基于改进YOLO v5s的轻量化植物识别模型研究

为方便调查宁夏全区荒漠草原植物种类及其分布,需对植物识别方法进行研究。针对YOLO v5s模型参数量大,对复杂背景下的植物不易识别等问题,提出一种复杂背景下植物目标识别轻量化模型YOLO v5s-CBD。改进模型YOLO v5s-CBD在特征提取网络中引入带有Transformer模块的主干网络BoTNet(Bottleneck transformer network),使卷积和自注意力相结合,提高模型的感受野;同时在特征提取网络融入坐标注意力(Coordinate attention, CA),有效捕获通道和位置的关系,提高模型的特征提取能力;引入SIoU函数计算回归损失,解决预测框与真实框不匹配问题;使用深度可分离卷积(Depthwise separable convolution, DSC)减小模型内存占用量。实验结果表明,YOLO v5s-CBD模型在单块Nvidia GTX A5000 GPU单幅图像推理时间仅为8 ms,模型内存占用量为8.9 MB,精确率P为95.1%,召回率R为92.9%,综合评价指标F1值为94.0%,平均精度均值(mAP)为95.7%,在VOC数据集...     

改进YOLOv5识别复杂环境下棉花顶芽

为提高复杂环境下棉花顶芽识别的精确率,提出了一种基于YOLOv5s的改进顶芽识别模型。建立了田间复杂环境下棉花顶芽数据集,在原有模型结构上增加目标检测层,提高了浅层与深层的特征融合率,避免信息丢失。同时加入CPP-CBAM注意力机制与SIOU边界框回归损失函数,进一步加快模型预测框回归,提升棉花顶芽检测准确率。将改进后的目标检测模型部署在Jetson nano开发板上,并使用TensorRT对检测模型加速,测试结果显示,改进后的模型对棉花顶芽识别平均准确率达到了92.8%。与Fast R-CNN、YOLOv3、YOLOv5s、YOLOv6等算法相比,平均准确率分别提升了2.1、3.3、2、2.4个百分点,该检测模型适用于复杂环境下棉花顶芽的精准识别,为后续棉花机械化精准打顶作业提供技术理论支持。     

农业科研院所单独招收博士后的可行性分析及对策探讨--以中国热带农业科学院博士后科研工作站为例

重大事项督导工作是一项突出重点、统领全局的工作,对促进科研院所重大决策、重大部署和重点项目等有效落实,加快科研院所发展目标实现具有十分重要的战略意义。本文主要以中国热带农业科学院开展重大事业督导工作为例,对科研院所重大事项督导机制进行探讨、研究,并就加强重大事项督导工作提出了建设性意见。     

发动机冷却系统节温器的原理与检修

节温器（thermostat）是根据冷却水温度的高低自动调节进入散热器的水量,改变水的循环范围,以调节冷却系的散热能力,保证发动机在合适的温度范围内工作。节温器必须保持良好的技术状态,否则会严重影响发动机的正常工作。     

基于改进YOLOF模型的田间农作物害虫检测方法

田间害虫图像数据采集困难,并且传统的检测模型大多使用复杂的特征金字塔(Feature pyramid network, FPN)结构提升精度,这在一定程度上影响了检测的实时性。为此,本研究通过设计诱虫灯装置构建害虫数据集FieldPest5,并且对无FPN结构的检测器YOLOF进行改进,提出兼顾检测精度和效率的害虫检测模型YOLOF＿PD。首先,增加Cutout数据增强方法缓解害虫图像中的遮挡问题,并且使用CIoU损失函数获得更好的框回归位置;其次,在原有坐标注意力机制(Coordinate attention, CA)的全局平均池化(Global average pooling, GAP)路径中增加全局最大池化(Global max pooling, GMP)路径,并且使用可学习参数自适应更新不同路径的权重,提出自适应坐标注意力机制(Adaptive coordinate attention, ACA),增强模型的信息表征能力;最后,对YOLOF膨胀编码器中的Projector和Residual模块进行改进,在Projector模块的3×3卷积后引入ACA注意力机制,在Residua...     

稻田上覆水中光致活性组分形成过程及其环境效应研究进展

稻田上覆水中富含有机质、亚硝酸盐和硝酸盐等光敏活性物质,在太阳光作用下会产生三重激发态有机质(3CDOM*)、单线态氧(1O2)和羟基自由基(?OH)等活性组分,其对稻田污染物转化和碳氮等元素循环具有重要意义。基于此,综述了稻田上覆水中光致活性组分产生过程和机制,重点介绍了水稻不同生长周期内光活性组分的类型、通量变化趋势;探讨了不同环境因素对自由基产生的影响;阐述了上覆水光致活性组分对稻田中砷和不同有机污染物的非生物转化贡献与机制,并展望了稻田上覆水光化学过程的未来研究方向。     

融合IDA-GRU和IIDW的水产养殖溶解氧时空预测模型

为了提高大面积水产养殖中养殖效率、降低养殖风险、提高溶解氧(dissolved oxygen,DO)时空预测精度,该研究基于双重注意力机制改进的门控循环单元(improved gated recurrent unit based on dual attention mechanism,IDA-GRU)和改进逆距离加权插值算法(improved inverse distance weighting interpolation algorithm,IIDW),提出了一种改进的水产养殖溶解氧时空预测模型。首先在门控循环单元(gated recurrent unit,GRU)的基础上,引入特征和时间双重注意力机制(dual attention,DA),实现溶解氧时间序列预测,其中特征注意力机制实时计算各环境特征的贡献率,不断修正各环境特征的权重,时间特征注意力机制自主地提取关键历史时刻信息;然后在溶解氧时间序列的基础上,利用IIDW算法实现溶解氧空间预测,该算法中提出的距离权重校正系数,能够实时调整插值权重。最后,在上海城市电力公司数字化生态养殖基地对该模型进行了试验验证。试验结果表明,对于溶...     

豆制品煮浆工艺要点概述

豆制品加工工艺是不可逆工艺,所以每一个工艺环节的控制都会直接或间接影响到后续工艺环节和最终产品品质,主要论述了豆制品煮浆工艺的内容及要点,以及实际煮浆过程中的注意事项。     

基于改进YOLOv7的棉田虫害检测

棉田虫害的快速检测与准确识别是预防棉田虫害、提高棉花品质的重要前提。针对真实棉田环境下昆虫相似度高、背景干扰严重的问题,提出一种ECSF-YOLOv7棉田虫害检测模型。首先,采用EfficientFormerV2作为特征提取网络,以加强网络的特征提取能力并减少模型参数量;同时,将卷积注意力模块（convolution block attention module,CBAM）嵌入到模型的主干输出端,以增强模型对小目标的特征提取能力并削弱背景干扰;其次,使用GSConv卷积搭建Slim-Neck颈部网络结构,在减少模型参数量的同时保持模型的识别精度;最后,采用Focal-EIOU（focal and efficient IOU loss,Focal-EIOU）作为边界框回归损失函数,加速网络收敛并提高模型的检测准确率。结果表明,改进的ECSF-YOLOv7模型在棉田虫害测试集上的平均精度均值（mean average precision,mAP）为95.71%,检测速度为69.47帧/s。与主流的目标检测模型YOLOv7、SSD、YOLOv5l和YOLOX-m相比,ECSF-YOLOv7模型的mAP分别高出1.43、9.08、1.94、1.52个百分点,并且改进模型具有参数量更小、检测速度更快的优势,可为棉田虫害快速准确检测提供技术支持。     

不同有机物料与化肥配施对土壤钾素含量的影响

[目的]研究不同有机物料与化肥配施对土壤钾素含量的影响。[方法]以北方春玉米旱地为对象,研究同一耕地上3种有机物料鹿粪、秸秆和树叶分别与化肥配施对土壤中钾素含量的影响,分析土壤中全钾、速效钾、缓效钾的含量及变化情况。[结果]3种有机物料和化肥配施处理中,土壤中的全钾、速效钾、缓效钾的含量增加幅度为鹿粪区〉秸秆区〉树叶区〉对照区;在同一有机物料区,与氮磷钾化肥配合施用的处理中,土壤中的全钾、速效钾、缓效钾的含量增加幅度最大。[结论]为保证土壤钾素肥力的可持续性,有机肥与化肥配合施用是一项根本的技术措施。