配方施肥对设施‘87-1’葡萄植株矿质元素含量及果实品质的影响

为制定基于品质指数的最佳理论施肥方案及营养诊断标准,研究了不同施肥配比和植株矿质元素变化动态与品质形成的关系。以设施‘87-1’葡萄为试材,连续多年进行5416配方施肥试验,测定植株矿质元素含量及果实品质,并对其进行Topsis综合评价,计算品质指数。研究矿质元素含量与品质指数的相关性,确定营养诊断因子。应用非完全正交方差分析法和组分营养诊断法分别制定最佳综合品质的施肥方案及营养诊断标准。研究结果表明,单粒重在各处理条件下的分布范围是4.3~5.0 g。T10处理的可溶性固形物含量最高,为18.5%。T3处理的果实硬度最高,为471.9 g。T3处理的品质指数最高,为0.6071;除T6、T8、T14、T16处理外,其他处理品质指数均高于T1处理,增幅为1.8%~33.4%。成熟期果实N、成熟期叶柄P、成熟期叶柄K、成熟期叶片Ca、转色期叶柄Mg被选作为营养诊断因子。高优园矿质元素含量适宜范围为N 1.0~2.4 mg/g、P 1.0~3.0 mg/g、K 4.0~10.4 mg/g、Ca 2.9~9.6 mg/g、Mg 0.6~9.7 mg/g,低优园的需肥顺序为K>Ca>N>Mg>P,其中K和Ca元素含量表现偏低,其他元素含量充足。当单粒重、可溶性固形物、硬度和品质指数达到最佳时,每公顷的建议施肥总量分别为736.5、1332.0、788.3和1430.3 kg。在本试验条件下,品质指数达到最佳时的元素N∶P∶K∶Ca∶Mg理论配比为3∶3∶4∶3∶2,其N、P_(2)O_(5)、K_(2)O、CaO、MgO施肥量分别为375.0、141.0、506.3、337.5、70.5 kg/hm^(2)。

基于骨架的双模注意力时空图卷积网络人体动作识别方法

人体动作识别已成为当今热门研究领域之一,基于骨架的人体动作识别方法因其能够明确展现人体动作而备受关注。针对提取特征时手工设计的人体拓扑图无法获取全局信息、存在大量冗余信息等问题,提出一个双模注意力时空图卷积网络,充分利用了对动作识别起关键作用的节点信息。首先,提出SGSAE模块,使用自注意力机制对所有关节点之间的关系进行建模,实现对节点信息全局特征的提取,并且在网络的训练过程中优化图的拓扑结构,最终获得适应各种数据样本的图拓扑结构;其次,按不同权重融合节点的全局特征与局部特征;最后,将通道注意力机制引入到网络模型中,提出MCA模块融合通道特征,减少大量冗余信息,提高动作识别精度。实验结果表明,双模注意力时空图卷积网络在NTU-RGB+D和Kinetics数据集上取得了较好的动作识别效果。

多尺度注意力机制的双路人群计数网络

针对密集人群计数任务中人群尺度变化大、背景干扰以及特征融合导致的语义失调问题,提出了一种多尺度注意力机制的双路人群计数网络。网络主要由骨干网络、尺度增强模块、多尺度模块、上下文注意模块、注意力掩膜分支网络组成。首先,尺度增强模块通过捕捉不同尺度下的人群特征,并学习图像上每个特征的重要性,从而增强对尺度快速变化的适应性。其次,多尺度模块通过使用不同膨胀率的空洞卷积在保持原有特征图大小的前提下,对特征图进行多尺度变换,使得网络能够适应不同密度的人群场景。再次,上下文注意模块通过自适应地加权局部和全局上下文信息,实现了特征的融合与优化,以缓解不同级别特征存在的语义失调问题。最后,注意力掩膜分支网络通过生成与输入图像尺度相关的掩膜,降低背景干扰对网络性能的影响。通过这4个模块的相互配合,有效地提高了密集人群计数任务的准确性和稳定性,在多个数据集上的实验结果表明,该方法取得了较好的效果。

融合显著特征和互信息熵的SLAM闭环检测算法

针对移动机器人SLAM闭环检测存在的闭环错误判定问题,提出了一种融合显著特征和互信息熵的闭环检测算法.首先,通过帧间位姿变化和信息熵差异得到关键帧,利用词袋模型逆向索引查询关键帧获取闭环候选帧.然后,引入图像颜色与深度信息计算当前关键帧与闭环候选帧的显著特征生成显著图.最后,将显著图均匀划分四块,计算两匹配关键帧显著图对应块的互信息熵,由每块对应互信息熵生成一个表征两幅图像相似度的四维向量,通过四维向量将满足互信息熵条件的闭环帧进行几何验证,判断是否产生闭环.实验结果表明,该算法能够降低机器人累积误差,生成全局一致的地图,同时满足实时性要求.

基于整体-星型模型的人体姿态估计

针对姿态估计方法受到人体姿态多样性的影响问题,本文研究适合表示人体结构的模型,提出一种基于多模整体模型和星型模型的人体姿态估计方法.首先,使用人体整体检测器完成人体整体方位的检测,以获得初始人体候选集;然后提出一种多模型的星型结构,表示具有一定方位偏差的人体各个部位和整体之间的关系;为了更好地描述相邻部位之间的分布关系,在整体-星型模型中融合树型模型.数据集IP和LSP的结果表明,该方法提高了姿态估计准确率,尤其提高在人体姿态多样的情况下的结果.

Effects of different color paper bags on aroma development of Kyoho grape berries

This study investigated the influence of red,green,blue,and white paper bags on the free volatile compound development of Kyoho grape berries from green to harvest.Seven functional groups of volatiles were identified during the development of Kyoho grape berries including esters,aldehydes,alcohols,terpenes,ketones,acids,and hydrocarbons.Esters and aldehydes were abundant in Kyoho grape berries,mainly represented by ethyl acetate,ethyl butyrate,and(E)-2-hexenal.They accumulated quickly after veraison and slightly decreased toward maturation.Red,green,blue,and white paper bags promoted the accumulation of esters and inhibited the accumulation of aldehydes,also inhibited the accumulation of alcohols,tepenes,ketones,and acids.Their effect from strong to weak was green,blue,red,and white paper bags.The expression profiles of genes in the lipoxygenase-hydroperoxide lyase(LOX-HPL) pathway were also analyzed and the results indicated that the regulation of red,green,blue,and white paper bags on aldehydes,alcohols,and esters volatile aromas was at transcriptional level.The results expanded our comprehension in grape aroma biosynthesis and berry bagging technique in table grape cultivation.

基于肢体子图的图卷积人体动作识别

针对目前动作识别方法不能捕获肢体之间关联性关系特征问题,设计了基于肢体子图的图卷积动作识别方法。首先,为了捕获不同肢体的时空特征,将人体骨架图划分为相邻肢体有公共节点的4个肢体子图,分别表示相应的身体部位;其次,为了捕获不同肢体之间内在的关联性特征,设计了组合肢体子图,分别对肢体子图和组合肢体子图进行空间卷积,得到肢体的空间动作特征和空间关联性特征,通过公共节点聚合的空间特征,再对聚合特征进行时间卷积;最后,在训练阶段,为了优化模型,在每个时空单元中加入了残差结构,有效避免了因梯度消失导致子图特征值丢失的问题。在NTU-RGB+D和HDM05人体骨架数据集上验证了本模型的有效性。

适用于轮式机器人的单目视觉行人跟踪方法

为解决单目视觉行人跟踪算法存在的漂移、变化等问题,提出一种适用于轮式机器人的单目视觉行人跟踪方法。采用SSD深度学习框架检测行人,通过目标位置状态和颜色特征加权融合匹配目标行人;使用先验尺度信息的单目测距方法获取行人与机器人的相对位置,并根据行人距离计算轮式底盘运动速度控制机器人跟踪行人运动。最后,进行了在公共数据集上的行人跟踪实验和机器人跟踪行人运动实验,结果表明系统可以实现单目视觉轮式机器人跟踪行人运动。

适应跨域的行人重识别算法

针对在跨域场景下,行人图片受到光照、色度变化、风格转换等因素影响,行人重识别学习得到的模型无法较好表达行人外观特征的问题,对常用的分类网络骨架ResNet作出修改,并结合IBN模块解决图像风格转换问题。同时提出随机灰度擦除的数据增强方案,在不改变原始图像结构信息的前提下,使用灰色补丁图像代替原始图像,有效降低光照对行人重识别模型的影响。其次,在模型训练中使用Circle Loss代替了SoftMax Loss和Triplet Loss的线性结合,并对Center Loss进行加权以加强特征的内聚性,同时结合Warm-Up和余弦退火策略动态改变学习率。最后,在不降低精度的前提下通过知识蒸馏方法学习得到较小的模型完成加速推理。实验表明,所提出的方法可以有效提升模型收敛速度,并在现实应用中完成快速跨域行人检索。

光质对设施葡萄叶片衰老与内源激素含量的影响

以设施延迟栽培条件下叶片衰老速度不同的意大利和无核白鸡心2个葡萄品种为试材,分别进行补充红光和蓝光处理,研究不同光质对叶片衰老过程中叶绿素含量、净光合速率和内源激素含量的影响.结果表明:与未补光对照相比,红光能够显著提高叶片的叶绿素含量和净光合速率,降低了内源赤霉素(GA3)含量,但明显减缓了脱落酸(ABA)含量的增加和玉米素核苷(ZR)总含量的减少,从而显著提高了(GA3+ZR)/ABA值,延缓叶片衰老.叶片衰老前期,蓝光处理叶片叶绿素含量、净光合速率和(GA3+ZR)/ABA值均低于对照,加速了植株的衰老进程;但在叶片衰老后期,蓝光处理叶绿素含量、净光合速率和(GA3+ZR)/ABA值逐渐高于对照,在一定程度上延缓了叶片衰老.植物内源激素生长素(IAA)则表现出叶片衰老前期促进叶片生长发育、叶片衰老后期加速衰老的双重作用.意大利叶片衰老速度较无核白鸡心慢.在本试验条件下,红光处理效果最好,有效延缓了叶片衰老进程,延长了叶片的生理功能期.