[目的]构建融合高级与低级视觉特征的农业图像(果实、农作物及畜禽目标)显著性区域预测算法,为农作物生长状态的监测、动物的体况评估提供支持。[方法]提出一种整合高级和低级视觉特征的农业图像显著性区域预测深度学习框架及其预训练方案。在MSRA10k数据集上按照6:2:2的比例进行训练、验证和测试,并采用F-Measure作为评价指标,在6种公共数据集(SOD、ASD、SED2、ECSSD、HKU-IS和THUR)及农业图像典型数据集上,将预测算法与4种显著性预测算法(MWS、IMS、FSN、P-Net)进行对比。[结果]所建立的预测算法在6种公共数据集上的平均F-Measure分数最高,为0.823,平均MAE分数最低,为0.099,显著性可视化结果边界完整,与人工标记的基准图像更接近。在农业图像典型数据集上的平均F-Measure为0.826,表明该算法可有效应对复杂农业场景的干扰,实现更为准确的目标轮廓信息提取。[结论]融合高级与低级视觉特征的图像显著性区域预测算法,可以实现对复杂农业场景下农作物及畜禽图像显著性区域的快速、准确预测。

【目的】在农业害虫测报中,常常需要从大量的昆虫中识别出几种重要的测报害虫。目前基于图像的农业害虫识别研究,大部分是在有限种类有限样本量基础上进行的农业害虫识别。本研究为了从大量的水稻昆虫图像中识别出9种水稻测报害虫,尝试提出了一种基于多特征融合和稀疏表示的农业害虫图像识别方法。【方法】首先,为了获得最优的农业害虫识别模型,将所有图像进行旋转使昆虫头朝上,按照1﹕2长宽比裁剪图像,使昆虫居中并占据图像大部分区域,将图像进行等比例缩放至统一尺寸48×96像素。提取所有昆虫的HSV颜色特征、局部特征中的HOG特征、Gabor特征和LBP特征。然后,利用单一特征和融合特征分别对训练样本构建过完备字典,字典中的每一个列向量表示一个训练样本,且满足同一类训练样本均在同一个子空间中;应用过完备字典对测试图像进行多特征稀疏表示,通过求解l1范数意义下的优化问题获取稀疏解,使得除测试样本所在的类别外其他的训练样本的系数都是零或接近零的数值。最后,计算稀疏集中指数阈值,用于判断测试样本的有效性,如果测试样本的稀疏集中指数大于该阈值,则认为最小残差所对应的类别即为测试样本的类别,否则认为该测试样本为非测报昆虫。同时,利用相同的特征和训练样本训练SVM分类器对测试样本进行测试,与稀疏表示害虫识别模型进行比较。【结果】利用单一特征训练的稀疏表示害虫识别模型中,基于HOG特征的稀疏表示识别模型获得了9种测报害虫较高的识别率和较低的误检率,分别为87.0%和7.5%;利用颜色特征分别与3种局部特征进行结合获得的稀疏表示识别模型,测试结果表明,基于颜色和HOG特征的稀疏表示识别模型获得了最高的识别率和最低的误检率,分别为90.1%和5.2%;将颜色、HOG和Gabor 3个特征结合获得的稀疏表示识别模型,识别率下降为83.5%,误检率上升为10.3%。利用同样的特征或特征融合训练得到的支持向量机分类器,识别率均低于对应特征获得的稀疏表示识别模型的识别率,而误检率均高于对应特征训练的稀疏表示害虫识别模型的误检率。【结论】基于颜色和HOG融合特征的稀疏表示识别模型获得了较高的农业害虫识别率和较低的误检率;通过稀疏集中指数阈值,有效地排除了非测报昆虫,实现了从大量的农业昆虫中自动识别出需要测报的害虫。

为了更好地推进现代农业发展，农业部认定了１５３个国家现代农业示范区，积极为各区域现代农业树立样板。文章根据２００９～２０１２年国家现代农业示范区与非示范区的数据对比看出示范区的发展基础明显好于非示范区，通过将示范区与非示范区分组，运用ＤＩＤ模型分析示范区显著性作用，最终得出示范区竞争力提升并非由示范区本身发展趋势所致，而是由政府认定示范区政策所致，更加肯定农业部认定示范区对示范区农业竞争力的推动作用。农业部认定为示范区之后，区域经济发展更为迅速，提升作用显著。而东、中、西、东北地区的显著性效果均不同。东、中、东北地区提升作用较西部地区明显，每个区域不同年份之间的提升作用也是不同的。但是，并非认．．．

目前对横幅广告视觉注意和记忆效果的研究出现了"独特性观"和"盲视观"两种矛盾的观点。本研究从任务驱动的视角出发,引入计算神经科学的视觉注意计算模型,借助眼动追踪技术,探讨不同任务驱动下横幅广告的视觉显著性对消费者的注意和记忆效果的影响。结果表明:在不同任务驱动下,横幅广告的视觉显著性对消费者的注意及记忆效果的影响具有显著差异。具体而言,在浏览任务中,视觉显著性高的横幅广告比视觉显著性低的横幅广告能带来更好的广告注意及记忆效果;在搜索任务中,不同视觉显著性水平的横幅广告对消费者的注意和记忆效果的影响没有显著差异。本研究丰富了计算神经科学在营销领域的运用,为企业选择合适的网络广告策略提供借鉴。

[目的]构建融合YOLOv5s与改进Criminisi算法的农业遥感图像去云方法,为云层干扰环境下地表信息获取、地表物的解译等研究提供支持。[方法]首先使用基于容差的暗通道先验(dark channel prior,DCP)算法去除雾和部分薄云,以提升图像整体对比度与云层边缘清晰度;然后融合YOLOv5s深度学习网络进行云层区域阈值分割,实现云层蒙版的快速精确自动提取;最后通过样本块大小自适应调整策略对Criminisi算法进行改进,实现遥感图像的有效去云修复处理。通过对含不同大小云层的遥感图像进行去云试验,并利用信息熵、峰值信噪比(peak signalto-noise ratio,PSNR)、均方误差(mean-square error,MSE)和结构相似性(structural similarity index measure,SSIM)4个指标对去云结果进行评价,以验证本研究算法的有效性。[结果]采用融合YOLOv5s和自适应样本块的改进Criminisi算法对8幅含云图像进行了修复,修复后图像的平均PSNR为21.01,平均SSIM为0.77;并对57幅模拟加云图像进行修复,其平均PSNR为28.59,平均SSIM为0.93,表明将改进Criminisi算法应用于遥感图像去云研究是可行的。在此基础上,对本研究算法的适用性以及阴影对去云效果影响的研究表明,不同大小和位置的云层干扰造成未知区域不确定度较大,对修复效果影响较为严重;阴影区域与云区域相接时存在阴影块填充,修复效果尚有待提升。[结论]融合YOLOv5s与改进Criminisi算法的去云方法可有效修复云层遮挡区域,同时保留较为真实的地表信息,可用于农业遥感信息精细感知研究。

针对农事活动图像中人体姿态所隐含的行为信息以及人与农具所隐含的关联信息,提出了一种基于图像特征融合的农事活动行为的识别方法:利用人体姿态估计技术Open Pose提取农事行为关节点位置信息,利用目标检测YOLOv3提取农事行为中农具的位置和分类信息,用以构建农事行为的距离空间特征矩阵和角度空间特征矩阵,并将这些特征进行图像特征融合,建立基于图像显式特征和隐式特征融合的农事活动行为识别方法EI–SVM,实现农事活动行为的识别。试验结果表明,EI–SVM方法对农事活动行为识别的准确率可达94.87%,在公用数据集上准确率达到92.39%。

针对农事活动图像中人体姿态所隐含的行为信息以及人与农具所隐含的关联信息,提出了一种基于图像特征融合的农事活动行为的识别方法:利用人体姿态估计技术Open Pose提取农事行为关节点位置信息,利用目标检测YOLOv3提取农事行为中农具的位置和分类信息,用以构建农事行为的距离空间特征矩阵和角度空间特征矩阵,并将这些特征进行图像特征融合,建立基于图像显式特征和隐式特征融合的农事活动行为识别方法EI–SVM,实现农事活动行为的识别。试验结果表明,EI–SVM方法对农事活动行为识别的准确率可达94.87%,在公用数据集上准确率达到92.39%。

基于广东省2006-2013年21个地级城市面板数据,在随机标靶框架下利用T统计量、EG指数和W统计量分别考察了制造业的空间集聚程度及演变趋势。结果表明:广东省制造业的集聚度仍然较高,74.2%的两位数制造业在1%的水平上显著集聚。总体而言,2006年以来,广东制造业整体由集聚转向扩散,扩散以关联度较低的劳动密集型企业、资本密集型企业的加工制造环节和高耗能、高污染的资源型企业为主,扩散的主要方向是从珠三角核心城市到外缘和周边地市。此外,随着信息和交通基础设施的日益完善,管理部门和生产部门的空间分离已成为企

随着我国经济的不断发展，我国农村经济形势逐渐趋好，但是农村地区区域经济差异在很大程度上阻碍着农村经济的发展，故缩小农村地区经济差距成为我国农村区域经济政策的重点。文章以河北省为例，通过文献查阅，实地调研等方法对河北省农村地区区域经济发展现状以及相关区域经济理论进行深入分析。采用基尼系数法和综合差异指数模型对实际数据进行处理分析，结果表明，目前河北省境内农村地区区域经济差异呈现逐步扩大的趋势。该文分析了导致河北省农村区域经济差异逐步扩大的原因主要包括内自然资源分布不均、政策导向性显著、产业结构不合理等，通过并结合模型分析结果提出强化政府引导、加快农村地区产业结构调整，调整城镇化步伐等策略以缓解目．．．

利用1961—2013年柴达木盆地气温、降水等气象资料和高原季风、西风环流等相关大气环流及植被覆盖数据分析了柴达木盆地气候变化时空规律,揭示了其区域气候变化显著性的成因。研究表明:近53 a来柴达木盆地气候变化呈显著增暖趋势,年平均气温气候倾向率达0.48℃/10 a,增幅明显高于整个青藏高原乃至全国和全球平均水平;滞后于变暖,柴达木盆地气候趋于明显变湿,其降水量和降水日数均呈增多趋势,达到95%以上信度的显著性水平;气候暖湿化具有明显的经向地带性分布规律,气候变暖显著的区域气候变湿相对不甚明显,反之亦然;在全球变化背景下,太阳辐射减小、高原季风趋于强劲、西风环流略弱和盆地植被覆盖恢复并具有明...

【目的】在树种图像识别时会存在类内差异、类间相似的现象,因此导致基于单一人工特征的传统识别方法难以达到理想的识别效果。针对这一问题,本文基于卷积神经网络,提出一种将图像深层特征和人工特征融合的树种图像深度学习识别方法。【方法】将6类常见树种(樟子松、山杨、白桦、落叶松、雪松和白皮松)图像作为研究对象。首先,通过裁剪、水平翻转、旋转等操作,对原始树种图像集进行数量扩增,并划分为训练集和测试集,建立本次树种识别实验的图像库;其次,将本文模型设计为3路并列网络,分别选取RGB图像、HSV图像、LBP-HOG图像,从图像像素、色彩、纹理和形状的角度出发,对上述树种图像进行识别。一方面构建适合本文实验的CNN深度学习模型,将训练集样本中RGB图像和相对应的HSV图像作为第1路和第2路CNN模型的输入,进行树种图像深层特征提取;另一方面,对训练集进行高斯滤波去噪和人工提取LBP-HOG特征来代表纹理、形状特征,作为第3路CNN模型的输入。然后,将3路模型各自得到的特征在最后一层全连接层进行汇总,作为softmax分类器的最终分类依据。最后,为检验本文方法的可行性,利用上述特征和训练集对SVM分类器、BP神经网络以及现有的深度学习LeNet-5模型、VGG-16模型进行训练,对测试集进行识别验证,来比较最终的识别效果。【结果】本文提出的多特征融合CNN模型,训练准确率为96.13%,平均验证识别准确率为91.70%。基于单路训练的CNN树种识别模型中,RGB图像作为训练输入值时,识别率最高,为75.21%,HSV特征识别率次之,LBP-HOG特征最差;多特征融合情况下,基于RGB+H通道+LBP条件下,验证识别准确率最高,达到93.50%;RGB+HSV+LBP+HOG组合识别率不增反降,识别率为89.50%。同样的特征或特征组合条件下,SVM、BP神经网络、LeNet-5模型和VGG-16模型所获得的识别率均低于本文模型的识别率。【结论】基于RGB+H通道+LBP特征融合条件下,运用3路并列CNN模型,对本文6类树种图像进行识别的识别率最高,克服了在单一特征情况下识别率低的问题,识别效果也非常理想,实现了从大量不同树种图像中自动识别出具体类别。

本文主要从税收显著性的理论基础、影响因素和政策效应三个方面系统梳理了国外税收显著性的最新研究成果,同时归纳整理了国内与税收显著性相关的理论研究成果,并对国内外文献中存在的问题进行了简单述评,以期拓展税收显著性的应用外延,为完善我国税制体系提供理论依据和科学思路。

建设培育产教融合型企业，是各级政府深化产教融合的重要任务和关键抓手。从区域层面切入，对苏州市在江苏省获批的四批78家产教融合型企业的分析显示，这些企业呈现出大中型企业占主导，企业类型多元，产业结构彰显区域特色，资金和发展业绩突出，技术水平高等群像特征。同时，对其参与职业教育办学现状进行统计与剖析，发现当前仍存在企业举办职业院校比例不高，企业按规模划分情况与本市企业类型和数量不对应，各产教融合型企业合作深度参差不齐等问题。针对上述特征及问题，应创新产教融合校企共赢模式，激发企业办学活力；破除政策激励割裂问题，发挥中小企业的发展禀赋；加强宣传与引导，增强产教融合型企业的示范效应。

以甘肃省5个典型生态区域(民族、河西、陇东、陇中、陇南地区)为研究对象，利用Theil指数分析农业碳排放强度区域差异，采用R/S分析法对农业碳排放量及强度发展趋势进行研究，并在此基础之上结合灰色理论预测2020-2030年甘肃省农业碳排放总量及总强度走势及数值。结果表明：1991-2019年甘肃省5个区域农业碳排放量呈先上升后下降趋势，农业碳排放较低强度市域呈扩大态势，而较高强度市域呈缩小趋势；农业碳排放强度区域总差异整体呈下降趋势，其中区域内差异为主要影响因素，除民族区域之外其他区域内农业碳排放强度差异较小且波动不大；5个区域农业碳排放量及强度具有较强的分形特征，未来农业碳排放量及强度值将呈现出继续下降的演化趋势；甘肃省农业碳排放总量及总强度经R/S分析后进行灰色预测，模型平均精度较高，具有一定参考价值。本研究为探索甘肃省农业碳排放在不同空间尺度下区域差异和未来发展趋势以及制定相应节能减排措施提供了理论依据。

为了提高基于数字图像识别番茄叶部病害的准确率,适应不同分辨率条件下的应用需求,幵满足实践拍摄条件的不确定性,以番茄晚疫病、花叶病、早疫病叶片图像为研究对象,选择HSV模型中的4维H分量等量分割波段作为颜色特征,基于灰度差分统计的均值、对比度和熵3维特征作为纹理特征,融合7维特征向量作为支持向量机(SVM)分类器的输入,用粒子群算法(PSO)优化SVM模型参数。试验结果表明,融合灰度差分统计与H分量4维特征的病害识别模型准确率可达90%。