苏中地区蛋鸡养殖碳排放估算与技术效率分析

为应对当前畜牧业减排形势,促进蛋鸡养殖业健康持续性发展,研究以江苏省中部地区133个蛋鸡养殖场为研究对象,运用生命周期评价法计算蛋鸡养殖全过程碳排放的情况,利用SBM(Slack based measure)模型从经济与环境角度探究蛋鸡养殖的技术效率。结果显示:该地区只均蛋鸡在整个生命周期中的碳排放为48.55 kg,其中粪便处理是影响碳排放结果的最主要因素,占总排放量的38%。该地区蛋鸡养殖环境效率为0.619 4,低于技术效率(0.667 5),环境效率和技术效率都有较大的提升空间。通过降低投入冗余,只均蛋鸡碳排放量可降低约9.03 kg。蛋鸡养殖具有一定的环境污染性,不同规模之间的蛋鸡养殖效率差异较大,中规模养殖场有明显的环境效率优势。

基于双流多模态多层融合网络的地基云分类方法

地基云的准确分类对于天气预报、航空航天等多个领域具有重要意义。近年来,深度学习在地基云分类领域取得了卓越的成果,但除地基云的视觉特征外,地基云的辅助特征,即地基云多模态信息,对于地基云分类也有重要作用。针对地基云多模态特征信息的挖掘和融合研究,提出了一种基于双流多模态多层融合网络(dual-flow multi-modal multi-layer fusion network,DMMFN)的地基云分类方法,首次将多模态信息分开传递进不同子网络,并在特征层进行异构特征融合,最终该模型在多模态地基云数据集上得到85.70%的高准确率。实验结果表明,所提出的DMMFN网络模型能够有效地将地基云多模态信息与视觉特征结合,提升地基云分类的准确率。

基于语义分割深度学习的地基云图分割方法

随着深度学习技术的迅速发展,更复杂更先进的语义分割深度学习模型在地基云图检测分割任务中得到广泛研究和应用。首先开创性地对新发布的地基云图数据集进行整理概括;然后阐述了基于深度学习语义分割模型在地基云图分割方面的研究进展,详细地介绍了典型的语义分割网络模型;接着选取了部分优秀性能的语义分割模型在标准的数据集上训练和验证,系统性评估其在地基云图分割的性能,验证了语义分割模型在地基云图分割领域的适用性;最后提出对基于语义分割的自适应地基云图像素级分割研究的总结和展望。

对-甲基杯[4]芳烃激光光解的研究

研究了对一甲基杯［４］芳烃在环己烷和乙腈中的激光光解行为．在环己烷中观察到 ４２０ｎｍ及５４０ｎｍ附近的杯芳烃激发三线态吸收峰，极性溶剂腈对该三线态有稳定作用，吸收 峰显著红移．其三线态双峰特征与不带取代基的杯［４］芳烃相近．同时发现在３３０ｎｍ附近杯芳烃 自由基吸收峰，其动力学分析表明，该自由基按二级动力学衰减．

对-叔丁基杯[4]芳烃在环己烷中的激光光解研究

对－叔丁基杯［４］芳烃在环己烷中的激光光解研究＊袁立华１姚思德２庄志豪１林念芸２（１．四川联合大学化学系成都６１００６４）（２．中国科学院上海原子核研究所辐射化学实验室上海２０１８００）关键词对－叔丁基杯［４］芳烃激光光解三线态中图分类号Ｏ６２１．２...

基于深度自编码器子域自适应的跨库语音情感识别

针对不同语料库之间数据分布差异问题,提出一种基于深度自编码器子域自适应的跨库语音情感识别算法。首先,该算法采用两个深度自编码器分别获取源域和目标域表征性强的低维情感特征;然后,利用基于LMMD(local maximum mean discrepancy)的子域自适应模块,实现源域和目标域在不同低维情感类别空间中的特征分布对齐;最后,使用带标签的源域数据进行有监督地训练该模型。在eNTERFACE库为源域、Berlin库为目标域的跨库识别方案中,所提算法的跨库识别准确率相比于其他算法提升了5.26%~19.73%;在Berlin库为源域、eNTERFACE库为目标域的跨库识别方案中,所提算法的跨库识别准确率相比于其他算法提升了7.34%~8.18%。因此,所提方法可以有效地提取不同语料库的共有情感特征并提升了跨库语音情感识别的性能。

基于深度学习的地基云分类技术研究进展

深度学习的自动学习特征和精确的预测能力使其在地基云分类上获得成功,更复杂更优良的深度学习网络在地基云分类领域得到研究和应用.近两年来一些大规模地基云分类数据集被公布,但还没有文献对这些大数据集进行完整地介绍和使用.本文对深度学习地基云分类领域最新的研究进展进行了详细的概括,并介绍了最新发布的国际标准大规模数据集,最后对几种经典的卷积神经网络深度学习模型在地基云分类上的性能进行了评估,验证了卷积神经网络在地基云分类领域的适用性.

丁香属(Syringa)植物育种研究进展

从杂交育种、多倍体育种、芽变育种等方面对国内外丁香属植物的育种方式和育种结果进行综述。目前杂交育种仍是丁香育种的主要方法,多倍体育种是今后研究的主要方向和热点。

卷积神经网络地基云图识别的特征可视化方法

采用卷积神经网络深度学习的方法进行目标识别,无须人工参与选取特征,通过自动学习图像的内在特征,即能取得较高的识别准确率,在模式识别领域取得了广泛应用,但在地基云图自动识别领域的应用还很少见。这种自动学习的性能使得模型对黑箱网络学习过程不够理解,影响对网络模型的有效训练。地基云图识别卷积神经网络云图特征提取可视化方法,形象地展现不同卷积层提取的有效特征的属性和特点,验证了卷积神经网络对地基云图识别的可行性和有效性,有利于提高卷积神经网络识别地基云图识别准确率。实验结果表明,与几种传统的特征提取方法相比,卷积神经网络能取得更好的分类效果。

地基云图卷积神经网络自动分类的训练过程

云的形成和演变是大气中物理过程的宏观体现,地面云观测在天气现象的观测、记录和研究中占有重要地位。提出一种适用于地基可见光云图自动分类的卷积神经网络训练模型,样本库输入到深度网络以后,首先被随机分配为训练集和验证集,然后在进行完数据预处理、网络结构和参数的初始化后,网络将进行前向计算和反向传播以更新权值,最后用验证集检验模型的泛化能力,如果达标则可保存模型参数结束训练,不达标则需继续训练。在两个不同样本库上实验的结果表明,较之几种传统的特征提取方法,卷积神经网络取得的分类效果更好。

目标板反射对图像法测量能见度的误差分析

大气能见度对航空、航海、路上交通、军事活动等有重要的影响。图像法测量能见度是应用较为广泛的一种方法,但常用的目标物由于本身颜色和表面存在反射使得能见度测量存在一定误差。针对人工目标黑板表面存在反射影响能见度探测精度的问题,通过选取不同基线长度与固定的天空背景亮度,分析人工目标板固有视亮度比在存在不同误差时对能见度测量误差的影响,为日后对人工目标板进行结构改进奠定理论基础,以期提高利用图像法测量大气能见度的精度。

基于数字图像处理的物流分拣方法及系统

目前部分快递公司中小型分拣中心仍存在需要手动录入快递地址信息,标准化、自动化程度低等问题,不利于全面自动化的实现。提出了一种基于数字图像处理的物流分拣方法,分为快递面单分割、地址区域定位和信息识别三个部分。并设计了硬件和软件工程化实现系统,通过固定机位拍摄包裹面单图像,传输到计算机上进行识别。将识别到的地址信息传输到分拣机器,从而提高分拣效率。实验结果表明,该识别方法和系统具有较好的识别精度和识别速度,能够满足工程化实践要求。

可立袋药品日期自动检测方法及系统设计

医学上装配、发放药品前必须根据其生产日期和有效期判断药品是否有效。针对可立袋液体药品研究了利用数字图像处理技术进行标签日期识别的方法。对日期识别过程中的图像预处理、标签区域提取、日期定位及字符分割、数字识别等技术进行了深入的研究,并开发了可立袋液体药品日期识别系统,采用工业相机进行图像采集,通过MATLAB语言进行了软件设计,并利用MATLAB GUI设置了人机交互界面。实验结果表明,该识别方法和系统具有较好的识别精度和识别速度,能够满足工程化实践要求。

基于高维量子系统的可认证匿名秘密共享协议

秘密共享协议通过将秘密分割存储,达到分散风险和容忍入侵的目的,能有效地防止外部敌手的攻击和内部参与者的背叛.然而,公开的接收者身份存在被攻击的风险.本文给出了量子匿名秘密共享的定义并提出一种基于d维量子系统的可认证匿名秘密共享协议以解决秘密共享协议中接收者身份的匿名问题.在该协议中,秘密分发者首先利用Greenberger-Horne-Zeilinger态对所有的参与者进行身份认证,然后在指定的匿名接收者集合中构建匿名纠缠.最后利用构建的匿名纠缠为秘密共享任务提供消息保密性和接收者身份匿名性保护.正确性分析表明,匿名接收者可以正确获得秘密份额并合作恢复出秘密.在安全性方面,协议可以同时抵抗来自外部敌手和内部参与者的攻击.最后,匿名性分析表明,协议不会泄露任何有关接收者身份的信息.量子匿名秘密共享的提出为保护用户隐私和确保信息安全提供了新思路,也为未来量子网络中的通信协议提供了新的可能性.