基于科学知识图谱谈土壤有机碳研究进展

以"土壤有机碳"为主题词,从ISI Web of Science数据库核心集中检索出1975—2018年文献2 258篇,运用CiteSpace知识图谱分析工具,对合著国家、作者、机构、学科领域、文献共被引网络以及关键词共现网络等进行可视化分析,对土壤有机碳的研究进展及演变趋势进行了图谱解读和追踪分析。结果表明:(1)土壤有机碳研究经历了起步、发展、稳定三个阶段;(2)土壤有机碳研究具有很强的学科交叉性,涉及环境生态学、环境科学、农业综合、农艺学、化学、农学及生态学等众多学科领域;(3)当前的研究方向主要为土壤有机碳储量与稳定土分离;(4)研究趋势已转为碳储量与耕地管理研究;(5)中国土壤有机碳研究起步较晚但发展迅速,在国际上处于重要地位。     

基于迁移学习的芒果成熟度分类算法研究

成熟度判别是芒果采收及储藏的重要依据.为了适应移动设备硬件算力的限制,对比了传统机器学习方法和迁移学习方法在芒果成熟度鉴别方面的表现,优选最佳模型并开发了芒果成熟度分类软件.试验采集了不同成熟度的小台农图像100张,进行数据扩充后按照8:2划分为训练集和测试集,以准确率、F1值和预测时间作为模型评价指标,分别采用k近邻(K-NearestNeighbor, KNN)、支持向量机(Support vector machine, SVM)、朴素贝叶斯(Naive bayes, NB)、决策树(Decision tree, DT)机器学习算法模型和AlexNet、ResNet18、VGG16、GoogleNet和SqueezeNet迁移学习算法模型进行训练和测试,并对比分析各模型的表现.结果表明：机器学习虽然运算速度快,但分类的准确率明显低于迁移学习,迁移学习的分类准确率均在90%以上.但综合考虑模型的分类准确率和计算能力认为Resnet18表现最佳,它在迭代20次后准确率达到98.75%,而测试时间仅为74.66 ms,优于其它深度学习模型.