基于堆叠沙漏网络的单分蘖水稻植株骨架提取

针对水稻栽培和遗传育种研究中单分蘖性状高通量无损提取的实际需求,该研究提出了一种基于沙漏网络模型的单分蘖水稻关键点预测和骨架提取方法。首先,对原始图像进行批量裁剪、gamma校正和锐化卷积等预处理,获取单色背景下的水稻单分蘖图像数据集;设计水稻单分蘖各器官关键点数据标注策略,构建监督数据集。然后,构建堆叠沙漏网络架构实现叶片数固定和不固定的水稻关键点检测,引入沙漏结构整合图像的多尺度特征,结合中间监督机制整合不同沙漏模块信息。叶片数一致的情况,模型预测准确率最高可达96.48%;叶片数不一致的情况,预测准确率达到82.09%。最后,根据预测关键点及其对应的语义信息连接形成植株骨架,选取茎秆长、叶片长、穗长、叶片-茎秆夹角和茎节点位置5个表型参数对生成骨架模型的实际意义进行评估,其均方根误差依次为5.82 cm、3.09 cm、1.71 cm、3.22°和2.04 cm,证明了该方法能较好地识别水稻单分蘖关键点,为水稻骨架提取提供了一种新思路,有助于加快水稻育种速度。     

基于技术和制度设计的我国农产品质量安全管理

概述了我国农产品质量安全的基本现状,并针对当前农产品质量安全体系存在的设备简陋、技术研发薄弱、检测成本偏高、检测标准不统一、从业人员素质偏低以及立法滞后、监管体制机制不健全甚至执法违法并存等问题,从技术和制度两个层面加以设计,提出了强化源头控制,严格市场准入,完善法律法规和监督执法体系,大力推进技术支撑体系建设等5项建议。     

食品中农药残留分析方法的研究进展

由于农药残留引发的食品中毒事件时有发生,食品安全已受到人们的广泛关注和重视。因此,加强对农药残留分析方法的研究和加大对农药残留的检测力度非常重要。对近年来食品中农药残留分析的样品处理和检测方法进行了较为全面的概述,提出了农药残留分析的发展趋势。     

Emerging Marine Biotoxins in European Waters: Potential Risks and Analytical Challenges

Harmful algal blooms pose a challenge regarding food safety due to their erratic nature and forming circumstances which are yet to be disclosed. The best strategy to protect human consumers is through legislation and monitoring strategies. Global warming and anthropological intervention aided the migration and establishment of emerging toxin producers into Europe’s temperate waters, creating a new threat to human public health. The lack of information, standards, and reference materials delay effective solutions, being a matter of urgent resolution. In this work, the recent findings of the presence of emerging azaspiracids, spirolildes, pinnatoxins, gymnodimines, palitoxins, ciguatoxins, brevetoxins, and tetrodotoxins on European Coasts are addressed. The information concerning emerging toxins such as new matrices, locations, and toxicity assays is paramount to set the risk assessment guidelines, regulatory levels, and analytical methodology that would protect the consumers.     

高通量分子标记检测方法的研究进展

分子标记直接反映基因组序列水平上的遗传多样性,被广泛地应用于基因定位、多样性分析、作物遗传育种及医疗等领域。近几年,伴随着芯片杂交技术和测序技术的快速发展,高通量、高自动化的分子标记检测技术有许多新发展。本文针对目前常用的分子标记检测新技术,包括dCAPS、KASPar、基因芯片、简化基因组测序和靶向测序基因型检测等技术的原理、方法、优缺点和其应用前景进行综述,为分子标记的检测和遗传相关研究提供信息支持。     

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。     

中小粒径种子播种检测技术研究进展

播种检测技术是实现播种智能化的关键技术之一,可为变量播种提供基本的技术支撑。该研究分析了国内外中小粒径种子播种检测技术进展及相应检测装备,重点阐述了中小粒径种子感知方法,主要包括机械机电报警检测法、机器视觉检测法、光电传感检测法、电容传感检测法、压电传感检测法,并对不同检测方法优劣进行分析;同时围绕播种机故障监测、播量、播种频率、行距、株距、漏播、重播等评价指标,明确了播种检测的主要内容,结合精准农业要求为不同播种模式提出对应播种检测指标;进一步分析了为解决漏播问题的变量补种技术和播种检测信息传输技术的研究概况。在系统总结和分析播种检测相关技术的基础上,提出在精准农业背景下对中小粒径种子播种检测的发展要求,展望未来中小粒径种子播种检测技术发展趋势。     

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。     

采用改进YoloV4模型检测复杂环境下马铃薯

为解决马铃薯联合收获机在作业过程中分级清选的问题,并在收获作业过程中实时监测评估收获状态,该研究提出一种在光照亮度变化大、土壤与薯块遮挡、机器振动以及尘土干扰等情况下对马玲薯进行识别检测并快速准确获取马铃薯数量以及损伤情况的机器学习模型。在卷积神经残差网络中引入轻量级注意力机制,改进YoloV4检测网络,并将YoloV4结构中的CSP-Darknet53网络替换为MobilenetV3网络,完成特征提取。试验结果表明,基于卷积神经网络的深度学习方法相比于传统Open-CV识别提高了马铃薯识别精度,相比于其他传统机器学习模型,MobilenetV3-YoloV4识别速度更快,马铃薯识别的全类平均准确率达到91.4%,在嵌入式设备上的传输速度为23.01帧/s,模型鲁棒性强,能够在各种环境下完成对正常马铃薯和机械损伤马铃薯的目标检测,可为马铃薯联合收获机智能清选以及智能收获提供技术支撑。     

基于物元可拓模型的黄河兰州段突发水污染安全评价

[目的]科学评价黄河流域突发水污染安全等级,为提高黄河流域突发水污染事件应急响应能力提供参考.[方法]基于科学性、整体性、数据可获得性等原则,通过PSR模型遴选16个与黄河兰州段相关指标构建评价指标体系,并以黄河兰州段2014-2019年数据为基础,采用GRA-PCA组合确定指标权重,运用物元可拓模型得到其突发水污染安...