三江平原井灌水稻区地下水人工补给方法初探

针对三江平原井灌区地下水位逐渐下降、急需恢复的现状,结合国内外地下水人工补给实践,对三江平原井灌区地下水人工补给方法进行了探讨,提出了今后地下水人工补给实践的初步设想,为该区域地下水资源的可持续利用提供了参考依据.     

自压式树状管网的两级优化设计模型与神经优化设计

建立了自压式树状管网两级优化设计模型，并用人工神经网络法实现树状管网非线性规划模型的快速求解。采用的人工神经网络技术的两级优化设计模型在适用范围、求解速度和获得最优解能力上，均优于单一的非线性规划模型和线性规划模型，是实现树状管网全局优化设计的一条新途径。     

人工神经网络在我国水科学中的应用与展望

简要介绍了人工神经网络的发展、结构与特点；从预测预报、评价、水灾害防治、水资源配置与管理决策4方面，综合评述了人工神经网络在我国水科学中的应用，并就人工神经网络今后在我国水科学中的应用与研究做了展望。     

Artificial inoculation and susceptibility of Pinus armandii to Dothistroma septosporum

Dothistroma needle blight (DNB) is a serious needle disease of conifers that primarily affects pine species (Pinus spp.). Dothistroma septosporum is one of the DNB pathogens that has a diverse range of host species excluding Pinus armandii. In 15 inoculated P. armandii seedlings, D. septosporum acervuli were observed in 43 infected needles of ten seedlings with a mean disease severity of 1.11% at 25 weeks after inoculations, demonstrating the potential of D. septosporum to cause symptoms on the needles of P. armandii via artificial inoculation. The disease severity of P. armandii was similar to the positive control, Pinus nigra (median 0.75 for P. armandii to 0.70 for P. nigra), thus, P. armandii acts under artificial conditions as a susceptible host species.     

基于径流分类的日径流量预测神经网络模型

利用聚类分析法将径流序列分解为若干个子径流序列 ,对这些子径流序列分别建立局部神经网络模型 ,而后把这些局部模型合并成一个混合模型。当新的信息进入该模型时 ,首先用分类器判别其类别 ,以确定用混合模型中的何种局部模型加以模拟。通过与不加分类的总体神经网络模型的模拟结果加以对比 ,结果表明这种基于径流分类的降雨 -径流模型表现出了更优良的性能 ,可以较大地提高径流模拟精度。     

铁皮石斛人工繁育技术

以铁皮石斛商品瓶苗和盆栽苗茎段为试材,添加不同浓度6-BA、NAA,诱导茎段腋芽、原球茎和不定根,建立再生体系,快速繁殖铁皮石斛组培苗,以期为秦岭淮河一线以北地区人工繁殖铁皮石斛提供参考依据。结果表明:外植体宜采用70%酒精浸泡20 s,0.1%升汞浸泡8 min消毒;MS+6-BA 3.0~5.0 mg·L^-1+NAA 0.1~1.0 mg·L^-1适合腋芽分化和增殖,分化率92%~100%;1/2MS+6-BA 2.0 mg·L^-1+NAA 0.5 mg·L^-1+土豆泥15%适合原球茎诱导增殖,增殖倍数7.7;1/2MS+NAA 0.3 mg·L^-1生根率为100%;以松针土移栽,成活率83%。     

基于改进ConvNeXt模型的黄羽鸡表皮层黑色素智能分级方法

为解决活体黄羽鸡表皮层黑色素分级方法成本高、效率低下、分级环境易受环境光干扰等问题,该研究探索一种基于ConvNeXt模型的黄羽鸡表皮层黑色素智能分级方法 ConvNeXt-WPCA,用于实现活体黄羽鸡表皮层黑色素智能分级。ConvNeXt-WPCA模型通过以下3点改进提高模型对黄羽鸡黑色素的识别效果：1）针对黄羽鸡黑色素图像RGB三通道内黑色素信息分布不均衡问题,改变输入图片通道权重来增强模型对黑色素特征的提取能力;2）使用部分卷积代替深度可分离卷积,减少模型计算量和内存访问次数提高对计算资源的利用率;3）引入坐标注意力机制,引导模型关注黄羽鸡胸腹部及肛门附近皮肤提升模型精度。同时,该研究还设计一种双光源图像获取装置,分别在自然光和偏振光条件下拍摄黄羽鸡样本,以减小分级结果受环境光干扰的影响,并探索偏振光在黑色素分级任务中的应用潜力。结果表明ConvNeXt-WPCA模型相较标准ConvNeXt模型,针对自然光下黄羽鸡黑色素图像数据集分级准确率提升9.68个百分点,最终达到89.03%的识别准确率,针对偏振光下黄羽鸡黑色素图像数据集分级准确率提升15.26个百分点,最终达到98.87...     

改进YOLOv5s对病理学图像中猪只小肠绒毛的检测

为解决传统小肠绒毛需要专业人员手动检测耗时耗力且存在主观性和不稳定性等问题,同时提高在复杂病理学图像中小肠绒毛检测的准确率和效率,该研究提出基于改进YOLOv5s检测复杂病理学图像下猪只小肠绒毛的方法。首先,采用串联形式的混合池化对空间金字塔进行优化,增强特征提取与特征表达,提升检测精度;然后引入一种基于注意力机制的网络模块(simpleattentionmechanism,SimAM)与Bottleneck中的残差连接相结合,使用SimAM对Bottleneck中的特征图进行加权,得到加权后的特征表示,利用注意力机制加强模型对目标的感知。试验结果表明,该研究算法的平均精度（average precision）和每秒传输帧数（frame per second,FPS）达到92.43%和40帧/s。改进后的YOLOv5s在召回率和平均精度上相较改进前提高2.49和4.62个百分点,在不增加模型参数量的情况下,每帧图片的推理时间缩短1.04 ms。与经典的目标检测算法SSD、Faster R-CNN、YOLOv6s、YOLOX相比,平均精度分别提高15.16、10.56、2.03和4.07...     

马肠道微生物组成及影响因素的研究进展

马肠道微生物群对其营养消化及维持机体健康具有重要作用,肠道不同部位的微生物具有不同功能,易受到各种因素的影响。马肠道正常微生物群结构遭到破坏,可导致肠道微生物失衡和机体功能紊乱,进而引起多种疾病。介绍了马肠道不同部位的微生物群结构组成特征,阐述了影响马肠道微生物群变化的各类因素,以期为改善马肠道营养健康、开发马健康监测和疾病预防工具提供科学依据,也为马肠道微生物研究提供新的视角。     

轮状病毒感染肠上皮细胞激活宿主先天免疫研究进展

轮状病毒(RV)是引起婴幼儿、幼畜禽急性肠胃炎的人畜共患病原,常与其他病原体混合感染,多以呕吐,严重水样腹泻,脱水为临床症状,感染后具有较高病死率,对人类公共卫生以及养殖业造成极大危害.RV病原相关分子模式(PAMP)可被肠上皮细胞(IECs)中一组可遗传的模式识别受体(PRR)识别,通过IECs、先天免疫细胞与RV互...