摘要：为全面了解近十年国内外藜麦科研现状与发展趋势,利用文献计量学方法,综合检索2012—2022年间中国知网(China National Knowledge Infrastructure,CNKI)中国期刊全文数据库和Web of Science(WOS)核心合集数据库有关藜麦研究的相关文献,对文献发表年份、研究机构、期刊分布、学科领域分布进行统计分析,并通过关键词共现网络分析归纳国内外藜麦主要研究前沿及热点。结果表明,藜麦相关研究自2013年国际藜麦年后迅速升温,近三年来处于快速增长时期,中国藜麦研究虽然起步较晚,但累计发文数量已超过欧美等国家跃居世界首位,然而论文质量还有待进一步提升,篇均被引频次排在德国、意大利、智利、美国以及西班牙之后。国外研究机构主要集中在南美藜麦起源地及欧美发达国家,国内研究机构主要集中在西北和华北等藜麦种植区域;期刊分布主要以食品科学领域为主,研究热点主要集中在品种选育栽培、营养品质与加工特性等领域。藜麦作为一种健康杂粮正在中国兴起,推进藜麦产业化具有广阔发展前景与应用空间。

摘要：为了挖掘氮素利用率高的大麦种质材料,以大麦(Hordeum vulgare)原始品种‘花30’和空间诱变结合小孢子培养获得的纯合突变体SP30-5为供试材料,在不同氮素水平下,比较其成熟期的农艺性状,同时,在苗期低氮条件下供应不同氮素形态时,对两份材料的氮素吸收利用差异进行比较。结果发现,在成熟期,相比高氮, SP30-5在低氮水平的单株产量、地上部干物重和氮素利用率均显著优于其原始品种‘花30’。在苗期,低氮条件下, SP30-5在三种供氮形式下地上部的干物重和氮素利用率均显著优于原始品种‘花30’,且SP30-5地上部对硝态氮的利用最强,对硝铵态氮和铵态氮两种氮素形态的利用无显著性差异。在硝态氮和硝铵态氮的处理下, SP30-5叶片中的硝酸还原酶和核酮糖-1,5-二磷酸羧化酶活性均显著优于原始品种‘花30’,且在硝态氮处理下, SP30-5叶片中基因HvNR1和HvRbcL的相对表达量显著优于其他处理和‘花30’的基因相对表达量,据此推测该纯合突变体材料在硝态氮供应下地上部氮素利用率的提高可能与叶中的硝酸还原酶和核酮糖-1,5-二磷酸羧化酶活性以及编码基因HvNR1和HvRbcL存在一定的联系,研究结果为解析空间诱变纯合体氮素吸收利用的分子机理提供了线索。

摘要：为了提高深度卷积神经网络(Convolutional Neural Network,CNN)设计的自动化程度并进一步提高陶瓷晶粒扫描电子显微镜(Scanning Electron Microscope,SEM)图像分割的准确性,提出了一种基于神经网络架构搜索的陶瓷晶粒图像分割方法 .该方法设计多分支结构编码空间和链式结构解码空间,并构造多分支结构编码Cell和链式结构解码Cell;同时基于强化学习分别搜索最佳编码Cell和解码Cell;此外,基于编码-解码神经网络架构堆叠最佳Cell构建陶瓷晶粒图像分割CNN,并采用池化索引在解码阶段恢复丢失的细节信息.实验在包含了629张的陶瓷晶粒SEM图像数据集上进行,搜索最佳Cell耗时约148 GPU-时.与U-Net、SegNet等SOTA方法相比,该方法在陶瓷晶粒测试集上获得了更高的分割准确性(mIoU≈68.9%).

摘要：针对遥感图像目标尺度变化较大、分割不够准确的问题,提出了一种融合多尺度特征注意力卷积神经网络(CNN)的图像分割方法。该方法基于卷积块注意力模块提出了改进的有效注意力模块(ECBAM)。在通道注意力模块中加入空洞卷积以降低池化操作造成的特征损失,并在通道注意力模块后添加卷积层对通道注意力特征映射进行特征融合。然后,基于ECBAM设计了一种编码解码架构的卷积神经网络模型ECBAMCNN,其中编码器主要由卷积层、ECBAM和空洞空间金字塔池化模块组成,解码器主要由卷积层和ECBAM组成,并且采用跳跃连接将编码阶段的多尺度信息融合到解码器。实验表明,提出的方法无需预训练和后处理,与SegNet等前沿方法相比取得了更好或相近的分割准确度,在DLRSD和WHDLD测试集上的mIoU分别为67.3%和62.0%。