基于VGGNet网络的雾霾无人车防碰撞研究

针对雾霾天气下无人车行驶容易出现视野受限，导致防碰撞能力下降的问题，提出了一种基于VGGNet网络的深度卷积神经网络模型，通过反向传播算法不断调整模型的权重和偏置，对收集雾霾天气下的图像和相关数据进行处理，实现模型的训练和优化。实验结果表明，所提出的方法可以有效地提高无人车在雾霾天气下的防碰撞能力，达到了良好的效果。研究结果可以为无人车行业在特殊气候条件下的防碰撞提供了一种新思路和实现方法，具有一定的参考价值和应用前景。     

《猪业科学》投稿须知

《猪业科学》杂志为月刊,每月25日出版,面向全国发行。内容充实、实用,每期一个主题,充分挖掘、深度报道、全面分析,全面反映养猪产业的最新成果、发展动态和市场经济信息。全彩色印刷、图文并茂适应现代"读图时代"潮流。1内容本刊主要栏目有主题策划、国际瞭望、猪场兽医、营养与饲料、环境与设施、猪群保健、遗传改良、生产管理、地方猪种、猪场人才等。     

基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。     

面向养殖水体分布差异的COD光谱法检测研究

面向养殖水体，传统光谱法对化学需氧量（Chemical Oxygen Demand，COD）检测模型构建的基础：源域（现有样本库）与目标域（检测地水体）间光谱数据独立同分布。但是当源域与目标域分布间存在差异时，由源域得到的低误差模型常在目标域上表现下滑。针对该问题，提出面向UV Vis光谱的域对抗训练网络（DAUVwpNet），将分布不同的源域和目标域数据映射至相同分布的特征空间中，使其在该空间的分布距离尽可能接近，从而在特征空间中对源域训练的目标函数也可以迁移至目标域上，以降低模型在目标域的误差。试验表明：面向同一批测试数据，DAUVwpNet的预测误差为0.78，要低于传统模型的预测误差（0.85）；DAUVwpNet预测值与实测值间相关系数为0.95，要高于传统模型的相关系数（0.89）。表明了该网络能够较好对齐两域特征空间数据分布，降低因分布差异带来的COD检测误差。     

水稻插秧深度与产量的关系

研究了水稻插不同深度的秧苗对水稻的有效分蘖数、有效分蘖率、结实率以及产量的影响；探索最佳的插秧深度及方法，最终得到较高的产量。     

高寒山区灌水、施肥对光叶紫花苕产草量的影响

<正>布拖县地处四川西南部大凉山，是凉山州自然条件最恶劣的县，彝族占91.5%，山区人民基本保持着粗放的生产和生活方式，属国定贫困县。农作物以土豆、玉米、荞麦为主，畜牧业以饲养绵羊、本地猪、本地鸡为主，多为放牧，几乎靠天养畜。冬季气候严寒，草料缺乏，牲畜饥寒交迫，掉膘和死亡的现象严重。1991年引进光叶紫花苕在布拖县种植推广，以解决家畜饲草问题，但由于管理粗放，产草量低。为了提高产草量，研究一些行之有效的田间管理措施，课题组于2002年8月至2003年4月在布拖县布拖区特木里镇进行灌水、施肥试验，现报告如下。     

堤防勘察中应注意的几个问题

文中对堤防勘察的特点进行了分析，并对堤防勘察实践中遇到的实际问题提出了一些想法和建议。     

灌水器制造偏差系数测定试验研究

提出了一种测定微灌灌水器制造偏差系数的试验方法,分析了微灌灌水器出口压力对其制造偏差系数的影响,提出运用灌水器工作压力下的理论流量计算灌水器制造偏差系数,从而消除了压力对制造偏差系数的影响,并设计具体试验装置进行试验得到数据验证了上述试验方法。