为探讨香梨节水灌溉模式,提高水分利用效率(water use efficiency,WUE)和产量,于2021–2022年在新疆29团5年生香梨园开展灌溉方式和灌溉定额双因素完全随机试验,设置了3种微灌方式:地表滴灌(M1)、地下滴灌(M2)、根区渗灌(M3),3种灌溉定...为探讨香梨节水灌溉模式,提高水分利用效率(water use efficiency,WUE)和产量,于2021–2022年在新疆29团5年生香梨园开展灌溉方式和灌溉定额双因素完全随机试验,设置了3种微灌方式:地表滴灌(M1)、地下滴灌(M2)、根区渗灌(M3),3种灌溉定额:低水(I1)、中水(I2)、高水(I3),以传统漫灌(CK)为对照,研究不同灌溉方式和灌溉量对土壤电导率和脱盐率、香梨生长、产量、WUE、果实品质和净效益的影响。结果表明:M2的产量和WUE最高,且可以促进香梨生长,提高果实品质以及促进盐分淋洗。M3前期的投入成本最大,但获得的净利润仅次于M2。灌溉方式相同时,增加灌溉定额有利于香梨生长、提高产量和盐分淋洗。基于主成分分析、优劣解距离法和秩和比法3种综合评价方法从环境效益、果实品质和经济效益3个方面,选取15个评价指标进行综合评价,M2I3处理综合得分最高,M1I1处理综合得分最低。因此,对矮化密植初果期的香梨进行灌溉时,推荐地下滴灌模式且生育期灌溉定额为6 750 m^(3)/hm^(2)。研究可为南疆干旱区林果业节水控盐高效生产提供理论依据和技术支撑。展开更多
在复杂的自然环境中绿色柑橘生长形态各异,颜色与背景色相近,为有效识别绿色柑橘,提出一种基于混合注意力机制并改进YOLOv5模型的柑橘识别方法。首先,改进YOLOv5的网络结构,在主干网络中添加混合注意力机制,即在主干网络中的第2层嵌入SE...在复杂的自然环境中绿色柑橘生长形态各异,颜色与背景色相近,为有效识别绿色柑橘,提出一种基于混合注意力机制并改进YOLOv5模型的柑橘识别方法。首先,改进YOLOv5的网络结构,在主干网络中添加混合注意力机制,即在主干网络中的第2层嵌入SE(squeeze and excitation)注意力,第11层嵌入CA(coordinate attention)注意力;其次,改进网络模型特征融合结构,将YOLOv5模型Concat特征融合操作的下层分支放在模型C3模块之前,再与另一条上层分支进行特征融合;最后,改进模型分类损失函数,将YOLOv5模型的分类损失函数改成Varifocal Loss函数,加强绿色柑橘特征信息的提取,提高绿色柑橘检测精度。根据自然环境和柑橘自身的特点,对自建数据集进行分类,设计3组不同分类场景下柑橘的对比试验以验证其有效性。试验结果表明,改进后的YOLOv5-SC模型准确率为91.74%,平均精度为95.09%,F1为89.56%,在自然环境下对绿色柑橘的识别具有更高的准确率和更好的鲁棒性,为绿色水果智能采摘提供技术支持。展开更多
棉田虫害的快速检测与准确识别是预防棉田虫害、提高棉花品质的重要前提。针对真实棉田环境下昆虫相似度高、背景干扰严重的问题,该研究提出一种ECSF-YOLOv7棉田虫害检测模型。首先,采用EfficientFormerV2作为特征提取网络,以加强网络...棉田虫害的快速检测与准确识别是预防棉田虫害、提高棉花品质的重要前提。针对真实棉田环境下昆虫相似度高、背景干扰严重的问题,该研究提出一种ECSF-YOLOv7棉田虫害检测模型。首先,采用EfficientFormerV2作为特征提取网络,以加强网络的特征提取能力并减少模型参数量;同时,将卷积注意力模块(convolution block attention module,CBAM)嵌入到模型的主干输出端,以增强模型对小目标的特征提取能力并削弱背景干扰;其次,使用GSConv卷积搭建Slim-Neck颈部网络结构,在减少模型参数量的同时保持模型的识别精度;最后,采用Focal-EIOU(focal and efficient IOU loss,Focal-EIOU)作为边界框回归损失函数,加速网络收敛并提高模型的检测准确率。结果表明,改进的ECSF-YOLOv7模型在棉田虫害测试集上的平均精度均值(mean average precision,mAP)为95.71%,检测速度为69.47帧/s。与主流的目标检测模型YOLOv7、SSD、YOLOv5l和YOLOX-m相比,ECSF-YOLOv7模型的mAP分别高出1.43、9.08、1.94、1.52个百分点,并且改进模型具有参数量更小、检测速度更快的优势,可为棉田虫害快速准确检测提供技术支持。展开更多
文摘为探讨香梨节水灌溉模式,提高水分利用效率(water use efficiency,WUE)和产量,于2021–2022年在新疆29团5年生香梨园开展灌溉方式和灌溉定额双因素完全随机试验,设置了3种微灌方式:地表滴灌(M1)、地下滴灌(M2)、根区渗灌(M3),3种灌溉定额:低水(I1)、中水(I2)、高水(I3),以传统漫灌(CK)为对照,研究不同灌溉方式和灌溉量对土壤电导率和脱盐率、香梨生长、产量、WUE、果实品质和净效益的影响。结果表明:M2的产量和WUE最高,且可以促进香梨生长,提高果实品质以及促进盐分淋洗。M3前期的投入成本最大,但获得的净利润仅次于M2。灌溉方式相同时,增加灌溉定额有利于香梨生长、提高产量和盐分淋洗。基于主成分分析、优劣解距离法和秩和比法3种综合评价方法从环境效益、果实品质和经济效益3个方面,选取15个评价指标进行综合评价,M2I3处理综合得分最高,M1I1处理综合得分最低。因此,对矮化密植初果期的香梨进行灌溉时,推荐地下滴灌模式且生育期灌溉定额为6 750 m^(3)/hm^(2)。研究可为南疆干旱区林果业节水控盐高效生产提供理论依据和技术支撑。
文摘在复杂的自然环境中绿色柑橘生长形态各异,颜色与背景色相近,为有效识别绿色柑橘,提出一种基于混合注意力机制并改进YOLOv5模型的柑橘识别方法。首先,改进YOLOv5的网络结构,在主干网络中添加混合注意力机制,即在主干网络中的第2层嵌入SE(squeeze and excitation)注意力,第11层嵌入CA(coordinate attention)注意力;其次,改进网络模型特征融合结构,将YOLOv5模型Concat特征融合操作的下层分支放在模型C3模块之前,再与另一条上层分支进行特征融合;最后,改进模型分类损失函数,将YOLOv5模型的分类损失函数改成Varifocal Loss函数,加强绿色柑橘特征信息的提取,提高绿色柑橘检测精度。根据自然环境和柑橘自身的特点,对自建数据集进行分类,设计3组不同分类场景下柑橘的对比试验以验证其有效性。试验结果表明,改进后的YOLOv5-SC模型准确率为91.74%,平均精度为95.09%,F1为89.56%,在自然环境下对绿色柑橘的识别具有更高的准确率和更好的鲁棒性,为绿色水果智能采摘提供技术支持。
文摘棉田虫害的快速检测与准确识别是预防棉田虫害、提高棉花品质的重要前提。针对真实棉田环境下昆虫相似度高、背景干扰严重的问题,该研究提出一种ECSF-YOLOv7棉田虫害检测模型。首先,采用EfficientFormerV2作为特征提取网络,以加强网络的特征提取能力并减少模型参数量;同时,将卷积注意力模块(convolution block attention module,CBAM)嵌入到模型的主干输出端,以增强模型对小目标的特征提取能力并削弱背景干扰;其次,使用GSConv卷积搭建Slim-Neck颈部网络结构,在减少模型参数量的同时保持模型的识别精度;最后,采用Focal-EIOU(focal and efficient IOU loss,Focal-EIOU)作为边界框回归损失函数,加速网络收敛并提高模型的检测准确率。结果表明,改进的ECSF-YOLOv7模型在棉田虫害测试集上的平均精度均值(mean average precision,mAP)为95.71%,检测速度为69.47帧/s。与主流的目标检测模型YOLOv7、SSD、YOLOv5l和YOLOX-m相比,ECSF-YOLOv7模型的mAP分别高出1.43、9.08、1.94、1.52个百分点,并且改进模型具有参数量更小、检测速度更快的优势,可为棉田虫害快速准确检测提供技术支持。
