互花米草入侵对胶州湾潮滩湿地硫素时空分布的影响

选择胶州湾互花米草潮滩(入侵前为光滩)和光滩为研究对象,研究了互花米草入侵下胶州湾潮滩湿地土壤总硫(Total sulfur, TS)、有效硫(Available sulfur, AS)及互花米草各器官TS含量的时空分布特征及其影响因素.结果表明,互花米草入侵后湿地0～60 cm土壤TS((1.53±0.24) g·kg~(-1)))和AS((0.75±0.04) g·kg~(-1))的平均含量明显高于入侵前光滩湿地TS((1.13±0.09) g·kg~(-1))和AS((0.53±0.02) g·kg~(-1))的平均含量(n=54,p0.05),增幅分别为35.40%和41.51%.其中,互花米草入侵后湿地30～50 cm土层TS含量和20～60 cm土层AS含量较入侵前的光滩湿地大幅增加(n=9,p0.05).与光滩相比,6、10、12月互花米草潮滩土壤TS含量增幅分别为14.53%、67.86%、22.52%,AS含量增幅分别为48.72%、39.06%、50.98%.逐步线性回归分析结果表明,互花米草入侵后导致土壤EC、有机质的改变是影响其土壤AS含量分布的关键因素.互花米草TS含量均值为(2.73±0.39) g·kg~(-1),6月植物TS含量与10月、12月植物TS含量之间均存在显著性差异(n=9,p0.05),硫(S)累积量最高值出现在10月,同种器官内6月根、茎、叶的硫累积系数(Accumulation Factor of sulfur, AF_S)均高于10月、12月.研究表明,互花米草入侵总体增加了土壤硫库储量,提高了湿地土壤AS的供给能力,但增加了其时空变异性,AS在不同季节差异较大.     

基于改进YOLOv5s的综采工作面人员检测算法

为了智能监控井工煤矿综采工作面危险区域人员闯入和安全帽佩戴问题，避免监控视频受粉尘干扰、光照不均等因素影响图像检测精度的问题，提出一种基于改进YOLOv5s的目标检测算法(简称YOLOv5s-DPE),并建立相关模型。首先，在颈部网络部分，采用深度可分离卷积(DwConv)替换普通卷积，降低参数量和计算量；然后，引入改进的路径聚合网络(PANet)提升特征提取能力，替换边界框损失函数完全交并比(CIOU)为有效交并比(EIOU),提升检测准确率；最后，选取综采工作面视频中的人员图像进行检测，选取煤矿井下人员闯入和安全帽佩戴监控视频作为检测数据集，并进行训练和验证。结果表明：对比初始YOLOv5s算法模型，YOLOv5s-DPE算法模型的参数量下降14.2%,浮点数计算量下降7.6%,算法网络模型大小下降12.5%,均值平均精度(mAP)@0.5提升到93.7%,mAP@0.5∶0.95提升到65.8%,YOLOv5s-DPE模型对小目标检测效果更好，误检漏检等情况有所减少。