摘要：当前的农产品供应链系统,常由单个部门监管,存在单点故障、数据难以实时监管等问题,此外企业节点身份无明显区分,难以保证企业节点不会泄露企业隐私数据。本研究构建了农产品区块链多监管差分隐私共享架构,提出零知识证明身份验证算法,实现隐私数据对具有特定特征的监管部门的共享,降低了传统监管部门的压力。设计隐私数据分层规范,以基于密文策略的属性加密方案技术实现企业隐私数据差异化共享,降低了隐私数据泄露风险。在此基础上设计农产品区块链多监管差分隐私共享系统,并应用在某企业番茄供应链进行测试,测试结果表明,与现有监管模型相比,监管节点查询企业隐私数据时间缩短7.1%,企业节点查询隐私数据时间缩短23.9%。结果说明,本研究提出的方法能够在保证隐私安全的前提下提高监管效率。

摘要：[目的/意义]小麦叶片数是衡量植株生长状况、确定茎蘖动态、调节群体结构的重要指标之一。目前大田环境下小麦叶片计数主要依靠人工、耗时耗力,而现有的自动化检测计数方法的效率与精度难以满足实际应用需求。为提高小麦叶片数检测的准确性,设计了一种复杂大田环境下高效识别小麦叶尖的算法。[方法]本研究以手机和田间摄像头获取的可见光图像构建了两种典型光照条件下出苗期、分蘖期、越冬期等多个生长期的小麦叶片图像数据集。以YOLOv8为基础网络,融合坐标注意力机制降低背景环境的干扰,提高模型对小麦叶尖轮廓信息的提取能力;替换损失函数加快模型收敛速度;增加小目标检测层提高对小麦叶尖的识别效果,降低漏检率。设计了一种适用于叶尖小目标识别的深度学习网络,通过检测图像叶尖数量从而得出叶片数。[结果与讨论]本研究提出的方法对小麦叶尖的识别精确率和mAP0.5分别达到91.6%和85.1%,具有良好的检测效果。在复杂大田环境下该方法具有更好的适应能力,能够在不同光照条件下实现自适应检测,模型鲁棒性强。小麦幼苗期叶片检测漏检率低,说明该方法能够满足复杂大田场景下小麦叶尖识别的需求,提高了小麦叶片数检测的准确性。[结论]本研究可为复杂大田场景下小麦叶片数检测的研究提供参考,为小麦长势高质量评估提供技术支撑。

摘要：叶绿素荧光是反映植物光合效率的重要参数。叶绿素荧光成像技术能对植株光合作用二维空间异质性进行分析,然而现有的叶绿素荧光成像系统需要昂贵的相机和复杂的控制系统,为此提出一种基于低成本CMOS相机的叶绿素荧光成像方法。提出一种可变积分时间的叶绿素荧光图像接收方法,通过改变不同强度激发光下CMOS相机的积分时间,解决了低成本CMOS相机在荧光接收中的控制延迟问题;设计一种简易的叶绿素荧光成像系统,实现800万像素、成像面积为60mm×80mm的荧光图像采集。试验结果显示,该系统能够测量得到清晰的荧光图像,可以在1mm 2的区域检测到植物的光合异质性,将测量结果与商业荧光仪测得的结果相比,决定系数达到0.94。本研究提出的荧光成像方法在可行性和准确性方面取得较好的效果,成像系统测量结果稳定可靠、成本低廉,为叶绿素荧光成像技术提供了更为经济高效的解决方案。