创方法收集样本鉴定虹鳟倍性,本研究利用PCR扩增以及电泳分离技术对153个微卫星标记(SSR标记)进行分析,其中139个SSR标记能够在二倍体和三倍体中成功扩增,筛选出132个SSR标记具有多态性,最终鉴定出7个标记在三倍体中表现出较高的变异性。通过在52个已知倍性水平的参考样本和48个未知倍性的样本上进行验证,进一步从中筛选出3个SSR标记(SSR1054、SSR1056和SSR1468)足以区分倍性水平,并且根据3个标记序列重新设计了3对具有良好稳定性的引物序列进行倍性分析应用。本研究所筛选的SSR标记解决了现有虹鳟倍性鉴定中存在的技术流程复杂、耗材昂贵的问题,并有助于不同倍性虹鳟的遗传多样性研究。     

人工神经网络NIR定量分析方法及其软件实现

在Visual C＋＋环境中采用面向对象技术,开发了PCA-MBP-NIR定量分析模型软件。通过40份小麦样品的原始光谱、加噪光谱（信噪比为14dB）与含水率所建立的PLS-NIR与PCA-MBP-NIR模型,对10份未知小麦样品的原始光谱、加噪光谱分别进行含水率的PLS-NIR与PCA-MBP-NIR预测分析。分析表明,对于含噪声的光谱,与PLS建模相比,使用PCA-MBP-NIR对未知样品预测结果具有更高的相关系数,更低的预测误差标准差。     

基于纹理和位置特征的麦田杂草识别方法

以化学防除适期麦田杂草为研究对象,对利用条播作物的位置和纹理特征识别田间杂草的方法进行了研究。根据条播作物小麦作物行的间距相对固定等位置特征,利用植物像素直方图法确定作物行的中心线和行宽,并识别行间杂草。然后,以作物行中心为基准来选取纹理块,计算量化级数为8级的H颜色空间的共生矩阵,提取5个纹理特征参数,利用K均值聚类法判别分析各块的类别来识别行内杂草。研究结果表明,杂草的正确识别率约为93％,作物的错误识别率约为7％。     

柑桔黑斑病的发病特点及检测方法研究进展

柑桔黑斑病(Citrus Black Spot,CBS)是一种真菌性病害,主要为害果实,并产生褐色斑点,严重时蔓延至全果,造成果实腐烂,显著影响果实的品质和外观,降低经济价值,被欧美等国列为重要的检疫性病害,近年来该病在我国一些柑桔产区已上升为主要病害。本文主要从柑桔黑斑病的病原菌、发病特点及检测方法等几个方面进行简要的概述。     

甘蔗线虫病抗性基因的PCR检测研究

以38份未经线虫病常规鉴定的甘蔗种质资源为供试材料,根据番茄抗根结线虫病基因和甜菜抗胞囊线虫病基因的保守序列区域,分别设计了2条上游引物、2条下游引物,对设计的引物进行组合后,应用PCR特异扩增从中分别筛选出各1对特异引物。用抗根结线虫基因设计的特异引物进行扩增最终获得了1条大约460 bp大小的特异片段;用抗胞囊线虫基因设计的特异引物进行扩增最终获得了1条大约690 bp大小的特异片段,进一步进行了PCR-Southern杂交,确认了该2条特异引物的真实性。     

用重组核衣壳蛋白ELISA检测PRRSV抗体的研究

ＰＲＲＳＶ重组Ｎ蛋白ＥＬＩＳＡ检测人工感染猪血清７５份,与ＩＤＥＸＸ公司ＥＬＩＳＡ试剂盒及ＩＦＡ的符合率分别为９７．３％和１００％。检测疫苗免疫猪血清,阳性率１００％。在免疫后６ｄ就能检出抗体,比ＩＦＡ敏感。检测８５份我国田间猪血清,阳性率１８．８％。     

Detection of cigarettes and other tobacco products by giant African pouched rats (Cricetomys gambianus)

If the illicit tobacco trade were eliminated, governments could gain at least $31.3 billion a year, and more than 164,000 premature deaths a year could be avoided after 2030 (Joossens, Merriman, Ross, and Raw, 2009). Dogs have been used successfully in tobacco control programs, and there is a good chance that rats could also play an important role. In the present experiment, giant African pouched rats were trained to respond to filters that had been stored together with cigarettes (i.e., soaked) and to not respond to filters that had been soaked with noncigarette items. Generalization to untrained types of tobacco was then tested. The sensitivity of 4 rats trained on filters soaked with 1 of 7 types of cigarettes ranged from 86% to 100% (mean, 95%). There was very little evidence of generalization when the rats were tested on tobacco leaves and snuff but good evidence of generalization when the rats were tested on cigarettes that had been soaked with strong-smelling additives. These findings suggest that rats may be a valuable asset in the global effort to control illicit cigarette trade.