融合大核注意力机制的土壤种类识别网络

【目的】为解决因土壤图像纹理复杂、没有结构性特征导致的传统卷积神经网络模型难以提取其中关键性特征、识别准确率低的问题，提出了一种大核注意力(large kernel attention，LKA)机制模块与ResNet模型融合的土壤种类识别网络模型VAR(visual attention ResNet)，以解决土壤种类样本不平衡和难分类样本造成的模型泛化能力弱的问题。【方法】以ResNet为主干网络，在主干中引入LKA机制，减少其中的残差块，构建土壤种类识别网络VAR，并改进网络的焦点损失函数(Focal Loss)。【结果】1) 与传统模型ResNet18、ResNet34、VGG、GooleNet、VAN等相比，VAR模型在特定模型参数下对紫色土土壤图像数据集中土壤种类的识别精度更高；2) 用3种不同大小VAR模型之一的VAR_small与以ResNet18为主干并嵌入传统注意力机制SE、CBAM、ECA和SK的网络进行对比，实验结果显示LKA机制在土壤识别方面更加优秀；3) 改进的Focal Loss可让VAR更能注意到难分类的土壤图像样本。【结论】将LKA机制模块与ResNet模型融合的土壤种类识别网络模型VAR增强了网络提取土壤图像中关键性结构特征能力，同时还减少了网络参数，能更加有效地识别土壤种类。     

基于相机拍照的油茶果形状特征提取研究

【目的】为实现油茶果实尺寸及大小分布的快速获取,提出一种基于相机拍摄的油茶果形状特征参数批量化提取方法。【方法】首先将采摘油茶果摆放于含刻度尺的背景板,利用相机快速获取油茶果图像并进行校正;然后利用Mask R-CNN模型对图像油茶果进行快速检测计数,根据生成的掩码采用椭圆拟合法统计油茶果特征参数(长轴长、短轴长、面积、周长)的像元个数;最后结合背景板刻度尺计算的像元大小,获取油茶果特征参数,同时利用实测值进行精度验证。【结果】Mask R-CNN模型的平均识别准确率和召回率分别为99.55%和91.19%,测度值为95.22%,满足用于统计油茶果形状特征参数的要求。对油茶果面积的估测精度最高,决定系数(R²)、平均绝对误差(MAE)、均方根误差(RMSE)分别为0.999 0、10.75 mm²、14.88 mm²;其次为周长和长轴长,短轴长的估测精度最低,其R²、MAE、RMSE分别为0.864 7、3.15 mm、3.74 mm。【结论】该方法实现了油茶果采摘后的快速准确计数以及形状特征参数的批量化提取,可为大量果实特征参数的快速准确检测提供参考,为指导油茶果实分级和快速测产提供科学依据。     

融合Swin Transformer的虫害图像实例分割优化方法研究

【目的】为了实现对虫害的精准监测，提出了一种融合Swin Transformer的图像实例分割优化方法，以期有效解决复杂真实场景下多幼虫个体图像识别分割困难的问题。【方法】选用Swin Transformer模型，改进Mask R-CNN实例分割模型的主干网部分，对黄野螟幼虫虫害图像进行识别分割。针对不同结构参数的Swin Transformer模型与ResNet模型，调整各层的输入输出维度，将其分别设置为Mask R-CNN的主干网进行对比实验，从定量与定性两个角度分析不同主干网的Mask R-CNN模型对黄野螟幼虫的识别分割精度与效果，确定最佳模型结构。【结果】(1)该方法在虫害识别框选方面的测度(F1)分数可达89.7%,平均精度(A_P)可达88.0%;在虫害识别分割方面的F1分数可达84.3%,A_P可达82.2%。相较于Mask R-CNN,在目标框选与目标分割方面分别提升8.75%与8.40%。(2)对于小目标虫害识别分割任务，该方法在虫害识别框选方面的F1分数可达88.4%,A_P可达86.3%;在虫害识别分割...     

基于语义分割的桥梁锈蚀病害识别对比分析

针对桥梁锈蚀数据难获取、锈蚀病害数据集小的问题，基于生成对抗网络(GAN)对桥梁锈蚀数据集进行扩增，并采用IS和K均值聚类算法验证其有效性.采用扩增后的数据集，按4∶1的比例划分为训练集和验证集，分别对U-Net网络和DeepLab-V3+网络进行训练，对比分析2种网络对于锈蚀分割的精度、召回率及F₁分数.结果表明，采用深度卷积生成对抗网络(DCGAN)生成虚拟数据集的IS值达到2.41,分类肘形图类别数为5,与原数据集吻合，可作为扩增数据集以提升模型泛化性；DeepLab-V3+网络模型在验证集上的精度为0.935,召回率为0.952,F₁分数为0.943,均显著高于U-Net网络模型.DeepLab-V3+网络在点状锈蚀区域连通与分割方面优于U-Net网络，并实现了片状锈蚀区域分割，为桥梁锈蚀精准识别与分割提供了技术支撑.     

施肥对增温促花后‘长寿冠’海棠叶片生长及光合特性的影响

【目的】探究氮磷钾复合施肥对增温促花后的优质盆栽观赏海棠品种‘长寿冠’(Chaenomeles speciosa‘Changshouguan’)生长和光合特性的影响，为‘长寿冠’增温促花后的复壮栽培提供理论依据。【方法】采用正交设计进行根部施肥试验，设置对照组(CK)和9个处理组(处理1—9)。研究其对生长、叶绿素相对含量、光合气体交换参数和叶绿素荧光参数的影响。【结果】(1)处理1—9均对‘长寿冠’单株叶片数和叶面积有显著影响。以处理8(N₃P₂K₁)效果最好，分别比对照增加了10.74%、11.13%,均差异显著(P<0.05)。(2)各处理组能显著提高叶片相对叶绿素量、净光合速率(P_n)、气孔导度(G_s)和蒸腾速率(T_r),胞间CO₂浓度(C_i)变化不明显，说明‘长寿冠’叶片净光合能力的提升是由气孔和非气孔两方面因素导致的。(3)处理1—9均提高了‘长寿冠’PSⅡ光化学淬灭系数(qP)、实际光化学效率...     

预训练模型下航天情报实体识别方法

为了快速处理航天情报,基于数据驱动的深度学习技术,提出融合多源异构知识标注中文航天情报数据集的方法流程,以及基于预训练(pre-training)模型的航天情报实体识别(AIER)方法;通过对航天情报进行命名实体识别,达到对航天情报进行信息抽取的目的.通过融合BERT(bidirectional encoder representation from transformers)预训练模型和条件随机场(CRF)模型构建AIER模型(BERT-CRF模型),将其与隐马尔可夫模型(HMM)、条件随机场(CRF)模型、双向长短期记忆网络加条件随机场(BiLSTM-CRF)模型进行实体识别对比实验.结果表明:基于预训练模型的AIER模型能够取得93.68%的准确率、97.56%的召回率和95.58%的F₁值;相比于其他方法,基于预训练模型方法的性能得到提高.     

基于特征稀疏化的粉尘图像深度预测

【目的】针对粉尘环境中单幅图像深度预测精度低的问题，提出了一种基于输入特征稀疏化的粉尘图像深度预测网络。【方法】使用粉尘图像的直接传输率与深度的关系设计预估计深度网络，利用图像颜色衰减先验原理进一步获取粉尘图像的稀疏深度特征。将该稀疏深度特征与粉尘图像一起作为深度预测网络的输入。深度预测网络以“编码器-解码器”为模型框架，编码器中使用残差网络(ResNet)对粉尘图像进行编码，设计融合通道注意力机制的稀疏卷积网络对稀疏深度特征进行编码。解码器中采用反卷积以及多尺度上采样的方法，以更好的重建稠密的深度信息。使用最小绝对值损失和结构相似性损失作为边缘保持损失函数。【结论】在NYU-Depth-v2数据集上的实验结果表明该方法能够从粉尘图像中有效预测深度信息，平均相对误差降低到0.054,均方根误差降低到0.610,在δ<1.25时准确率达到0.967.     

美洲黑杨与青杨杂交F1代苗期表型性状的分化及其类型划分

【目的】研究美洲黑杨‘I-69’杨(Populus deltoides ‘Lux’)×青杨(P. cathayana)F₁代初选无性系苗期表型性状指标的分化,解析不同性状分化的生物学和生态学意义,并对无性系进行类型划分,综合考虑无性系性状以及对应的目标用途,为应对干旱等条件下杨树造林的适地适树(无性系)选择提供参考。【方法】以江苏省宿迁市泗洪县半城马浪湖林场36个‘I-69’杨×青杨F₁代无性系3根1干苗为材料,调查苗木的生长量、叶片形态、气孔特征、侧芽萌发情况和分枝特性等17个指标,分析各指标的变异特征,并根据性状变化对无性系进行分类和评价。【结果】F₁代无性系的生长和表型指标均具有显著的分化,总体上呈连续的正态分布特征,其中侧枝数与侧芽萌发率的变异系数最大,分别达102.0%和93.5%。相关分析表明,苗木生长指标与叶片形态以及分枝特性指标显著正相关,但与叶片气孔特征无显著相关。叶面积以及叶干质量分别与叶片长宽比呈显著负相关,与上下表皮气孔密度比呈显著正相关。叶片长宽比与叶柄相对长呈显著负相关,同时也与上下表皮气孔密度比呈显著负相关。叶面积和叶干质量的异速生长指数为1.007 4,整体呈等速生长关系,与分枝特性等无相关关系。基于主成分分析方法,利用表型性状可以把36个F₁代无性系分为8类,不同类型具有独特的生长、分枝特性和潜在的抗旱性能。【结论】美洲黑杨和青杨杂交F₁代无性系表型性状变异丰富,通过早期判断可以针对不同气候和立地条件造林提供无性系选择的初步信息,其中类型Ⅳ中的4个无性系生长量最大、侧枝少,叶型和气孔特性等表型性状表现出一定的耐旱特征,可以选择用于在偏干旱的平原地区或山地进行进一步的适应性造林试验。     

基于DenseNet的肺部医学影像智能检测方法研究

研究基于智能检测医学图像分类的肺部X线胸片检测可快速准确的对患者进行临床分析和诊断,能够实现病症早发现早治疗,为临床决策提供高效可靠的支持.以包含医学图像的Chest X-ray的数据集为基础,对其进行了缩放、随机裁剪、水平翻转、维度转换、像素值归一化处理等预处理后,创新地利用DenseNet-121模型进行了肺炎的分类实验.实验证明基于DenseNet的肺部医学图像的测试准确率达到97.4%,召回率、F₁值等量化指标也优于已有的ResNet方法,证明DenseNet可作为肺炎医学影像智能检测的一种有效方式.     

面向路面附着估计的路面图像识别

为提升智能辅助驾驶系统对路面附着系数估计的准确性与实时性，研究了一种基于视觉信息的路面识别深度学习算法，实现路面附着系数的预估计。设计压缩卷积机制以降低网络运算参数，采用特征图全局平均替换全连接层以提升网络的拟合性能，并构建路面识别深度卷积神经网络DW-VGG。利用自建路面图像数据集对网络进行训练，测试结果表明，基于提出的多层知识蒸馏技术的DW-VGG网络识别精度较高，分类性能评估指标F₁得分为96.57%，并有效降低了网络的运算和内存成本，识别单张图像只需32.06 ms，预测模型只有5.63 M。     

基于RGB NDVI图像的桉树人工林区森林覆盖变化年度监测

【目的】监测桉树(Eucalyptus)人工林区森林覆盖的年度变化。【方法】基于2014年和2015年资源3号卫星遥感图像,分别计算研究区不同时段的归一化植被指数及其差值,得到NDVI₂₀₁₄、NDVI₂₀₁₅和NDVI_d,按R-G-B=NDVI₂₀₁₄-NDVI₂₀₁₅-NDVI_d作假彩色合成,得到RGB-NDVI图像,对该图像分别作基于规则的面向对象分类和非监督分类,提取采伐迹地和更新林地信息,并与NDVI差值法结果进行比较。【结果】RGB-NDVI图像面向对象分类的总体精度为98.4%,Kappa系数为0.906 1,略高于传统的NDVI差值法结果(分别为97.3%和0.817 4),RGB-NDVI图像非监督分类效果(总体精度和Kappa系数分别为96.1%和0.790 4)略低于NDVI差值法。【结论】RGB-NDVI图像可读性强,直观地反映了研究区森林覆盖变化的区域和类型信息,在快速变化林区的森林覆盖年度监测中具有良好的应用前景。     

结合时间上下文和兴趣模型协同过滤推荐算法

针对传统协同过滤UserCF推荐算法，用户相似度计算数据维度单一、精确率低、用户兴趣动态漂移等问题，提出一种结合时间上下文和用户兴趣动态衰减模型的协同过滤推荐算法.在传统协同过滤算法中结合时间上下文优化用户相似度的计算，引入用户收敛兴趣衰减模型，动态评估用户兴趣变化.算法通过MovieLends-1M数据集进行实验验证，按照F_β值、准确率、召回率与传统UserCF、UserCF-IIF算法进行对比分析.实验结果表明：本文算法精确率最高可达25.6%、召回率最高可达12.2%，相比UserCF、UserCF-IIF算法，在F_β值方面本文算法具有明显提升.     

基于改进SegNet模型的遥感图像建筑物分割

针对原始SegNet网络模型存在的参数数量多、 梯度不稳定及分割精度低等问题, 提出一种通过构建SegNet与带残差的bottleneck块、 深度可分离卷积以及跳跃连接结构相结合的改进模型. 在航空和卫星遥感图像数据集上进行实验的结果表明, 改进后的网络模型在精确率、 召回率及F₁值等性能评价指标上均获得更优结果, 表明改进的网络模型在遥感图像建筑物分割任务中有良好的实用价值.     

改进ACGAN数据增强的番茄叶片病害识别

【目的】为了获得足够的番茄叶片病害图像，提高番茄病害的识别准确率，提出了一种新的基于生成对抗网络的数据增强方法(Hidden parameter label and Attention attached Multi scale ACGAN,HAM＿ACGAN).【方法】在生成对抗网络的基础上，为了补充类内信息，将隐参数标签连接到输入噪声上，以控制不同类别病害的叶片生成；同时设计一个带有残差注意力块的生成器捕获叶片中的病害信息，生成病害特征明显的番茄叶片；最后利用多尺度判别器丰富生成图片的细节纹理。【结论】实验表明，提出的数据增强方法能够生成病害特征明显的番茄叶片，能够满足神经网络训练所需的大量数据，进而提高病害识别网络的识别精度。     

基于PCA-BP神经网络的PM2.5季节性预测方法研究

【目的】分季节预测PM_2.5浓度值,利用PCA方法对数据进行降维,分析季节及气象因素对PM_2.5的影响,在提高预测准确率的同时降低时间复杂度。【方法】以合肥市2014—2017年的PM₁₀、SO₂、CO₂、CO、O₃浓度值,以及同时段的气象因素值,对PM_2.5浓度进行预测。数据分析中发现PM_2.5在不同季节浓度差异较大,故本研究选择分季节进行预测;为了提高预测准确率,加入如风力、温度、湿度、气压等气象因素进行预测,同时采用主成分分析(PCA)的方法进行数据降维,将降维后的数据再输入BP神经网络模型进行预测。【结果】实验采用3组实验进行对比:5种污染物指标(PM_2.5-5)预测PM_2.5、加入气象因素的综合12项指标(PM_2.5-12)预测PM_2.5、对综合指标进行PCA处理后的(PM_2.5-PCA)预测PM_2.5。实验结果表明:4个季节的PM_2.5浓度值有较大变化,均方根误差(RMSE)的差值较大;采用PM_2.5-PCA的方法,在任何季节的RMSE均有降低,相关系数(r)均有所提高。【结论】PM_2.5浓度具有季节性特征,采用季节性预测方法可以提高预测准确率;同时采用PCA方法进行降维,可以在保证准确率的同时降低预测时间复杂度。     

基于宽卷积核神经网络与BiLSTM的渔船轨迹分类方法

【目的】针对使用船舶自动识别系统(automatic identification system, AIS)数据进行船舶类型识别中原始特征较少和时空特征利用不充分的问题,提出了基于数据块的双向长短期记忆卷积神经网络的渔船类型分类方法。【方法】首先将数据以数据块的形式输入模型,保留短时内的时序特征;然后利用宽卷积核深度卷积神经网络(wide convolutional kernel deep convolutional neural network, WDCNN)模型首层的大卷积对数据进行特征提取;最后采用双向长短期记忆网络(bidirectional long-short-term memory networks, BiLSTM)提取数据的深层时间信息,得到最终的船舶分类结果。【结果】在真实的船舶AIS数据集上进行测试后发现：本模型较主流船舶分类模型对渔船分类的正确率有一定的提升,F₁值达到了5%左右的提高。【结论】本试验模型更有利于海事部门对渔船的监管,同时对海上渔场、鱼群分布的研究也有一定的参考价值。     

基于深度学习声谱图分类的"听声识风"

将深度学习与声谱图相结合,提出了一种新型的风级识别方法——"听声识风". 在实验室条件下模拟1~4级风并记录对应风声音频. 通过傅里叶变换等方法将风声音频转换成声谱图,共得到2 608幅二维声谱图像用作数据集. 将声谱图数据集导入深度卷积神经网络GoogLeNet中进行风力等级识别,测试准确率达到了99.6%. 为了进一步证明实验结果的可靠性,将声谱图数据集分别导入ResNet18、ShuffleNet中进行训练,均获得了99.2%的测试准确率,结果表明该方法可以有效地进行风级识别. "听声识风"研究首次通过深度学习声谱图分类实现了对风级的识别,这是一种智能的、快速的风级识别新方法.     

基于YOLOv5s和超声图像的儿童肠套叠特征检测模型

为帮助医生快速寻找到儿童腹部超声中肠套叠的病变特征并实现肠套叠超声诊后数据的快速质检,文章将目标检测算法应用于儿童腹部超声图像检测肠套叠“同心圆”征.首先探索了基于YOLOv5s的儿童肠套叠检测模型,发现该模型检测肠套叠“同心圆”征的精确度、召回率、F₁分数、mAP@0.5、FPS以及参数量等方面均优于Faster RCNN.进一步,为解决肉眼难以观察的“同心圆”征的检测问题,使用双向特征金字塔网络,并将注意力机制加入YOLOv5s网络,形成基于YOLOv5s＿BiFPN＿SE框架的儿童肠套叠“同心圆”征检测模型.该模型检测的精确率、召回率、F₁分数、mAP@0.5分别达到了91.33%、90.73%、91.03%、88.77%,性能更优于YOLOv5s.     

不同浓度CO2对马尾松幼苗光合特性及单萜烯释放的影响

【目的】研究CO₂浓度升高对马尾松(Pinus massoniana)幼苗光合特性和单萜烯释放的影响,以了解马尾松挥发性有机物(BVOCs)排放对气候变化的响应机制。【方法】利用开顶式气室(OTC),依据政府间气候变化专门委员会(IPCC)第5次评估报告,设置1 000、750、550 μmol/mol 3个CO₂熏气浓度梯度,并与未经CO₂熏气处理的OTCs中CO₂平均浓度(437 μmol/mol,CK)进行对比,研究了中国南方主要造林树种马尾松幼苗净光合速率、叶绿素含量、气孔导度及单萜烯释放的变化规律。【结果】经过60 d的浓度为750及1 000 μmol/mol CO₂熏气处理,马尾松幼苗的叶绿素总含量下降约 17.54%和29.82%;60 d高浓度CO₂处理的马尾松幼苗在环境大气中净光合速率及气孔导度显著低于对照组,且浓度为1 000 μmol/mol CO₂处理组最低;相较于对照组,CO₂浓度升高使马尾松幼苗的单萜烯释放速率下降,在60 d时达到显著水平。马尾松幼苗的单萜烯释放速率与叶片净光合速率及气孔导度呈显著正相关。【结论】高CO₂浓度条件下,马尾松幼苗叶片光合速率和气孔导度的下降可能是单萜烯释放速率降低的原因。     

大气臭氧浓度升高对樱桃萝卜生长和生物量的影响

【目的】近地层臭氧(O₃)是具有强氧化性的二次污染物,可损伤植物内部结构和生理功能,造成作物生长量和品质下降。了解不同大气O₃浓度下樱桃萝卜各生长时期的叶片受害和生物量状况,分析其受害症状、生物量与O₃暴露剂量之间的相关关系,为探讨O₃浓度升高对农作物产量的影响及作物大气O₃标准的制定提供参考。【方法】利用12个生长室设置了4个大气臭氧(O₃)浓度(30、50、70和90 nmol/mol),对樱桃萝卜叶片的受害症状和第7、14、21和28天的生长和生物量变化进行了研究,并拟合计算了O₃暴露剂量AOT40和叶片受害症状、生物量变化间的相关关系。【结果】① 70和90 nmol/mol O₃处理下,第7天观测发现樱桃萝卜子叶上部出现褪绿斑点, 整叶局部薄厚不均,叶片受害症状随着O₃熏蒸时间的增加而加重,出现O₃受害症状的叶片比例和O₃暴露剂量AOT40极显著相关 (P<0.01)。②处理第21天时观测发现,O₃熏蒸均对樱桃萝卜整体干质量产生影响;与30 nmol/mol处理的相比,第28天时观察发现,50、70和90 nmol/mol O₃处理后的樱桃萝卜肉质根干质量分别下降了45.1%、57.3% 和79.9%。干质量下降的幅度大于体积的,肉质根体积和干物质量都与O₃暴露剂量AOT40线性相关。【结论】樱桃萝卜的生长和生物量受到O₃浓度和累积时间两个因素共同影响,O₃浓度升高显著抑制了樱桃萝卜生长,造成叶片受损,可食用肉质根体积和总干物质量显著下降。