文献
基于多源哨兵数据与可解释机器学习的青藏高原南部草地生物量估算
彭泰来;李佳;吴后建;刘扬晶;曹华燕;梁曾飞;刘金山;齐建文;杨传金;何见;龙江平;[目的]草地地上生物量(Aboveground Biomass,AGB)是表征草地生态系统结构与功能的重要指标。针对高寒草地AGB遥感反演中光学数据易饱和、微波数据易受土壤湿度与地表粗糙度干扰，以及传统机器学习模型生态学解释性不足等问题，探索多源遥感数据融合与可解释机器学习方法在青藏高原复杂地形区草地AGB估算中的适用性与优势。[方法]以青藏高原东南缘昌都地区为研究区，基于Sentinel-1微波与Sentinel-2光学遥感数据，结合地面样方调查数据，构建多源遥感驱动的草地AGB估算模型。采用Boruta特征选择方法筛选关键遥感变量，并分别利用极端梯度提升(eXtreme Gradient Boosting,XGB)、随机森林(Random Forest,RF)、支持向量回归(Support Vector Regression,SVR)和K近邻(K-Nearest Neighbors,KNN)4种机器学习算法开展对比建模。同时引入SHAP方法分析关键变量对AGB估算的贡献及其非线性响应特征。[结果]多源遥感融合模型的估算精度显著优于单一数据源模型，其中XGB模型表现最佳，预测决定系数R2达到0.87,RMSE和rRMSE分别为9.5 g·m~-2和13.57%;VH后向散射系数、NDVI和EVI是影响AGB估算的最关键变量，SHAP分析揭示其对不同生物量区间具有显著的非线性贡献特征；草地AGB空间分布明显受地形因子控制，低海拔和南向坡区域生物量较高，而高海拔及北向坡区域生物量显著偏低。[结论]光学与微波遥感数据的互补融合结合机器学习建模可有效提升高寒复杂地形区草地AGB反演精度，引入SHAP方法能够增强模型结果的生态学解释力。研究结果为青藏高原草地生物量遥感监测与生态资源管理提供可靠的技术路径和科学依据。
软枣猕猴桃细菌性溃疡病菌基因组测序与分析
郑泽洋;刘振盼;杨伟聪;刘娟娟;刘钊;朱可馨;李玉莹;尤文忠;[目的]为丰富软枣猕猴桃细菌性溃疡病菌Pseudomonas syringae pv. actinidiae基因组数据并挖掘其致病基因，明确P. syringae pv. actinidiae不同生物型菌株之间的基因组差异。[方法]采用二代Illumina和三代PacBio结合的测序技术对病原菌进行全基因组测序与组装，对编码基因进行功能注释，并与P. syringae pv. actinidiae不同生物型菌株进行比较基因组分析。[结果]菌株Dg16染色体大小为6 358 229 bp,GC比为58.67%；两个质粒大小分别为38 055 bp和50 260 bp,GC比为55.10%和60.45%；共预测到5 374个编码基因，在Nr、KEGG、COG、GO数据库分别注释到5 366个、2 956个、3 958个、4 305个基因，在PHI数据库注释到1240个基因，774个基因在碳水化合物活性酶数据库得到注释，分泌蛋白450个，分泌系统效应蛋白72个，35对双组分系统蛋白，282个毒力基因。4株生物型菌株基因组大小及编码基因数量相近，基因组中包含大量同源基因，但存在较多易位、倒置和基因组变异现象；Dg16、ICMP＿9853、MAFF212063和Shaanxi＿M228特有基因家族数分别为179个、184个、298个和400个，特有基因数分别为185个、234个、346个和448个，4株菌株共有核心基因4 291个，泛基因6 354个。[结论]获得软枣猕猴桃细菌性溃疡病菌P.syringae pv. actinidiae biovar 2的完整基因组，挖掘出潜在致病基因，明确了不同生物型菌株间的亲缘关系，为后续开展病原菌与寄主互作机制提供科学依据。
辽宁省玉米田杂草群落组成及演替规律分析
刘文莉;苏健;雷鹏超;郑永康;高悦天;董庆群;孙慕君;纪明山;[目的]明确辽宁省玉米田杂草群落结构及演替规律，重点评估稗草、马唐、野黍、鸭跖草等玉米田常见杂草的为害现状，为区域性杂草精准防控提供依据。[方法]在2021-2023年对辽宁省14个地市玉米田系统调查，采用“三级调查法”与“倒W九点取样法”开展杂草普查，通过相对多度等指标分析杂草群落组成及演替特征。[结果]共发现田间杂草104种，隶属33科78属。马唐、鸭跖草、稗草为全省优势杂草，相对多度分别为38.61%、34.97%和33.05%，其中马唐在全部14个市均为优势种，野黍在超过半数地区形成区域性高密度危害。菊科与禾本科为优势科，一年生杂草(64种，61.54%)与阔叶杂草(85种，81.73%)在种类上占优，但禾本科杂草在发生密度上居主导地位。[结论]辽宁省玉米田杂草群落较1986年发生显著演替，稗草、马唐、野黍、鸭跖草已成为当前危害最严重的杂草种类。研究结果为地区玉米田杂草的定向防控及演替趋势预测提供了数据基础。
激光辐照种子在非生物胁迫下萌发与生长的研究进展
毕春光;吕子豪;周雷进雨;王莫寒;于合龙;在干旱、盐害、重金属污染等非生物胁迫日益威胁农业生产稳定性的背景下，提升种子抗逆性成为保障粮食安全的关键，本文系统综述激光辐照技术提升种子抗逆性的研究进展，初步探讨激光处理在非生物胁迫条件下对种子生理代谢与分子调节机制的作用路径，并结合现代农业发展趋势，探讨该技术在农业生产尤其是智能农业中的应用前景，为抗逆农业技术创新提供理论支撑。对Web of Science和CNKI数据库的文献检索，评估多种激光辐照在不同非生物胁迫条件下对种子萌发、抗逆性和基因表达的影响，并探讨不同激光波长、剂量和时长对种子调节效果的影响。激光辐照通过激活PhyB-GA信号通路、增强ROS清除能力和抗氧化酶活性等途径，显著提高种子在干旱、盐害及重金属胁迫下的抗逆性。此外，激光还能通过调节激素水平和优化渗透调节物质的积累，提升种子适应性，促进作物在逆境中的稳定生长。激光辐照作为绿色高效的物理手段，可通过调节植物光信号响应，激活抗氧化防御，促进渗透调节与水分/养分吸收，并协调内源激素与能量代谢，从而显著增强作物抗逆性并优化早期生长。其特性契合绿色可持续农业发展，未来应与计算机、纳米技术等融合，构建可推广、可复制的应用范式，以应对气候变化与环境胁迫下的农业生产挑战。
干法超微粉碎对苹果渣理化性质与成分影响研究
陈伟;叶帅;陈湘凝;周文昊;秦熙莹;冯小佳;颜廷才;[目的]探讨超微粉碎对苹果渣主要感官、理化及营养成分的影响，为改善苹果渣功能特性提供参考。[方法]以寒富苹果渣为试验材料，设置不同粉碎频率，通过主要感官、理化及成分指标确立超微粉碎对苹果渣性能改善效果。[结果]超微粉碎可以明显降低颗粒的粒径，45 Hz处理样品D90粒径由103.68μm降低到34.12μm，跨度Span由2.46降低到1.61，使粉体更均匀，质感更细腻。使色泽变浅，亮度值L*由54.12提高到65.71，显著减小红绿值a*(由-2.53到-6.88)，随着处理频率升高，ΔE值明显增大。超微粉碎后香甜味明显变淡，酸味(由1.58到5.09)与甜味升高，苦味值由3.54降低到0.22，并且显著降低粉末涩味与咸味，其他滋味变化不明显。超微粉碎增加了压缩度，改善粉体的流动性；显著提高水溶性(由37.78%到91.78%)、阳离子交换能力、溶胀性、持水性以及持油力等基本特性。超微粉碎还显著提高黄酮(由4.34 mg·g-1到6.39 mg·g-1)、多酚、可溶性膳食纤维等活性物质的含量，不同超声频率之间有明显差异(P<0.05)。[结论]超微粉碎处理改善了寒富苹果渣干粉的粒径与外观、滋味等感官特性；显著增强了压缩度、水溶性、阳离子交换能力、溶胀性、持水性以及持油力等性能；显著提高黄酮、多酚、可溶性膳食纤维等活性物质的含量，为改善苹果渣性能提供方法。
水稻育秧盘清洗机设计与试验
谢方平;韩志坤;刘洋;陆襟元;刘大为;龚明;[目的]为解决传统人力清洗方式效率低下、劳动强度大，而现有清洗机普遍存在体积庞大、对秧盘侧面清洗不彻底、调速不便、难以满足高效自动化流水线需求等问题，采用理论分析和试验研究相结合的方式，设计了一款小型、高效且能清洁秧盘侧面的水稻育秧盘自动清洗机，实现清洗水压与进盘速度的无级可调，以适配不同速度的育秧流水线，由机架底座、罩壳、清洗系统和进盘系统构成的清洗机。[方法]采用独立电机分别驱动毛刷组和橡胶滚筒进盘系统，实现进盘速度的无级调速；增设侧面毛刷，实现对秧盘侧壁的全方位清洗。通过单因素试验、响应面试验等方法，系统地研究了水压、进盘速度和水幕角度对清洁率的影响。[结果]在最佳参数组合下水压100 kPa、进盘速度300盘·h-1、水幕夹角45°时，清洗洁净率可达96.78%。响应面优化预测最高清洁率可达97.85%。该机最高作业速度达360盘·h-1，外形尺寸紧凑，结构合理，运行稳定。[结论]所研制水稻育秧盘清洗机具有良好的清洗性能，对改善目前流水线当中清洗育秧盘这一环节耗费大量人力的现状具有实际应用价值。
基于IMBS-YOLOv7的轻量化双孢蘑菇品质分级检测方法
姜凤利;曹丰千;王迪;李美璇;张芳;[目的]为提高双孢蘑菇分级检测精度并便于模型部署到移动端，提出一种基于YOLOv7的轻量化双孢蘑菇分级检测模型。[方法]首先，采用MobileNetV2作为主干网络替换YOLOv7模型的特征提取网络，通过深度可分离卷积有效减少模型参数量并提升推理速度；其次，引入BiFormer注意力机制，增强模型对双孢蘑菇表面纹理、形态缺陷等细微特征的提取能力；最后，采用SIoU边界框回归损失函数代替CIoU损失函数，显著提升边界框回归精度，增强模型对双孢蘑菇表面轻微缺陷的识别能力。改进后的模型命名为MBS-YOLOv7。[结果]MBS-YOLOv7模型在双孢蘑菇测试集上的平均精度均值(mAP)达到94.1%，相比原始YOLOv7模型提升1.2%，同时模型参数量减少32.8%，实现精度与速度的平衡。在此基础上，为进一步实现模型的轻量化，提出一种融合通道剪枝与知识蒸馏的轻量化模型IMBS-YOLOv7，通过稀疏训练与通道剪枝策略，筛选出最优剪枝率(0.5)，并结合知识蒸馏技术，在温度参数T=10时实现软标签信息的最佳传递，有效恢复因剪枝损失的模型精度。最终，IMBS-YOLOv7在保持94.1%mAP的同时，检测速度达121 f·s-1，模型体积压缩至12 MB，具备良好的边缘部署能力。[结论]与Faster R-CNN、SSD、YOLOv3、YOLOv5等主流检测算法相比，IMBS-YOLOv7在双孢蘑菇数据集上综合性能最优，满足实时处理要求，为双孢蘑菇在线分级检测提供可靠的技术支持。
前屋面曲线形状对日光温室热环境影响研究
南波;邓朕行;宋佳龙;李月瑶;翟忠保;于威;白义奎;[目的]日光温室的前屋面曲线形状影响温室光照的透过率，为深入分析前屋面曲线变化对日光温室温光性能的影响，建立一种方法来研究这种现象。[方法]基于计算流体动力学(Computational Fluid Dynamics,CFD)通过试验测试日光温室内和各围护结构的温度，并与CFD模拟的温度场进行对比。[结果]模拟结果与实测结果吻合度较高，二者平均误差在2.4℃。在此基础上，对不同前屋面日光温室温光环境进行模拟，并提取各围护结构吸收光照、热量收支、温度；空气温度和墙体内部温度进行对比分析。结果表明，7控点样条骨架前屋面温室全天温度最高；土壤和后墙，白天吸热，在夜间向温室放热，1/5幂函数前屋面温室白天蓄热量最大，对比传统温室北墙蓄热量增加30 kJ，温度提高2℃。1/7幂函数前屋面温室因前屋面面积最大所以白天进入温室的太阳能最多，在正午达到750 kJ，相比传统温室提高了82%。[结论]研究结果为日光温室前屋面曲线形状优化提供参考。
面向农业区域输电线路的鸟巢检测及清除机器人设计与试验
陈春玲;王俊咏;郑子岳;于惠多;孙浩然;郑琪;朱皓宇;姚伟祥;[目的]农业区域输电线路巡查维护面临双重难题：未能及时检测偏远线路上存在的鸟巢易引发短路停电，导致农业生产停滞并扰乱生产节奏；人工清除存在作业风险高、难度大等问题，难以高效解决隐患。为此，设计1种基于无人机的鸟巢检测及清除机器人，旨在提升农业区域输电线路运维的智能化与安全性。[方法]该机器人以多旋翼无人机为载体，集成拆装夹板、二自由度云台、检测与清除四大模块。提出基于YOLOv7改进的YOLOv7-OVER鸟巢检测算法，结合模糊PID控制算法提升清除作业稳定性与响应速度，通过发射牵引箭实现鸟巢拖拽清除，完成作业流程。通过室内静态与室外动态试验验证性能：室内测试不同作业类型鸟巢的检测清除成功率与作业时间；室外在2～5 m·s-1飞行速度、5.83～6.68 m作业距离下评估复杂环境适应性。[结果]室内静止状态下，检测清除成功率达90%，单目标作业时间小于1 min；室外环境中，成功率达80%。YOLOv7-OVER算法较原始模型检测精度提升6.8%,F1值提升9.8%；模糊PID控制使无人机姿态调整响应时间进一步缩短，提升鸟巢检测清除作业的稳定性。[结论]该机器人有效提升农业区域输电线路鸟巢检测清除的作业效率与可靠性，克服传统人工作业效率低、风险高、适应性差等局限。对保障农业生产区域电力稳定供应、减少停电造成的经济损失具有重要意义，为农业区域输电线路智能化运维提供新方案。
基于高光谱反射成像技术的带荚毛豆虫害检测方法研究
张芳;高鑫;田有文;邓照龙;[目的]为解决带荚毛豆内部发生食心虫虫害难以识别的问题，基于高光谱反射成像技术对带荚毛豆的食心虫虫害进行检测。[方法]利用高光谱反射成像系统获取带荚毛豆的健康样本和虫害样本数据，采用多元散射校正（Multiplicative Scatter Correction,MSC）、标准正态变量变换（Standard Normal Variate,SNV）和卷积平滑（Savitzky Golay,SG）3种预处理方法对450～1 000 nm范围的光谱数据进行处理，确定最佳预处理方法。使用竞争性自适应重加权采样算法（Competitive Adaptive Reweighted Sampling,CARS）、连续投影算法（Successive Projections Algorithm,SPA）对预处理后的数据进行特征波长选择，以2种算法筛选的特征数据作为输入，建立随机森林（Random Forest,RF）、K近邻（K-Nearest Neighbors,KNN）、支持向量机（Support Vector Machine,SVM）和梯度提升决策树（Gradient Boosting Decision Tree,GBDT）分类判别模型。为进一步提升模型的分类精度，选择使用RS算法（Random Search,RS）对4个模型进行超参数寻优，建立RS-RF模型、RS-KNN模型、RS-SVM模型和RS-GBDT模型。[结果]经过对比分析，使用RS算法优化后的模型分类检测结果优于未优化的模型，其中CARS-RS-SVM模型分类结果最佳，Acc为96.22%,Pre为96.47%,Recall为96.03%,f1-Score为96.19%，实现了健康与虫害毛豆的精准区分。[结论]高光谱反射成像技术对带荚毛豆内部虫害的总体识别结果较好，表明该技术能够对带荚毛豆食心虫虫害进行高效的检测与判别，为内部虫害检测提供新的思路与方法。