检索结果-南通市图书馆

利用低场核磁共振技术探究机械损伤对蓝莓果实内部水分状态的影响

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

食品科学 2025年第3期46卷 204-211页

作者：罗子旋姜凤利吴沛净宋平丁柯柯沈阳农业大学信息与电气工程学院辽宁沈阳110866

本研究采用自制损伤装置制作不同损伤等级样本(DI组(撞击1次)和DII组(撞击不同位置2次)),利用低场核磁共振技术,在4℃和25℃两种贮存温度条件下,采集蓝莓损伤发生0、6、24 h的波谱信息和质子密度图像信息。结果表明,损伤显著改变了蓝莓... 详细信息

本研究采用自制损伤装置制作不同损伤等级样本(DI组(撞击1次)和DII组(撞击不同位置2次)),利用低场核磁共振技术,在4℃和25℃两种贮存温度条件下,采集蓝莓损伤发生0、6、24 h的波谱信息和质子密度图像信息。结果表明,损伤显著改变了蓝莓内部水分状态与分布。随着时间的延长,受损蓝莓细胞壁水含量A21减少,而细胞质水含量A22在损伤发生后逐渐上升,特别在损伤程度高的DII组,损伤发生24 h后A22增至0 h的1.45倍以上,而液泡水含量A23和总水分含量A2大幅度下降,表明蓝莓损伤后水分重新分配和向外界环境迅速转移。随着损伤程度上升,液泡水主峰整体呈现显著下降和右移的趋势,同时温度的升高进一步加剧了该变化。在25℃条件下,损伤发生6 h和24 h时,出现了4个弛豫峰,弛豫峰的增加标志着蓝莓品质显著劣变。相比于室温(25℃),4℃低温贮存有利于保持果实的完整性,并减缓受损蓝莓水分流失速率。实验结果可为实现蓝莓机械损伤的快速检测和损伤机理研究提供理论基础和数据参考。

关键词：蓝莓机械损伤温度低场核磁共振水分分布

在线全文

学校读者我要写书评

暂无评论

基于微流控芯片的鼠伤寒沙门氏菌免疫磁分离

食品科学 2025年第1期46卷 200-209页

作者：金彦王敬依程佳宁于乐民张壁臣张一博许童羽沈阳农业大学信息与电气工程学院辽宁沈阳110866 沈阳农业大学生物科学技术学院辽宁沈阳110866

开发一种用于鼠伤寒沙门氏菌快速分离与富集的免疫磁分离微流控系统,该系统由微流控芯片、微控制器、电磁分离与混合模块组成,具备电磁驱动混合和磁分离功能,能够实现免疫磁珠与鼠伤寒沙门氏菌的快速孵育、分离与富集。在最优条件下,可... 详细信息

开发一种用于鼠伤寒沙门氏菌快速分离与富集的免疫磁分离微流控系统,该系统由微流控芯片、微控制器、电磁分离与混合模块组成,具备电磁驱动混合和磁分离功能,能够实现免疫磁珠与鼠伤寒沙门氏菌的快速孵育、分离与富集。在最优条件下,可以在13 min内实现对牛奶样品中浓度范围为2×10^(1)~2×10^(6) CFU/m L鼠伤寒沙门氏菌的快速捕获与分离,捕获率在33.3%~67.5%之间,最低检测限为20 CFU/m L。因此,这种高度集成的免疫磁分离微流控系统能够从复杂食品基质中迅速、准确地富集目标细菌,为食源性致病菌的快速检测提供了有效的解决方案,对于应对食源性疾病引发的公共卫生问题具有重要意义。

关键词：鼠伤寒沙门氏菌免疫磁珠免疫磁分离主动电磁混合微流控芯片

在线全文

学校读者我要写书评

暂无评论

基于深度学习的稻粒在穗计数方法研究

沈阳农业大学学报 2025年第1期56卷 82-91页

作者：周云成张羽刘泽钰李瑞阳沈阳农业大学信息与电气工程学院沈阳110161

[目的]稻粒计数是水稻考种的重要环节。针对传统稻穗穗粒人工计数存在着效率低、易出错等问题,研究构建一种稻穗穗粒原位计数模型。原位计数方法可以不破坏稻穗原有拓扑结构,进而进一步应用于其他表型参数获取。[方法]模型以ResNet作为... 详细信息

[目的]稻粒计数是水稻考种的重要环节。针对传统稻穗穗粒人工计数存在着效率低、易出错等问题,研究构建一种稻穗穗粒原位计数模型。原位计数方法可以不破坏稻穗原有拓扑结构,进而进一步应用于其他表型参数获取。[方法]模型以ResNet作为骨干网络,应用图像和范本稻粒之间的特征相关性,预测稻粒概率密度分布,进而通过密度图求和获取稻粒数量。构建稻穗图像数据集,定义稻粒在穗计数模型的损失函数,该函数同时考虑预测密度图与实际稻粒分布的一致性,以及范本标注框的相关约束。用平均绝对误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Squared Error,RMSE)、平均相对误差(Mean Relative Error,MRE)作为衡量模型性能的评估指标。[结果]以ResNet50作为模型骨干网络,模型可取得较理想的精度,其MAE、RMSE、MRE分别为10.937,19.286,13.4%,该方法有着较为准确的计数性能。与YOLOv8-seg相比,本研究模型的MRE下降2.2%,与基于实例分割的SAM(Segment Anything Model)模型相比,本研究模型的MRE降低了12.2%,与T-Rex2模型相比,则降低6.5%。[结论]基于深度学习模型构建,能够自动识别和计数图像中稻粒,提高计数效率,同时相较于其他深度学习模型,本研究模型具有更强的少样本学习能力。本方法可应用于稻粒在穗计数任务,可为稻穗表型参数获取等提供一定技术参考。

关键词：稻穗表型原位计数水稻特征提取表型参数

基于电子病历多模态数据的作物病害多元场景处方推荐方法研究

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2025年第1期56.0卷 25-36+46页

作者：张领先丁俊琦陈菲菲李宜滨张一丁中国农业大学信息与电气工程学院中国农业大学工学院

针对作物品种及病害种类繁杂、样本数据严重不平衡、处方类别多样及数据多模态等特点和难点，本文基于电子病历多模态数据整合，开展面向多样化、可拓展和多模态3种应用场景需求的作物病害处方推荐方法研究。针对常见病害多样化处方推... 详细信息

针对作物品种及病害种类繁杂、样本数据严重不平衡、处方类别多样及数据多模态等特点和难点，本文基于电子病历多模态数据整合，开展面向多样化、可拓展和多模态3种应用场景需求的作物病害处方推荐方法研究。针对常见病害多样化处方推荐应用场景，基于CdsBERT-RCNN和诊断推理构建了作物病害多样化处方推荐模型，提升了面向32种常见病害的诊断准确度及处方推荐的多样化水平；针对未训练少见病害和新添处方应用场景，基于MC-SEM和语义检索构建了作物病害可拓展处方推荐模型，提升了语义匹配准确性和案例库检索速度，实现对未训练病害的处方推荐功能；针对多种模态信息采集和输入应用场景，基于BATNet多层特征融合构建了多模态作物病害处方推荐模型，提升了多模态数据输入的处方推荐性能。实验结果表明，CdsBERT-RCNN模型对32种常见病害的诊断准确率达到85.65%,F1值达到85.63%;不同完整性输入测试中，仅输入症状信息即可达到81.19%的准确率，而添加环境信息和作物信息分别使准确率进一步提高1.65、3.61个百分点；MC-SEM模型对电子病历语义匹配任务达到皮尔森相关系数86.34%和斯皮尔曼相关系数77.67%;封闭集和开放集上处方推荐准确率分别达到88.20%和82.04%,验证了模型对未训练病害的推荐能力；BATNet对于多模态输入处方推荐任务的准确率和F1值达到98.88%和98.83%;应用场景分析和测试验证了模型在不完整模态(纯文本或纯图像)和不完整信息输入(作物、环境、症状)情况下泛化能力。该研究为数字化赋能作物病害防治决策提供了新的思路。

关键词：作物病害处方推荐自然语言处理语义检索多模态融合电子病历

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业领域多模态融合技术方法与应用研究进展

农业机械学报 2025年第1期56卷 1-15页

作者：李道亮赵晔杜壮壮中国农业大学信息与电气工程学院国家数字渔业创新中心

多模态融合技术通过结合多源数据，可以克服单一模态的局限性。近年来，传感器以及遥感技术的发展为作物监测提供了更加丰富的数据源，光谱数据、图像数据、雷达数据以及热红外数据被广泛应用于作物监测中。通过利用计算机视觉技术以及... 详细信息

多模态融合技术通过结合多源数据，可以克服单一模态的局限性。近年来，传感器以及遥感技术的发展为作物监测提供了更加丰富的数据源，光谱数据、图像数据、雷达数据以及热红外数据被广泛应用于作物监测中。通过利用计算机视觉技术以及数据分析方法，可以从中获取作物的表型参数、理化特征等信息，从而有助于评估作物的生长状况、指导农业生产管理。现有研究多数是基于单一模态数据展开，而单一模态的数据仅有一种类型的输入，缺乏对整体信息的理解，且容易受到单模态噪声的影响；部分研究虽然采用了多模态融合技术，但仍未能充分考虑模态间的复杂交互关系。为了深入分析多模态融合技术在农业领域应用的潜力，本文首先阐述了农业领域中多模态融合的先进技术与方法，重点梳理了多模态融合技术在作物识别、性状分析、产量预测、胁迫分析及病虫害诊断领域中的应用研究成果，分析了多模态融合技术在农业领域中存在的数据利用程度低、有效特征提取难、融合方式单一等问题，并对未来发展提出展望，以期通过多模态融合的方法推动农业精准管理、提高生产效率。

关键词：多模态融合传感器遥感技术作物监测计算机视觉农业精准管理

基于音视频信息融合与Self-Attention-DSC-CNN6网络的鲈鱼摄食强度分类方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业机械学报 2025年第1期56卷 16-24页

作者：李道亮李万超杜壮壮中国农业大学信息与电气工程学院国家数字渔业创新中心天津农学院计算机与信息工程学院

摄食强度识别分类是实现水产养殖精准投喂的重要环节。现有的投喂方式存在过度依赖人工经验判断、投喂量不精确、饲料浪费严重等问题。基于多模态融合的鱼类摄食程度分类能够综合不同类型的数据(如：视频、声音和水质参数),为鱼群的投... 详细信息

摄食强度识别分类是实现水产养殖精准投喂的重要环节。现有的投喂方式存在过度依赖人工经验判断、投喂量不精确、饲料浪费严重等问题。基于多模态融合的鱼类摄食程度分类能够综合不同类型的数据(如：视频、声音和水质参数),为鱼群的投喂提供更加全面精准的决策依据。因此，提出了一种融合视频和音频数据的多模态融合框架，旨在提升鲈鱼摄食强度分类性能。将预处理后的Mel频谱图(Mel Spectrogram)和视频帧图像分别输入到Self-Attention-DSC-CNN6(Self-attention-depthwise separable convolution-CNN6)优化模型进行高层次的特征提取，并将提取的特征进一步拼接融合，最后将拼接后的特征经分类器分类。针对Self-Attention-DSC-CNN6优化模型，基于CNN6算法进行了改进，将传统卷积层替换为深度可分离卷积(Depthwise separable convolution, DSC)来达到减少计算复杂度的效果，并引入Self-Attention注意力机制以增强特征提取能力。实验结果显示，本文所提出的多模态融合框架鲈鱼摄食强度分类准确率达到90.24%,模型可以有效利用不同数据源信息，提升了对复杂环境中鱼群行为的理解，增强了模型决策能力，确保了投喂策略的及时性与准确性，从而有效减少了饲料浪费。

关键词：鲈鱼摄食强度分类多模态融合 Self-Attention-DSC-CNN6

基于AAGC-GRU的航班延误组合预测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

北京航空航天大学学报 2025年第1期51卷 30-42页

作者：刘晓琳郭梦娇李卓中国民航大学电子信息与自动化学院天津300300 中国农业大学信息与电气工程学院北京100083

针对航班延误预测模型中延误数据的时空动态相关性难以提取的问题,提出一种基于自适应注意力图卷积门控循环单元(AAGC-GRU)的航班延误预测模型。以机场为节点构建机场网络拓扑图,结合空间注意力机制及自适应图卷积神经网络,弥补图卷积... 详细信息

针对航班延误预测模型中延误数据的时空动态相关性难以提取的问题,提出一种基于自适应注意力图卷积门控循环单元(AAGC-GRU)的航班延误预测模型。以机场为节点构建机场网络拓扑图,结合空间注意力机制及自适应图卷积神经网络,弥补图卷积神经网络对先验知识过度依赖的缺陷,同时增强模型对机场网络空间动态相关性的自动挖掘能力;采用门控循环单元获取航班延误数据的时间相关性,并引入时间注意力机制来学习不同时间步数据的影响权重;采用全连接层获取航班延误预测结果。利用美国大型机场网络的航班离港准点率数据集进行实验,结果表明:所提AAGC-GRU模型的预测结果在平均绝对误差、均方根误差和平均绝对百分误差方面均优于梯度提升回归树、门控循环单元及时空图卷积神经网络等基线模型。

关键词：航班延误预测深度学习自适应图卷积门控循环单元注意力机制

在线全文

学校读者我要写书评

暂无评论

采用FD约束迁移生成虚拟样本的动液面预测

哈尔滨工业大学学报 2025年

作者：王通胡安邦韩莹沈阳工业大学电气工程学院辽宁工程技术大学电气与控制工程学院

为改善因石油开采过程复杂多变，难以获取完备油井生产数据信息所导致动液面预测模型效果不佳的问题，提出一种基于模糊决策（fuzzy decision，FD）约束迁移的变分自编码器-生成对抗网络（variational autoencoder-generative adversari... 详细信息

为改善因石油开采过程复杂多变，难以获取完备油井生产数据信息所导致动液面预测模型效果不佳的问题，提出一种基于模糊决策（fuzzy decision，FD）约束迁移的变分自编码器-生成对抗网络（variational autoencoder-generative adversarial network，VAE-GAN）模型，生成油井动液面预测建模虚拟样本。首先，利用信息较为完备的相似工况源域油井数据通过基于迁移学习的VAE-GAN生成虚拟样本，采用最大均值差异使虚拟样本特征分布向待测目标域油井迁移。其次，为使虚拟样本具有源域油井丰富信息特征的同时符合目标域油井生产规则，设计了模糊判别约束模块用于辨别虚拟样本参数间生产特征，进一步约束虚拟样本生成。最后，将所得虚拟样本与目标域少量真实样本混合，构建动液面预测模型。仿真结果表明：本文所提方法生成的虚拟样本可以有效补充待测油井的生产数据，相较于采用待测油井真实数据构建的预测模型，其构建的预测模型在满足油田生产关键参数测量相对误差5%以内要求的基础上，平均绝对误差下降29.577%，均方根误差下降26.386%。所提方法可以有效解决油井生产数据信息不完备问题，能够降低动液面预测模型的输出误差。

关键词：动液面虚拟样本模糊决策迁移学习变分自编码器生成对抗网络

Dueling DQN优化下的航班延误自适应图卷积循环网络预测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

系统工程与电子技术 2025年

作者：刘晓琳郭梦娇李卓中国民航大学电子信息与自动化学院中国农业大学信息与电气工程学院

为充分挖掘机场网络航班间的时空动态相关性以减小预测误差，提出一种基于Dueling DQN优化的多组件自适应图卷积循环网络航班延误预测模型。首先，结合自适应图卷积网络与多头空间注意力机制，并行捕获融合多个子空间的延误信息，充分... 详细信息

为充分挖掘机场网络航班间的时空动态相关性以减小预测误差，提出一种基于Dueling DQN优化的多组件自适应图卷积循环网络航班延误预测模型。首先，结合自适应图卷积网络与多头空间注意力机制，并行捕获融合多个子空间的延误信息，充分挖掘非线性空间动态特征；其次，采用门控循环单元为时间特征提取模块的基础，并引入时间注意力机制以学习历史时间步间的关注权重；然后，设置多个时间维输入组件，增加对不同时间模式的构建多样性；最后，采用Dueling DQN优化MAGC-GRU模型的超参数。实验结果表明：所提模型的MAE相对于HA、RF、GBRT、GRU、STGCN分别降低了10.6%、6.07%、9.18%、3.79%、3.12%。

关键词：航班延误预测深度学习强化学习多组件融合图卷积