科技文摘

20220501 基于优化D2D的绿色目标果实检测算法//DOI：10.25165/j.ijabe.20221501.6943

在复杂的果园环境中，目标果实的高效、准确检测是实现果园产量测量和自动化采摘的基本保障。有时，绿色果实与背景颜色相近导致难以区分，以及照片拍摄受光照环境和相机角度的影响，给绿色目标果实检测带来巨大挑战。这些问题导致在果园环境中难以检测到绿色水果。该研究提出一种两阶段密集网络优化检测模型D2D（A two-stage dense to detection framework，D2D）来检测绿色水果。新模型采用MobileNetV2+FPN结构提取目标果实的多尺度特征，并通过区域生成网络（RPN）结构生成目标果实的候选区域。在回归分支中，计算每个局部特征的偏移量，并通过二元掩模预测候选区域的正负样本，以减少背景对预测框的干扰。在分类分支中，从候选区域的各子区域中提取特征，并通过自适应加权池化获取具有区分信息的特征，以实现准确分类。新模型采用无锚框设计，提高模型泛化能力和鲁棒性，并降低存储要求。在制作柿子和苹果数据集上，对柿子和绿色苹果的实验结果表明，新模型检测性能最优，可为其他绿色目标果实检测提供理论借鉴。

[编译自：Wei J M，Ding Y H，Liu J，Ullah M Z，Yin X，Jia W K. Novel green-fruit detection algorithm based on D2D framework. Int J Agric & Biol Eng，2022;15（1）：251–259.]

20220502 基于深度学习的肉兔剩余饲料重量估测模型//DOI：10.25165/j.ijabe.20221501.6797

随着精准畜牧业的发展，无接触的健康感知技术在养殖环节中尤为重要。为了提高肉兔养殖业管理水平，该研究开发了一种基于图像分割技术的肉兔剩余饲料重量估测模型。该模型由饲料实例分割网络和饲料重量估测网络组成。基于改进的Mask RCNN网络构建了饲料实例分割网络，该网络以PointRend网络头替换网络的原本网络头，通过自适应点细分方法，对图像边缘处的点进行精细分类。随后从图像分割结果中提取图像特征，作为饲料重量估测网络的输入，构建了基于反向传播神经网络的饲料重量估测网络。将该模型应用于肉兔实际养殖过程以评估模型性能，并探讨了剩余饲料重量和肉兔死亡率之间的关系。模型评估结果表明饲料实例分割网络的平均精确度为0.987，平均像素精度为0.985。饲料重量估测网络的相关系数为0.97，均方误差为208.3，平均绝对误差为10.51g。实际应用结果表明，不健康的肉兔采食量将显著降低，当剩余饲料重量高于喂料量的50%时，肉兔的死亡率高于85%;当剩余饲料重量高于喂料量的65%时，肉兔在短时间内会全部死亡。因此，剩余饲料重量和肉兔的死亡概率之间有显著的相关性，通过估测剩余饲料重量，该模型能帮助养殖舍进行肉兔健康监测。

[编译自：Duan E Z，Wang L J，Wang H Y，Hao H Y，Li R L. Remaining feed weight estimation model for health monitoring of meat rabbits based on deep convolutional neural network. Int J Agric & Biol Eng，2022;15（1）：233–240.]

20220503 双粒花生精量穴播排种器设计与试验//DOI：10.25165/j.ijabe.20221503.6608

为提高花生精量播种装备的性能，解决传统排种器因落种高度大而导致的成穴性和均匀性差的问题，设计了一种二次投种精量双粒花生穴播排种器。通过理论分析，确定了该排种器的主要结构和沟槽长度、投种高度、种床带速度和排种器转速等参数。以冀农花3号为试验对象，单穴双粒率、穴距合格率、穴距变异系数及空穴率为评价指标，通过JPS-12排种器试验台进行了单因素试验和正交试验。单因素试验表明，排种器排种性能主要受沟槽长度、种床带速度和排种轮转速的影响，对空穴率的影响极小，确定最佳投种高度为40mm。通过正交试验确定各参数最优组合：沟槽长度为27.3mm、种床带速度为1.51km/h、排种器转速为14.11r/min。此外，基于正交试验结果建立回归模型，优化后排种器排种性能：穴粒数合格率为98.84%，穴距变异系数为9.74%，空穴率为1.40%。该排种器提高了花生精播质量，满足花生精量穴播农艺要求。

[编译自：Zhao X S，Ran W J，Hao J J，Bai W J，Yang X L. Design and experiment of the double-seed hole seeding precision seed metering device for peanuts. Int J Agric & Biol Eng，2022;15（3）：107–114.]

20220504 不同土壤改良剂对中国东北地区苏打盐碱土理化性质及作物产量的影响//DOI：10.25165/j.ijabe.20221501.6252

施用土壤改良剂是改良盐碱地最有效的方法之一。该研究在室内验证了13种改良剂及其组合（柠檬酸（NM）、磷石膏（LS）、硫酸铝+柠檬酸（AL+NM）、硫酸铝+磷石膏（AL+LS）、硫酸铝+柠檬酸+磷石膏（HH）、沸石（Z）、酸化沸石（ZH）、硫酸铝（AL）、硫酸铝+沸石（AL+Z）、硫酸铝+酸化沸石（AL+ZH）、聚合氯化铝（ALCL）、聚合氯化铝+沸石（ALCL+Z）、聚合氯化铝+酸化沸石（ALCL+ZH））对苏打盐碱土pH值、金属阳离子含量、交换性钠、碱化度（ESP）的影响，并选择了五种最有效的改良剂（Z、ZH、AL、AL+Z和AL+ZH），分别在旱田（玉米田）和水田中应用，以评估它们对中国东北松嫩平原苏打盐碱土的改良效果和对作物产量的影响。室内试验结果表明，AL、AL+Z和AL+ZH处理能显著降低土壤溶液的pH值，增加金属阳离子的含量。Z和ZH处理能吸附土壤中的金属阳离子。在旱地和水田中，五种处理均能提高土壤饱和导水率（Ks），分别从9.63mm/d提高到60.02mm/d和0.18mm/d提高到33.25mm/d，其中AL處理效果最好;五种处理均能降低土壤交换性钠含量，分别降低38.62%-61.33%和25.24%-71.53%，其中AL+ZH处理效果最好;各处理均能降低土壤交换性钠含量，分别降低0.14-0.22和0.14-0.41，其中AL+ZH处理效果最好;AL、AL+Z和AL+ZH处理能提高土壤有机质含量;所有处理均能有效提高作物产量，分别提高23.98%-60.75%和52.51%-260.21%，其中AL处理在旱田效果最好，AL+ZH处理在水田效果最好。该研究可为世界苏打盐碱土的化学改良和农业利用提供理论依据和技术支撑。

[编译自：Xiao F，Zhou B B，Wang H B，Duan M L，Feng L. Effects of different soil amendments on physicochemical property of soda saline-alkali soil and crop yield in Northeast China. Int J Agric & Biol Eng，2022;15（1）：192–198.]

20220505 基于云计算平台利用高分辨率卫星影像实现黄淮海平原冬小麦种植面积快速提取//DOI：10.25165/j.ijabe.20221501.6917

传统的遥感分类数据存储空间大、处理时间长，使利用较高分辨率卫星遥感数据实现区域冬小麦种植面积的提取仍然面临诸多挑战。作为基于全球地理空间分析的云计算平台，Google Earth Engine（GEE）为快速分析遥感信息提供了新的机会。该研究以中国最大冬小麦种植区黄淮海平原为研究区域，基于GEE云计算平台获得高质量Lnadsat-8图像数据集，利用随机森林算法对2019-2020生长季冬小麦进行识别和制图，并利用Sentinel-2影像对结果进行空间分布验证。计算影像光谱指数、纹理特征和地形特征，通过对所有特征变量进行重要性打分和评价，评估它们对冬小麦分類精度的贡献，同时优选排名前9名的特征构建最佳特征子集，分别将全部34个特征构成的集合和优选特征子集作为随机森林分类器的输入变量并对比不同输入变量对分类精度的影响。结果表明，两种特征分类方案的精度差异很小，但全特征集合的分类效果略好于优选特征子集，样方验证的总体分类精度为86%-95%，Kappa系数分布在0.70-0.85之间，总面积的百分比误差为5.42%。该研究结果展示了一种可靠的大范围冬小麦种植区快速制图方法，为探索其他作物的精确制图提供了参考，对作物监测和农业发展具有重要意义。

[编译自：Zhang D Y，Zhang M R，Lin F F，Pan Z G，Jiang F，He L，et al. Fast extraction of winter wheat planting area in Huang-Huai-Hai Plain using high-resolution satellite imagery on a cloud computing platform. Int J Agric & Biol Eng，2022;15（1）：241–250.]