恒温下相对湿度对果蔬热风干燥特性和品质的影响及调控

相对湿度作为干燥介质的重要参数,对干燥热质传质过程和干燥品质具有显著影响。但由于相对湿度对干燥过程的影响机理及优化调控机制尚不明确,导致相对湿度的调控方式多依靠经验,造成干燥效率低、品质差、能耗高等问题。对于传质过程,降低相对湿度能够增大对流传质系数,加快物料表面水分蒸发;而对于传热过程,升高相对湿度能够增大对流传热系数,加快物料升温速率。相对湿度较高时,物料升温速率快,内部水分迁移量增大,但表面水分蒸发量较小;而当相对湿度较低时,物料升温速率较慢,内部水分迁移量较小,但表面水分蒸发量较大。相对传热和传质过程的影响此消彼长,互相耦合。高相对湿度主要体现为对传热过程的影响,低相对湿度主要体现为对传质过程的影响。高相对湿度能够抑制物料表面的结壳,并能够提高复水性,降低收缩率。阶段降湿及多阶段降湿干燥方式下物料表面形成和保持了蜂窝状多孔结构,能够提高干燥效率和品质。基于监测物料温度的相对湿度调控方式被验证为较忧的相对湿度控制方式。阶段降湿干燥方式适用性的实质为：干燥过程中所体现出的对流传热热阻和内部导热热阻的相对大小,及对流传质阻力和内部传质阻力的相对大小,不同干燥条件和物料种类、厚度会影响以上传热传质阻力的大小,从而呈现出不同适应性的结果。当阶段降湿干燥过程中传热毕渥数>1且传热毕渥数>0.1时,说明阶段降湿干燥过程适用于此物料的干燥。该文综合论述了相对湿度对果蔬热风干燥过程中热质传递及干燥品质的影响,优化调控策略及适用性范围4个方面内容,明确了果蔬热风干燥过程中相对湿度的影响机理,为相对湿度的优化调控提供理论依据和技术支持。     

水下底栖生物轻量化目标检测算法YOLOv7-RFPCW

针对水下底栖生物检测模型参数量过多,计算量过大,同时水下环境复杂容易造成错检和漏检,影响模型在水下底栖生物检测任务中的准确性的问题。提出了一种水下底栖生物轻量化检测算法YOLOv7-RFPCW。对YOLOv7网络重新设计轻量级网络结构,降低了特征提取网络的参数量和计算量,减少模型体积。设计了P-ELAN和P-ELAN-W模块,进一步轻量化特征提取网络;针对水下图像颜色失真,目标的空间位置不准确的问题,采用CBAM注意力模块加强特征融合,减少信息丢失,以更好地适应特殊的水下环境;针对水下目标容易出现形状变形的问题,使用WIOU-V3损失函数替换默认的CIOU损失函数,提高水下底栖生物检测的鲁棒性。试验结果显示,改进后的模型YOLOv7-RFPCW的参数量和计算量分别减少了75.9%和30.7%,模型体积减小了75.3%,精度提升了1.9个百分点。这一综合性的提升兼顾了轻量化和精度,为在水下环境中部署提供了可行的解决方案,验证了所提出的改进算法能胜任水下底栖生物检测任务。     

干旱地区区域内部洪水资源调配研究——以天津市南北水系沟通工程为例

依据历史水文数据和区域水资源现状,阐述了20世纪以来天津市湿地萎缩的趋势和成因,论述了该地区进行汛期洪水资源存储的必要性和可能性。实施境内区域水资源的优化调配,建设南北水系沟通工程引北部富余雨洪水南调入北大港水库,是天津市洪水资源利用体系的重要组成部分。基于Newton-Raphson方法和松弛算法建立一维河网非恒定流水动力学模型,对西线调水工程拟建路线和30 m3/s和50 m3/s两种方案进行数值计算,结果表明:该工程线路可以实现自流调水,调水过程平稳且线路沿程控制水位较低。分析工程实施对环境影响,通过加强水质监测、合理选择调水时机、及时修复施工所占用土地等措施,可减弱工程对环境的不良影响。     

猪体细胞核移植技术及研究现状

自2000年Polejaeva I A获得第1头克隆猪后,短短几年时间全世界已有10多例成功的报道,使得猪的体细胞核移植有了长足的发展,但目前猪的体细胞核移植效率依然低下,人们对核移植中重编程分子机理的认识知之甚少。简要综述了猪体细胞核移植近年来的研究进展,分析了猪核移植中的技术难点和影响因素。     

Effects of heat stress on the endometrial epidermal growth factor profile and fertility in dairy cows

The endometrial epidermal growth factor (EGF) profile is an indicator of uterine function and fertility in cattle. The present study aimed to investigate the effects of heat stress on the endometrial EGF profile and fertility in lactating Holstein cows. The endometrial EGF profiles of 365 cows in the Hokkaido and Kyushu regions were examined between June and September (heat stress period, n = 211) and between October and January (control period, n = 154). EGF profiles were investigated using uterine endometrial tissues obtained by biopsy 3 days after estrus (Day 3). The proportion of cows with an altered EGF profile was higher between June and September than between October and January (41.2 vs. 16.2%, P < 0.05). The effects of rectal temperature on Days 0 and 3 on the endometrial EGF profile were also assessed in cows (n = 79) between June and September in the Kyushu region. A single embryo was transferred to cow on Day 7 to evaluate fertility (n = 67). Regardless of the rectal temperature on Day 3, the proportion of cows with an altered EGF profile was higher (64.1 vs. 30.0%, P < 0.05) and the pregnancy rate after embryo transfer (ET) was lower (26.7 vs. 51.4%, P < 0.05) in cows with a rectal temperature ≥ 39.5°C on Day 0 than in cows with a rectal temperature < 39.5°C on Day 0. The present results indicate that alterations in the endometrial EGF profile induced by an elevated body temperature on Day 0 contributed to reductions in fertility in lactating dairy cows during the heat stress period.     

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。     

基于优化Transformer网络的绿色目标果实高效检测模型

果园环境中,检测目标果实易受复杂背景、果实姿态和颜色等因素影响,为提高绿色目标果实检测的精度与效率,满足果园智能测产和自动化采摘要求,本研究针对不同光照环境和果实姿态,提出一种适于样本数量不足的绿色目标果实高效检测模型。该模型采用优化Transformer结构,首先借助卷积神经网络(Convolutional Neural Network,CNN)网络提取图像特征;然后输入编码-解码器生成一组目标果实预测框,最后通过前馈神经网络(Feed-forward Network,FFN)结构预测检测结果。在训练过程中,引入重采样法扩充样本数量,解决样本数量不足问题;引入迁移学习,加速网络收敛。分别制作苹果、柿子数据集用于模型训练。试验结果表明,经迁移学习后该模型训练效率大幅提高;与流行的目标检测模型相比,优化后的模型在检测绿色柿子与绿色苹果时,精度分别为93.27%和91.35%。该方法可为其他果蔬绿色目标检测提供理论借鉴。     

生物炭对水稻-再生稻体系吸收土壤中Cd和Pb的影响

以矿区周边Cd—Pb复合污染的农田土壤为供试材料,设置0,2.5%和5%(w/w)3个生物炭添加处理,通过盆栽试验探讨生物炭对再生稻吸收土壤中Cd和Pb的影响。结果表明,生物炭施加提高土壤pH和有机质含量,使Cd和Pb从移动性较强的弱酸提取态转化为较稳定的可还原态,且土壤CaCl2提取的有效态Cd和Pb含量分别降低33.23%~53.23%和66.52%~91.45%。同时,生物炭抑制Cd在头季和再生季水稻叶到糙米中的迁移,降低Pb从茎到叶和糙米的迁移,从而减少Cd和Pb在糙米中的累积;在5%生物炭处理下,再生季糙米Cd含量为0.15mg/kg,低于食品安全国家标准限量值(0.2mg/kg);Pb含量比对照处理降低68.18%。此外,再生季糙米中Cd和Pb含量低于头季稻糙米中相应的含量。因此,生物炭可以抑制Cd和Pb在再生稻体内的累积,降低糙米的重金属污染风险。     

基于卷积神经网络与迁移学习的油茶病害图像识别

传统的植物病害图像识别准确率严重依赖于耗时费力的人工特征设计。该文利用深度卷积神经网络强大的特征学习和特征表达能力来自动学习油茶病害特征,并借助迁移学习方法将Alex Net模型在Image Net图像数据集上学习得到的知识迁移到油茶病害识别任务。对油茶叶片图像进行阈值分割、旋转对齐、尺度缩放等预处理后,按照病害特征由人工分为藻斑病、软腐病、煤污病、黄化病和健康叶5个类别。每个类别各选取750幅图像组成样本集,从样本集中随机选择80%的样本用作训练集,剩余20%用作测试集。利用随机裁剪、旋转变换和透视变换对训练集进行数据扩充,以模拟图像采集的不同视角和减少网络模型的过拟合。在Tensor Flow深度学习框架下,基于数据扩充前后的样本集,对Alex Net进行全新学习和迁移学习。试验结果表明,迁移学习能够明显提高模型的收敛速度和分类性能;数据扩充有助于增加数据的多样性,避免出现过拟合现象;在迁移学习和数据扩充方式下的分类准确率高达96.53%,对藻斑病、软腐病、煤污病、黄化病、健康叶5类病害的F1得分分别达到94.28%、94.67%、97.31%、98.34%和98.03%。该方法具有较高的识别准确率,对平移、旋转具有较强的鲁棒性,可为植物叶片病害智能诊断提供参考。     

基于6S模型的山区环境星影像大气校正研究

针对山区地形复杂,高程变化较大的特点,利用6S辐射传输模型建立查找表,结合研究区DEM对影像进行了大气校正。试验结果表明,校正后的影像清晰度、对比度提高了,消除了大气对NDVI的负面影响。