青枯菌对桉树及非寄主树木根部吸附和侵入的比较

通过接种青枯菌与非病原的大肠杆菌,对2个桉树无性系和1种非寄主树木的根表吸附菌量及根内含菌量进行测定.结果表明:青枯菌对感病寄主根表的吸附量多于对抗病寄主和非寄主根表的吸附量,对感病寄主根部的侵入量多于对抗病寄主但少于对非寄主根部的侵入量;病原菌较非病原菌对感病寄主根表的吸附量大,但二者对感病寄主根部的侵入量则依据根部伤口的有无而互有高低.青枯菌接种24 h内,感病寄主根表吸附菌量和根内含菌量呈上升趋势,在抗病寄主及非寄主根表的吸附菌量和根内含菌量却呈下降趋势.从统计学上看,青枯菌对寄主根部的吸附和侵入都显示出了一定的选择性,但由于病原细菌能够大量地吸附和侵入抗病寄主和非寄主根部,非病原细菌也能够大量地吸附和侵入桉树根部,因此这种选择性的生物学意义不大,青枯菌对桉树根表没有表现出明显的识别行为.     

基于神经网络的树叶识别系统研究

在林业系统注册树木种类时,通常采用大量树叶上的可见外形特点来辨别数目繁多的树木种类。针对此问题,本文提出了基于神经网络的树叶识别方法,该方法建立并管理一个分等级的树叶图像体系,通过对不同种类树叶的边缘提取来识别每种树叶的特征点,从而得到树叶的外部轮廓来区分树木种类:给出了相应的改进型神经网络算法,并给出详细的论述过程:最后,通过Java语言给出了系统实现并做了大量的数值仿真。结果证明本文方法是可行有效的。图4表1参8。     

基于YOLOv5s改进模型的小白菜虫害识别方法

小白菜是中国种植面积较广、深受大众喜爱的蔬菜,但真实菜地环境中虫害往往出现在叶片的特定区域,且受环境因素如光照和背景干扰较大,影响对其的智能检测。为提高小白菜虫害的检测效率和准确率,该研究提出一种基于YOLOv5s网络框架改进的YOLOPC小白菜虫害识别模型。首先,引入CBAM（Convolutional Block Attention Module）注意力机制,将其放在CBS（卷积层Convolution+归一化层Batch normalization+激活函数层SILU）的输入端构成CBAM-CBS的结构,动态调整特征图中各个通道和空间位置的权重;使用上采样和1×1卷积操作来调整特征图的尺寸和通道数,实现不同层次特征的融合,增强模型的特征表示能力。同时,改进损失函数,使其更适合边界框回归的准确性需求;利用空洞卷积的优势提高网络的感受野范围,使模型能够更好地理解图像的上下文信息。试验结果表明,与改进前的YOLOv5s模型相比,YOLOPC模型对小白菜小菜蛾和潜叶蝇虫害检测的平均精度（mean Average Precision, mAP）达到91.40%,提高了12.9个百分点;每秒传输帧数（Frame Per Second, FPS）为58.82帧/s,增加了11.2帧/s,增加幅度达23.53个百分点;参数量仅为14.4 MB,降低了25.78个百分点。与经典的目标检测算法SSD、Faster R-CNN、YOLOv3、YOLOv7和YOLOv8相比,YOLOPC模型的平均精度分别高出20.1、24.6、14、13.4和13.3个百分点,此外,其准确率、召回率、帧速率和参数量均展现出显著优势。该模型可为复杂背景下小白菜虫害的快速准确检测提供技术支持。     

用基于遗传算法的BP神经网络识别牛肉肌肉与脂肪

利用遗传算法的全局搜索能力,改进标准BP算法随机选取初始权重的不足,并构建了3-12-1的三层遗传BP神经网络,进行了3次牛肉肌肉与脂肪像素的分类试验,研究用BP网络对牛肉肌肉与脂肪两类像素点进行识别的可行性。以像素点的RGB值作为BP网络输入向量,每次训练集样本数62,测试集样本数43。测试的最终结果为：训练集的样本识别率分别为100%、100%、98.3871%;对应测试集的样本识别率分别为97.6744%、97.6744%、100%。试验结果表明,尽管基于遗传算法的BP神经网络对训练样本集以及测试样本集的肌肉和脂肪的识别率均在97%以上,但由于牛肉图像像素值在颜色空间中比较分散,有利于聚类的规律性不明显,因而是否可用BP网络来完成肌肉与脂肪的识别,还需要在网络拓扑结构、训练样本集等方面进一步研究。     

模糊模式识别模型在流域生态安全评价中的应用

生态安全是指人类赖以生存和发展的生态环境处于健康和可持续发展状态,流域生态安全评价是实现流域可持续发展的一项重要调控措施。流域生态安全评价需要通过评价模型来实现,由于生态安全是一个外延不明确的模糊概念,为此以模糊模式识别理论为基础,提出了流域生态安全评价的模糊模式识别模型。运用模型对岷江上游的生态安全现状进行了评价,建立了1,2,3共三个级别的指标体系,结果表明岷江上游生态安全处于第2级,即处于预警状态。评价结果符合岷江上游地区的生态环境状况。     

基于ESV对塔里木河流域生态环境问题成因的重新认识

塔里木河流域是我国全球变化及研究生物多样性保护的重要区域 ,也是孕育南疆各族人民的“母亲河”。随着中上游绿洲尤其是人工绿洲的形成和发展 ,中下游生态环境遭到严重破坏 ,原始胡杨林濒临灭绝 ,春旱、夏洪、盐碱、风沙是流域普遍存在的自然灾害 ,给人类的生存和社会的发展带来了巨大的危害。这些生态环境问题由来已久 ,许多专家学者对此从不同角度进行了分析。本文基于生态系统生态服务价值理论 ,对塔里木河的功能进行了重新定位 ,从一个新的角度分析了塔里木河流域生态环境问题的成因 ,并提出了相应的建议     

基于融合坐标信息的改进YOLO V4模型识别奶牛面部

为实现奶牛个体的准确识别,基于YOLO V4目标检测网络,提出了一种融合坐标信息的奶牛面部识别模型。首先,采集71头奶牛面部图像数据集,并通过数据增强扩充提高模型的泛化性能。其次,在YOLO V4网络的特征提取层和检测头部分分别引入坐标注意力机制和包含坐标通道的坐标卷积模块,以增强模型对目标位置的敏感性,提高识别精度。试验结果表明,改进的YOLO V4模型能够有效提取奶牛个体面部特征,平均精度均值为93.68%,平均帧率为18帧/s,虽然检测速度低于无锚框的CenterNet,但平均精度均值提高了10.92%;与Faster R-CNN和SSD模型相比,在检测速度提高的同时,精度分别提高了1.51和16.32个百分点;与原始YOLO V4相比,mAP提高0.89%,同时检测速度基本不变。该研究为奶牛精准养殖中的牛脸图像识别提供了一种有效的技术支持。     

利用Kalman滤波和Hungarian算法的多目标奶牛嘴部跟踪及反刍监测

针对奶牛养殖场复杂环境下多目标奶牛嘴部自动跟踪及反刍监测困难的情况,该研究提出了一种基于嘴部区域跟踪的多目标奶牛反刍行为智能监测方法。在YOLOv4模型识别奶牛嘴部上下颚区域的基础上,以Kalman滤波和Hungarian算法跟踪上颚区域,并对同一奶牛目标的上颚和下颚区域进行关联匹配获取嘴部咀嚼曲线,以此获取反刍相关信息,从而实现多目标奶牛个体的嘴部跟踪和反刍行为监测;为解决奶牛快速摆头运动和棚舍栏杆遮挡引发奶牛标号变化的问题,提出未匹配跟踪框保持及扩大的方法。采集并选择实际养殖场环境下的反刍奶牛视频66段,对其中58段视频采取分帧操作得到图像,制作YOLOv4模型数据集,以其余8段视频验证跟踪方法和反刍行为判定方法的有效性。试验结果表明,YOLOv4模型对奶牛嘴部上颚、下颚区域的识别准确率分别为93.92%和92.46%;改进的跟踪算法可实现复杂环境下多目标奶牛嘴部区域的稳定跟踪,且有效解决了栏杆遮挡、快速摆头运动造成的奶牛标号变化现象,上下颚匹配率平均为99.89%,跟踪速度平均为31.85帧/s;由反刍行为判定方法获取的咀嚼次数正确率的平均值为96.93%,反刍时长误差的平均值为1.48 s。该研究可为实际养殖中多目标奶牛反刍行为的智能监测和分析提供参考,也可供其他群体动物运动部位的跟踪和行为监测借鉴。     

稻粉虱的发生及其化学防治药剂筛选

稻粉虱Aleurocybotus indicus David et Subramaniam, 属半翅目粉虱科, 以刺吸式口器为害水稻叶片而导致产量损失, 是我国闽?赣?浙等稻区的一种偶发性水稻害虫, 近20多年已鲜有报道, 但2019年-2021年在中国水稻研究所富阳试验农场稻田暴发?本文描述了稻粉虱的为害症状和形态特征, 并配以原色照片; 克隆得到了稻粉虱线粒体DNA COⅠ基因片段, 发现其与烟粉虱Bemisia tabaci序列一致性最高(85.80%); 田间调查表明, 富阳试验农场及周边稻田稻粉虱均有不同程度的发生, 但前者发生量明显较高(每个分蘖最高可达251头), 推测可能与农场温室内的稻粉虱越冬虫源有关; 利用稻苗浸渍法评估了不同作用机制的7种杀虫剂对稻粉虱的毒力, 发现双丙环虫酯?氯虫苯甲酰胺?氟啶虫胺腈?氟啶虫酰胺和溴氰虫酰胺对稻粉虱成虫均有较好的杀虫活性, 其中前4种药剂推荐中剂量处理后72 h的校正死亡率均可达100%, 其LC50分别为3.028?3.769?6.405 mg/L和7.894 mg/L?本研究可为我国稻粉虱的识别诊断和化学防治提供重要依据?     

Pd Pattern Recognition Based on Linear Discriminant Analysis in GIS

According to the character of PD in GIS, the authors design four kinds of GIS defection models. The GIS gray intensity images are constructed based on mass specimens gathered by the ultra - high frequency and high speeds systems, Aiming at the PD characteristics and its defections, A PCA-FDA method is put forward based on PD images. The principal component analysis is employed to condense the dimension of PD images, then the optimal sets of statistically uncorrelated discriminant vectors are extracted, and the minimum distance classifier is constructed as classifier. The identified results show that this method can effectively elevated the discrimination of the four kinds of defects in GIS PD.