摘要：为探讨不同混合比例和添加剂对花生秧(Arachis hypogaea)、全株玉米(Zeamays)混合青贮品质和营养价值的影响,本研究采用两因素试验设计,设对照组、添加乳酸菌(Lactobacillus)组及添加复合添加剂组,分别制作花生秧、全株玉米比例为0︰1、1︰3、1︰1、3︰1、1︰0的混合青贮,每组3个重复,60d后取样分析。结果表明,1)在感官评价方面,混合青贮的气味和评价总分随着花生秧添加比例的增加显著下降(P<0.05);2)在青贮品质方面,复合添加剂组的pH显著低于乳酸菌组和对照组(P<0.01),使用添加剂可显著降低氨态氮/总氮(P<0.05),显著提高乳酸、丙酸含量(P<0.05);随着花生秧添加比例的增加,pH、氨态氮/总氮和乙酸显著增加(P<0.05);乳酸、丙酸和总酸含量显著下降(P<0.05);3)在营养成分方面,复合添加剂组的可溶性糖含量显著高于对照组(P<0.05)。随着花生秧添加比例的增加,粗蛋白、粗脂肪、可溶性糖含量和饲料相对饲喂价值显著下降(P<0.05),酸性洗涤纤维、灰分显著升高(P<0.05)。当花生秧、全株玉米混合青贮的混合比例为1︰3时,混合青贮的青贮品质和营养成分最优,与青贮玉米相似;使用复合青贮添加剂可提高混合青贮的青贮品质。

摘要：针对传统的目标检测算法难以实现无人战车在高帧率、红外白光条件下目标检测与识别的问题,提出了一种基于轻量化网络的目标快速检测与识别方法。首先在分析目标检测与识别技术路线和总体结构基础上,采用YOLOv3算法,以MobileNetV2为基础框架,实现网路的轻量化设计;其次,通过采集数量目标红外和白光图像,建立目标图像数据集;最后,利用MobileNet-YOLOv3轻量化网络结构,完成红外图像数据集的训练。实验结果表明,比与原始网络结构,训练后的轻量化网络模型大小减少了80%,速度提升了一倍,在VOC2007与红外图像测试数据集上,mAP能达到75.24%,以上数据表明,轻量化后的网络能在红外、白光图像上实现快速地对目标检测与识别任务。

摘要：智能武器站作为适应未来战场以人在环遥控为主并具备一定自主行为能力的新型武器系统,国内至今还没有成型的装备。在国外研究理论的基础上,基于对智能武器站的系统结构、功能特点和工作原理分析,建立了总体性能与分系统性能相支撑的一种层次化性能指标体系,对各指标的内涵与度量进行了分析与探讨,对开展我国智能武器站的基础研究、论证分析以及研制设计等工作具有理论借鉴意义和技术参考价值。