基于部分亲和场的行走奶牛骨架提取模型

在奶牛关键点预测的基础上,通过点、线重构奶牛骨架结构,可为奶牛跛行检测、发情行为分析、运动量估测等提供重要参考。本研究基于部分亲和场,以养殖场监控摄像头拍摄的视频为原始数据,使用1 600幅图像训练了奶牛骨架提取模型,实现了奶牛站立、行走状态下关键点信息和部分亲和场信息的预测,并通过最优匹配连接对奶牛骨架结构进行准确提取。为了验证该模型的性能,采用包含干扰因素的100幅单目标奶牛和100幅双目标奶牛图像进行了测试。结果表明,该模型对单目标行走奶牛骨架提取的置信度为78.90%,双目标行走奶牛骨架提取的置信度较单目标下降了10.96个百分点。计算了不同关键点相似性(Object keypoint similarity,OKS)下的模型准确率,当OKS为0.75时,骨架提取准确率为93.40%,召回率为94.20%,说明该模型具有较高的准确率。该方法可以提取视频中奶牛骨架,在无遮挡时具有高置信度和低漏检率,当遮挡严重时置信度有所下降。该模型的单目标和双目标图像帧处理速度分别为3.30、3.20 f/s,基本相同。本研究可为多目标奶牛骨架提取提供参考。     

基于信息抽取的食品安全事件自动问答系统方法研究

针对从海量食品安全事件新闻报道中很难抽取出所需答案的问题,以食品安全事件语料库为研究对象,提出了一种基于信息抽取技术的自动问答系统。首先,利用深度学习模型TextCNN对用户输入的问题进行分类,得到其所属类型。其次,对于输入问题,借助Lucene搜索引擎找到其最佳匹配文档。再次,根据输入问题的类型,从食品安全事件数据库（采用信息抽取技术自动提取的一个结构化数据库）中筛选出该文档所包含的答案候选句集合。最后,利用深度学习模型Bi LSTM及基于答案候选句上下文的特征提取方法构建一个答案抽取模型,该模型能从给定的答案候选句集合中提取出最终答案。为检查基于食品安全事件数据库的答案候选句筛选方式及基于答案候选句上下文的特征提取方式对整个自动问答系统性能的影响,进行了多种比较实验,结果表明含有基于食品安全事件数据库的答案候选句筛选方式和基于答案候选句上下文的特征提取方式的问答系统表现最佳,其回答准确率达到44%。这相比于传统的问答系统,具有明显的优势。     

基于卷积神经网络的家蚕病害识别研究

病害是我国养蚕业健康发展面临的主要威胁之一,为研究机械化养蚕模式下的家蚕病害防治方法,采用卷积神经网络进行家蚕病害图像的识别研究。首先在实际环境下,采用饲养和添食病原的方法,集中获取家蚕品种芳·秀×白·春在大蚕期的部分生长阶段下患脓病、微粒子病、白僵病、细菌病、农药中毒以及健康状态的样本,并开展图像采集工作,构建出家蚕病害图像数据集。其次采用特征融合和缩减结构的方法,对残差神经网络进行部分改进,以避免直接使用该算法会导致不必要的计算耗损。最后进行家蚕病害识别试验。结果表明:卷积神经网络能够高效准确识别家蚕病害图像,使用改进的算法在测试集上的准确率达到94.31%,与标准的残差神经网络准确率相当,但训练的参数量仅为原来的1/3,且识别效率大幅提升,更有利于网络的训练与部署。     

基于深度学习与多尺度特征融合的烤烟烟叶分级方法

为实现烤烟等级的快速准确识别,降低人工分级中主观因素对分级结果的影响,提高烟叶分级的准确性和一致性,提出一种基于烤烟RGB图像和深度学习的多尺度特征融合的烟叶图像等级分类方法,采用ResNet50提取烟叶图像特征,并引入基于注意力机制的SE模块(压缩激发模块),增强不同通道特征的重要程度;同时,采用FPN(特征金字塔网络)对提取的由浅及深不同层级的烟叶特征进行融合,以实现烟叶多尺度特征的表达。采集皖南地区6068个烤烟的正面和背面图像用于建模和分析。结果表明,提出的烟叶分级方法的分级正确率比经典CNN(卷积神经网络)高出5.21%,分级模型在新批次7个等级烟叶上的分级正确率为80.14%,相邻等级的分级正确率为91.50%。因此,采用RGB图像结合深度学习技术可实现烤烟烟叶等级的良好识别,可为烤烟烟叶收购等级评价提供一种新方法。     

基于Deeplabv3+模型的成都平原水产养殖水体信息提取

为应用深度学习和遥感影像实现养殖水体信息的快速提取,以成都平原为研究区,以Sentinel 2A和高分6号多光谱影像为数据源,基于国产开源深度学习平台PaddlePaddle训练Deeplabv3+语义分割模型,构建遥感影像的水体语义分割模型,用于提取成都平原养殖水体信息。Deeplabv3+方法的总体精度和Kappa系数分别达到94.14%和0.88,均高于归一化差分水体指数法和最大似然监督分类法;模型对阴影和建筑物等误分为水体的抑制效果较好,而对小面积和细小线状水体信息的提取则受影像分辨率影响,效果无明显改进;成都平原2018年和2020年养殖水体面积分别为22.3 khm²和28.6 khm²,其验证区青白江区、新津县和广汉市养殖水体面积的泛化提取结果验证误差均≤±10%。该研究结果可为应用深度学习平台建立遥感影像的水体语义分割模型及提取水产养殖水体信息提供参考。     

中美德系玉米品种的耐密性对深松耕作措施的响应分析

采取耕作方式×种植密度×品种三因素裂区试验,深松40 cm和旋耕15 cm耕作条件,在9.0万株/hm~2和10.5万株/hm~2种植密度下,对中系郑单958和登海618、美系先玉335和华美1号、德系KX3564和KWS2564不同血缘玉米品种的地上部形态、生理及产量构成指标进行对比分析。结果表明,深松可降低增密后玉米净光合速率、LAI、SPAD值和单株生产能力的下降幅度,缓解株型的变化,提高玉米的耐密性。我国玉米品种的耐密性对深松耕作响应与美系和德系玉米品种存在差异,深松耕作与旋耕相比,华美1号、KX3564、KWS2564、先玉335增加种植密度后,其穗位叶叶倾角、净光合速率、LAI、SPAD值下降缓慢,产量、耐密系数显著提高,其耐密适应性对深松耕作的响应度高于郑单958、登海618。     

人工智能产业链分析

根据对我国人工智能技术从基础层到技术层,最后到应用层的全产业链进行分析,旨在 对我国的人工智能技术与应用创新,提供发展方向。我国目前的人工智能技术在某些应用领域 发展迅速。例如,将算法层中的人工智能核心技术——机器学习,应用到智能金融领域、和智能 交通领域的无人驾驶公交车。在智能家居、智能教育、智能医疗等方面,现阶段有一定成果,但也 存在提升空间。     

关中地区不同耕作方式对冬小麦产量及土壤蓄水保水能力影响

2020-2021年在陕西省泾阳县设置3个深松深度和2个深翻深度,研究了不同深度的机械深松、深翻对土壤蓄水保水能力及产量影响。结果表明：深松和深翻处理在一定程度上有利于提高深层土壤的蓄水保水能力,播前深翻30 cm和深松30 cm处理80～200 cm各深度平均土壤含水率较对照分别高1.27%和1.64%,冬前、返青期和收获期3个深松深度和2个深翻深度处理80～200 cm各深度平均土壤含水率较对照提高0.13%～3.98%。在深松3个处理中30 cm深度处理产量最高为8 257.5 kg/hm²,较CK增产6.0%,处理之间差异极显著;在深翻2个处理中25 cm深度处理产量最高为8 017.5 kg/hm²,较CK增产3.0%,处理之间差异显著。深松和深翻处理对冬小麦产量的影响与处理深度密切相关,深松以30 cm深度处理,深翻以25 cm深度处理为最佳。     

免耕、覆盖、深松配套技术及耕作模式的研究(之三)──试验结果与分析(对土壤水分、盐分、氧化还原电位的影响)

为研究探讨旱作节水雨养农业耕作模式,按本研究（之二）的试验设计和研究方法,深入探讨了免耕、覆盖、深松对土壤水分、盐分、氧化还原电位的影响。研究认为：免耕覆盖深松是减少土壤水分蒸发、节省抗旱用水、增加土壤库容的有效措施。免耕覆盖能提高耕层含水量３．０～３． ４个百分点,每公顷节省抗旱用水７５０～８２５ｍ３,深松 ３０～４５ｃｍ能有效地避免地表迳流,多蓄积雨水１００～１５０ｍｍ。 ０～６０ｃｍ土层的脱盐率增加３． ６～１７个百分点。大雨后第７天深松３０～４５ｃｍ的处理,在３０～４０ ｃｍ上层的Ｅｈ值为 ２８５～３０５ ｍＶ,对植物吸收养分有利。     

农业高校创建学习型党组织着力点研究

党的建设是党领导的伟大事业不断取得胜利的重要法宝。党的十七届四中全会提出了“建设马克思主义学习型政党”的战略目标,农业高等院校也应紧密结合当前形势和自身实际,把科学理论武装、推动中心工作、提高思想政治水平作为深入推进高校学习型党组织创建活动的重要着力点。