摘要: 为研究岩溶与非岩溶小流域水循环和氮循环的差异,该研究选取漓江流域青狮潭水库灌区内以农业为主的睦洞岩溶小流域和金龟非岩溶小流域为研究对象,利用水的氢氧同位素和硝酸盐的氮氧同位素结合贝叶斯同位素混合模型(Bayesian Model Stable Isotope Analysis in R,SIAR),对比两个小流域水体硝酸盐的污染源以及迁移过程。结果表明:水体硝酸盐污染的时空分布受流域水文地质及其伴生的地形地貌、土壤特性和土地利用类型的影响,以耕地为主且土壤层分布不连续的睦洞小流域水体硝酸盐的浓度均值(0.19~15.84 mg/L)、水的氢氧同位素(分别为-44.08‰~-19.63‰和-7.24‰~-1.55‰)以及硝酸盐的氮氧同位素(-1.65‰~53.98‰和0.04‰~13.74‰)值域都宽于以林地为主且土壤层相对较深厚的金龟非岩溶小流域;空间分布上,睦洞小流域北部补给区裸露岩溶石山果园下渗的氮肥和中部密集村庄下渗的动物粪便/生活污水在中部构造盆地区分散排泄不畅,造成G4~G7采样点井水的NO3 ̄浓度均值(11.96~15.84 mg/L)以及氮氧同位素丰度值(分别为0.65‰~28.23‰和2.46‰~14.43‰)偏高;时间尺度上,睦洞小流域碳酸盐岩风化形成的浅薄土壤层持水能力差且渗透性强,导致旱季土壤N和雨季动物粪便/生活污水对水体NO3ˉ的贡献率小于同季节的金龟小流域。研究结果可为岩溶与非岩溶区水环境治理提供科学依据。
摘要: 花叶病、斑点落叶病、褐斑病、白粉病、黄蚜、浅叶蛾和红蜘蛛是常见的苹果叶部病虫害,严重影响了苹果的产量和品质。病虫害早期诊断和防治可以有效地控制病害传播,降低损失,保障苹果产业的健康发展。为解决现有轻量级模型无法精准识别早期苹果叶部稀疏小病斑的问题,该研究面向资源受限的移动端设备,提出一种轻量级识别模型ALS-Net(Apple Leaf Net using Channel Shuffle)。在轻量化模型(ShuffleNetV2)的基础上,基于深度可分离卷积和通道混洗构建ALS模块,可降低模型的计算量和参数量。其次,采用知识蒸馏策略训练模型,进一步提高网络精度。试验结果表明,ALS-Net的模型精度可达99.43%,且模型大小仅为1.64 MB。移动端推理延迟为55 ms,能够有效满足实际应用需求,并实现基于移动端的苹果叶部病虫害自动实时监测。
摘要: 银杏胚的有无及发育状况直接影响播种后的发芽率,而这些无法人工检测。该研究基于低场核磁共振成像(Low-field Magnetic Resonance Imaging,LF-MRI)技术,结合深度学习,探索研究银杏种子内部缺陷检测方法。设计了一种基于改进的VGG-16迁移学习图像分类方法,在利用VGG-16卷积层对数据集进行迁移学习时,对模型的学习率、模型结构和归一化3个方面进行改进,比较研究调整初始学习率与更新周期、将全连接层替换为全局卷积层或全局平均池化层并扩展8种微调模型、添加3种归一化层对模型性能的影响。结果表明,全局平均池化层调用方便,能够替代全连接层融合深度特征,提升模型性能;分类输出层置于全局平均池化层后的分类效果较好;组归一化能提升模型性能,并使验证曲线收敛更稳定;学习率对迁移学习模型性能影响极大,使用分段常数衰减策略针对具体应用可有效提高模型性能。相比较VGG-16,该研究构建的基于VGG-Net的银杏种子MR图像识别模型(Ginkgo seed low-field MR images recognition model based on VGG-Net, GV)大小降低89%,参数量降低89%,训练时间减少64%,训练集与验证集损失分别降低64%与45%、准确率分别提高2.4与2.5个百分点,对正常、孔洞、有胚和无胚4个类别的银杏种子平均分类准确率达到97.40%。研究结果为无损监测银杏种子萌发过程、合理预测种子播种后的发芽率提供了思路。