摘要：氨气是畜禽场景中的主要有害气体之一,针对有源传感器不适于电路有线连接受限的畜禽场景问题,该研究基于高频电磁仿真软件(high frequency structure simulator,HFSS)设计了无源传感器仿真模型,选择聚酰亚胺(polyimide,PI)作为基板材料,采用丝网印刷技术研制了基于射频识别(radio frequency identification,RFID)原理的无源氨气传感标签。通过对氨气无源检测原理的解析,选择了具有高表面积的碳纳米管作为氨气敏感材料,推导了通过测量射频接收功率变化实现无源检测的数学模型;考虑谐振频率的动态调整,无源RFID传感标签采用开口间隙可调的裂环谐振器结构,通过分析传输系数的变化对RFID传感标签的检测过程进行模拟;搭建了用于实验室和畜禽场景氨气检测的射频测试系统,围绕功率反射系数、谐振频率、传输系数开展测试分析。试验结果表明,该标签检测效率易受到到二氧化碳、温湿度因素的影响,由于人工切割、基板变形、环境干扰等因素,实物标签的谐振频率与2.4 GHz的仿真谐振频率之间存在0.05 GHz左右的偏差,传感标签的灵敏度约为15 MHz·L/mg,最大阅读距离为24 cm,相比于商用氨气传感器,该传感标签在使用寿命、响应时间方面有明显优势。研究结果为畜禽场景的氨气无源检测提供了有效的理论和实践依据。

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：为解决传统大豆考种过程中人工测量大豆豆荚表型参数耗时费力的问题以及现有的自动化测量方式存在的人工数据标注需求量大、环境适应能力弱、计算代价高等问题,本研究提出一种基于虚拟数据集生成和旋转目标检测分析的豆荚关键表型参数自动化测量方法,重点关注荚长和荚宽的测量。该方法基于YOLOv7-tiny提出一种改进的豆荚检测模型(CSL-YOLOv7-tiny),通过引入环形平滑标签使模型获得对旋转目标的检测能力,提升对无序摆放的狭长豆荚目标检测的质量。为避免人工标注训练数据,采用虚拟图像生成方法得到含标注信息的虚拟豆荚数据集和虚拟硬币与豆荚混合数据集。利用迁移学习策略,将模型从虚拟豆荚数据集迁移至虚拟硬币与豆荚混合数据集,积累模型对豆荚特征的提取能力。设计一种基于K-均值聚类的后处理方法,对检测到的旋转边界框进行分析,得到荚长和荚宽,以减少拍摄环境差异带来的测量误差。试验结果表明,在无任何训练数据标注的条件下,使用虚拟图像训练的CSL-YOLOv7-tiny对硬币和豆荚目标检测的最优mAP_(0.50)和mAP_(0.50∶0.95)分别达到了99.3%和78.0%,其模型大小和推理时间分别仅为12.92 MB和12.5 ms,荚长和荚宽测量的决定系数(R^(2))分别达到了0.94和0.86,与实际测量均值分别仅相差0.42 mm和0.02 mm。此外,通过对本研究提出的方法进行对比分析,验证了其在模型训练、轻量化部署以及不同考种环境适应能力上的优势。研究结果可为大豆豆荚表型参数的自动化、智能化测量系统的研发提供参考,为加速优质高产大豆的选育进程提供支撑。

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。