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。     

石榴种子带果肉春播试验

传统的石榴种子育苗方法是当年秋天选充分成熟的果实 ,搓去果肉 ,将种子取出 ,用水洗净 ,阴干后再进行层积处理 ,来年春季 (谷雨前后 )进行播种育苗。这种方法比较繁琐费工 ,同时在层积沙藏时常会由于处理不当造成种子霉烂。2 0 0 3年秋季我们将月季石榴果实置于室内阴凉干燥处带果皮贮存 ,于 2 0 0 4年 4月 1 5日去掉干缩果皮 ,内部果粒保存完好 ,将带肉种子取出 ,直接播种育苗。播种前先做好苗床 ,浇水 ,待水下渗后将种子点播于苗床上。共剥取带肉种子 2 5 1粒 ,将种子按 5cm× 5cm株行距均匀摆放于苗床 ,然后覆湿润细土约 1cm厚 ,再盖上…     

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。     

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。     

新型蔬菜——四季蒜苗栽培

四季蒜苗是珍稀奇特的最新蔬菜品种,刚刚开始引种。该作物主产蒜苗或蒜薹,如果利用拱棚或温棚铺盖黑塑膜可生产蒜黄。与大蒜相比,其形状与普通蒜苗、蒜黄、蒜薹相似,味道基本一样,但不长蒜头,且四季生产蒜苗,适应性强,不择土壤,且无病虫害,凡有种大蒜的地方都能种植,既适合春播     

钢的化学热处理（中）

渗碳层深度应按零件的具体尺寸及工作条件而定。如齿轮的渗碳层深度是根据齿轮的工作特点和模数大小等因素来确定的。零件渗碳层太薄易引起表面疲劳剥落。太厚则受不起冲击负荷。下表中推荐汽车拖拉机不同模数齿轮渗碳层的深度范围。