分类： 农、林、牧、渔 >> 农业基础学科 提交时间： 2023-08-14 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］目前，对于防风药材产地和品质的鉴别方法主要是根据其物理或化学特征，其方法需对中 药材进行分离提取，存在耗时长，费用高，专业性强，技术难度大等问题，不利于推广应用。随着深度学习的不 断发展，其无需人工提取特征、分类精度高等优点被广泛应用在中药材的识别之中。［方法］针对大多数卷积神经 网络模型在识别防风药材时计算量大、精度低的问题，本研究提出了一种改进的ShuffleNet V2的轻量级防风道地 性识别模型。在不降低网络性能的情况下调整模型架构，减少模型参数量和计算量，用沙漏残差网络（Hourglass Residual Network） 代替传统残差网络，同时引入SE（Squeeze-and-Excitation） 注意力机制，把具有附加信道注意 力的沙漏残差网络嵌入到ShuffleNet V2中，使用SiLU激活函数替换 ReLU 激活函数，丰富局部特征学习，从而提 出轻量化的中药防风道地性识别模型 Shuffle-Hourglass SE。为了验证本文所提出模型的有效性，选用VGG16、 MobileNet V2、ShuffleNet V2和SqueezeNet V2四种经典网络模型进行对比实验。［结果和讨论］结果表明，本研究 提出的模型Shuffle-Hourglass SE获得了最佳性能。在测试集上取得95.32%的准确率、95.28%的召回率，F1分数达 到95.27%，测试时间、模型大小为246.34 ms和3.23 M，不仅在传统CNN网络中是最优的，在轻量级网络中也具 有较大优势。［结论］本研究所提出的模型在保持较高识别精度的同时占用较少的储存空间，有助于在未来的低性 能终端上实现防风道地性的实时诊断。
分类： 生物学 >> 生态学 分类： 地球科学 >> 海洋科学 提交时间： 2017-02-09 合作期刊: 《生态学报》
摘要： 采用实验生态学方法研究了温度（13、18、23、28、31、34℃）和盐度（18、23、28、33）对僧帽牡蛎（Saccostrea cucullata）耗氧率和排氨率的影响，并分析了二者交互作用对呼吸排泄的影响。结果表明，不同温度条件下，僧帽牡蛎的耗氧率变化范围为0.43-3.15mg g-1 h-1，排氨率的变化范围为72.62-1245.77μg g-1 h-1，方差分析显示，温度和盐度对僧帽牡蛎耗氧率（F=60.440，P< 0.01）和排氨率（F<=61.083，P < 0.01）的影响均极显著；二者的交互作用对僧帽牡蛎耗氧率（F=4.907，P < 0.01）和排氨率（F=11.412，P < 0.01）影响也极显著，耗氧率（Y）、排氨率（Y）与温度（T）和盐度（S）之间的二元线性回归方程为Y=a+bT+cS+dT×S。在一定温度范围内（13-31℃），僧帽牡蛎单位体重耗氧率（Y）与温度（T）呈正相关，符合指数方程Y=aebT，其中a的取值范围为0.1378-0.2117，b的取值范围为0.0757-0.0912；单位体重排氨率也与温度呈正相关，符合上述指数方程，其中a的取值范围为20.364-30.634，b的取值范围为0.1004-0.1341。不同温度和盐度条件下，僧帽牡蛎呼吸排泄的氧氮比在2.20-7.78之间，平均值为3.81。
点击量
点击量
下载量
评论
