“常德铁城一号”等油茶品种特性与采摘期研究

采集"常德铁城一号"、寒露籽和霜降籽3种油茶品种的鲜果,对其品种特性与采摘期进行研究。结果表明:"铁城一号"具有"两大三高"的优点,鲜果平均重12.88 g,比一般寒露籽大91.6%,最大果达41 g;种子平均重1.23 g,比一般寒露籽大80%;干籽出仁率达71.27%,比寒露籽高0.46%;7年生单株产量平均达10.97 kg,比青林霜降籽高63.5%,单位面积平均产油达99.69 kg/667m2,比青林霜降籽高75.2%。霜降籽鲜果出干籽率为21.53%,比寒露籽低20.5%;鲜果含油率为7.24%,比寒露籽低22.4%;果实成熟迟,霜降籽在10月下旬开始成熟,比寒露籽迟20 d左右;种子中茶子象甲虫口密度为5.08%,比寒露籽高23倍。寒露籽种仁含油率10月10日达48.8%,成熟度为93.2%,开始裂果;霜降籽种仁含油率10月26日为48.77%,成熟度为94.3%,开始裂果。因此,在常德市寒露籽宣在寒露节气开始采摘,霜降籽宣在霜降节气开始采摘。     

一种弱监督细粒度深度网络的木材分类方法

针对使用木材的微观结构对木材树种进行识别分类,提出一种新的基于细粒度图像识别的深度卷积神经网络自动分类算法,在阐述Navigator Teacher Scrutinizer Network算法的基础上,首先,利用分段线性激活函数对特征的存在程度和缺失程度的选择能力进行改进,在改进后的特征选择模型算法中搜寻最优α参数;其次,在改进后的算法中加入一个全局K-max池化层并应用在木材分类中,获得最佳的分类结果.实验结果表明,相比于原始NTS神经网络,本文所提算法能够更准确地实现数据分类,该模型的实验准确率为88.36%,准确率高,实用性强,可以提高木材树种分类精度,为木材树种快速分类提供参考.