为提高小麦病害检测精度,实现将模型方便快速部署到移动端,该研究提出了一种基于改进YOLOv8的轻量化小麦病害检测方法。首先,使用PP-LCNet模型替换YOLOv8网络结构的骨干网络,并在骨干网络层引入深度可分离卷积(depthwise separable conv...为提高小麦病害检测精度,实现将模型方便快速部署到移动端,该研究提出了一种基于改进YOLOv8的轻量化小麦病害检测方法。首先,使用PP-LCNet模型替换YOLOv8网络结构的骨干网络,并在骨干网络层引入深度可分离卷积(depthwise separable convolution, DepthSepConv)结构,减少模型参数量,提升模型检测性能;其次,在颈部网络部分添加全局注意力机制(global attention mechanism, GAM)模块,强化特征中语义信息和位置信息,提高模型特征融合能力;然后,引入轻量级通用上采样内容感知重组(content-aware reassembly of features,CARAFE)模块,提高模型对重要特征的提取能力;最后,使用Wise-IoU(weighted interpolation of sequential evidence for intersection over union)边界损失函数代替原损失函数,提升网络边界框回归性能和对小目标病害的检测效果。试验结果表明,对于大田环境下所采集的小麦病害数据集,改进后模型的参数量及模型大小相比原YOLOv8n基线模型分别降低了12.5%和11.3%,同时精确度(precision)及平均精度均值(mean average precision,m AP)相较于原模型分别提高了4.5和1.9个百分点,优于其他对比目标检测算法,可为小麦病害检测无人机等移动端检测装备的部署和应用提供参考。展开更多
分离新型鸭源微RNA病毒进行全基因组测序并进行遗传进化分析。对本实验室2021年不同来源的种鸭和肉鸭病料进行PCR检测,初步确定存在一种未知分类的新型微RNA病毒感染。取病死鸭病料组织处理后接种SPF鸡胚分离病毒,设计引物对分离到的病...分离新型鸭源微RNA病毒进行全基因组测序并进行遗传进化分析。对本实验室2021年不同来源的种鸭和肉鸭病料进行PCR检测,初步确定存在一种未知分类的新型微RNA病毒感染。取病死鸭病料组织处理后接种SPF鸡胚分离病毒,设计引物对分离到的病毒进行PCR检测,通过重叠PCR方法进行全基因组扩增测序。将分离病毒各蛋白氨基酸序列两两比对,同时选取GenBank数据库中微RNA病毒代表毒株序列绘制系统进化树,并对主要蛋白P1、2C、3D序列比对分析。结果显示:共分离到三株微RNA病毒,分别命名为21101株、21016株和21075株(GenBank登录号:OQ927377~OQ927379)。基因组长度分别为7445、7445和7447 bp,均包含一个编码2141个氨基酸的开放阅读框(ORF),可划分为P1、P2、P3三个部分,符合微RNA病毒序列特征。基于全基因组序列遗传进化分析发现,三株分离病毒与本实验室前期分离的Duck/FC22/China/2017(GenBank登录号:MN102111)毒株及上海兽医研究所分离的Duck/AH15/CHN/2015(GenBank登录号:MT681985)位于同一分支,与鸭甲型肝炎病毒(Duck hepatitis A virus,DHAV)遗传距离最近。分离的三株鸭源微RNA病毒进行全基因组测序及遗传进化分析发现,与目前已知的两株微RNA毒株为同一类新型鸭源微RNA病毒。展开更多
[目的]在有机无机混合肥料仿真试验中,传统参数标定方法待标定参数多,标定过程复杂。本文根据有机肥对无机肥颗粒黏附特性,提出一种新的离散元仿真接触参数标定方法。[方法]利用自由落体碰撞试验、静摩擦试验、滚动摩擦试验对复合小球...[目的]在有机无机混合肥料仿真试验中,传统参数标定方法待标定参数多,标定过程复杂。本文根据有机肥对无机肥颗粒黏附特性,提出一种新的离散元仿真接触参数标定方法。[方法]利用自由落体碰撞试验、静摩擦试验、滚动摩擦试验对复合小球和钢的接触参数进行校准;设计Plackett-Burmen Design试验、爬坡试验和Box-Behnken响应面试验,得到混合肥料接触模型最优参数,通过堆积角对比试验、有机肥和无机肥混合比例预测试验、撒肥盘颗粒分布对比试验验证最优参数。[结果]复合小球与钢的最优碰撞恢复系数、静摩擦系数和滚动摩擦系数分别为0.323、0.776、0.255;有机肥肥料之间最优碰撞恢复系数、静摩擦系数和滚动摩擦系数分别为0.40、0.70、0.14;有机肥与钢板之间的最优碰撞恢复系数、静摩擦系数和滚动摩擦系数分别为0.44、0.70、0.15;Hertz-Mindlin with JKR模型参数为0.017。最优参数进行对比验证堆积角的相对误差为1.05%,最优参数能预测不同混合比例肥料的堆积角,撒肥盘抛撒试验列分布最大相对误差为35.95%,平均误差15.86%。[结论]试验结果验证了标定方法正确性,同时为后续有机肥-无机肥-机械互作系统研究提供依据。展开更多
现有的多模态间歇过程软测量未考虑过程数据的批次差异及过渡模态的复杂时变特性,影响了间歇过程模态识别的合理性及质量变量在线软测量的准确性。提出了一种基于双边界支持向量数据描述-相关向量回归(double boundary support vector d...现有的多模态间歇过程软测量未考虑过程数据的批次差异及过渡模态的复杂时变特性,影响了间歇过程模态识别的合理性及质量变量在线软测量的准确性。提出了一种基于双边界支持向量数据描述-相关向量回归(double boundary support vector data description-relevance vector regression,DBSVDD-RVR)的间歇过程质量变量在线软测量方法。依据间歇过程离线模态划分获得的各稳定及过渡模态历史数据,建立DBSVDD在线模态识别模型,并引入滑动窗,构建间歇过程在线模态识别策略,利用DBSVDD模型实现在线测量数据的模态识别;在此基础上,构建了基于超球体距离的数据相似度计算方法,选择过渡模态在线数据的相似建模数据集,建立过渡模态的即时学习RVR软测量模型,并依据历史数据建立各稳定模态的RVR软测量模型,实现间歇过程质量变量的在线软测量。青霉素发酵过程的实验结果表明,所提方法有效地提高了间歇过程模态识别的合理性和质量变量在线软测量的准确性。展开更多
文摘为提高小麦病害检测精度,实现将模型方便快速部署到移动端,该研究提出了一种基于改进YOLOv8的轻量化小麦病害检测方法。首先,使用PP-LCNet模型替换YOLOv8网络结构的骨干网络,并在骨干网络层引入深度可分离卷积(depthwise separable convolution, DepthSepConv)结构,减少模型参数量,提升模型检测性能;其次,在颈部网络部分添加全局注意力机制(global attention mechanism, GAM)模块,强化特征中语义信息和位置信息,提高模型特征融合能力;然后,引入轻量级通用上采样内容感知重组(content-aware reassembly of features,CARAFE)模块,提高模型对重要特征的提取能力;最后,使用Wise-IoU(weighted interpolation of sequential evidence for intersection over union)边界损失函数代替原损失函数,提升网络边界框回归性能和对小目标病害的检测效果。试验结果表明,对于大田环境下所采集的小麦病害数据集,改进后模型的参数量及模型大小相比原YOLOv8n基线模型分别降低了12.5%和11.3%,同时精确度(precision)及平均精度均值(mean average precision,m AP)相较于原模型分别提高了4.5和1.9个百分点,优于其他对比目标检测算法,可为小麦病害检测无人机等移动端检测装备的部署和应用提供参考。
文摘分离新型鸭源微RNA病毒进行全基因组测序并进行遗传进化分析。对本实验室2021年不同来源的种鸭和肉鸭病料进行PCR检测,初步确定存在一种未知分类的新型微RNA病毒感染。取病死鸭病料组织处理后接种SPF鸡胚分离病毒,设计引物对分离到的病毒进行PCR检测,通过重叠PCR方法进行全基因组扩增测序。将分离病毒各蛋白氨基酸序列两两比对,同时选取GenBank数据库中微RNA病毒代表毒株序列绘制系统进化树,并对主要蛋白P1、2C、3D序列比对分析。结果显示:共分离到三株微RNA病毒,分别命名为21101株、21016株和21075株(GenBank登录号:OQ927377~OQ927379)。基因组长度分别为7445、7445和7447 bp,均包含一个编码2141个氨基酸的开放阅读框(ORF),可划分为P1、P2、P3三个部分,符合微RNA病毒序列特征。基于全基因组序列遗传进化分析发现,三株分离病毒与本实验室前期分离的Duck/FC22/China/2017(GenBank登录号:MN102111)毒株及上海兽医研究所分离的Duck/AH15/CHN/2015(GenBank登录号:MT681985)位于同一分支,与鸭甲型肝炎病毒(Duck hepatitis A virus,DHAV)遗传距离最近。分离的三株鸭源微RNA病毒进行全基因组测序及遗传进化分析发现,与目前已知的两株微RNA毒株为同一类新型鸭源微RNA病毒。
文摘[目的]在有机无机混合肥料仿真试验中,传统参数标定方法待标定参数多,标定过程复杂。本文根据有机肥对无机肥颗粒黏附特性,提出一种新的离散元仿真接触参数标定方法。[方法]利用自由落体碰撞试验、静摩擦试验、滚动摩擦试验对复合小球和钢的接触参数进行校准;设计Plackett-Burmen Design试验、爬坡试验和Box-Behnken响应面试验,得到混合肥料接触模型最优参数,通过堆积角对比试验、有机肥和无机肥混合比例预测试验、撒肥盘颗粒分布对比试验验证最优参数。[结果]复合小球与钢的最优碰撞恢复系数、静摩擦系数和滚动摩擦系数分别为0.323、0.776、0.255;有机肥肥料之间最优碰撞恢复系数、静摩擦系数和滚动摩擦系数分别为0.40、0.70、0.14;有机肥与钢板之间的最优碰撞恢复系数、静摩擦系数和滚动摩擦系数分别为0.44、0.70、0.15;Hertz-Mindlin with JKR模型参数为0.017。最优参数进行对比验证堆积角的相对误差为1.05%,最优参数能预测不同混合比例肥料的堆积角,撒肥盘抛撒试验列分布最大相对误差为35.95%,平均误差15.86%。[结论]试验结果验证了标定方法正确性,同时为后续有机肥-无机肥-机械互作系统研究提供依据。
文摘现有的多模态间歇过程软测量未考虑过程数据的批次差异及过渡模态的复杂时变特性,影响了间歇过程模态识别的合理性及质量变量在线软测量的准确性。提出了一种基于双边界支持向量数据描述-相关向量回归(double boundary support vector data description-relevance vector regression,DBSVDD-RVR)的间歇过程质量变量在线软测量方法。依据间歇过程离线模态划分获得的各稳定及过渡模态历史数据,建立DBSVDD在线模态识别模型,并引入滑动窗,构建间歇过程在线模态识别策略,利用DBSVDD模型实现在线测量数据的模态识别;在此基础上,构建了基于超球体距离的数据相似度计算方法,选择过渡模态在线数据的相似建模数据集,建立过渡模态的即时学习RVR软测量模型,并依据历史数据建立各稳定模态的RVR软测量模型,实现间歇过程质量变量的在线软测量。青霉素发酵过程的实验结果表明,所提方法有效地提高了间歇过程模态识别的合理性和质量变量在线软测量的准确性。
