为简化前处理过程,降低方法的检出限,进行了题示研究。采集鱼塘底泥样品,混匀、缩分、冷冻干燥、除杂、研磨、过筛后混匀,分取5.00 g,加入10.0μg·L^(-1)^(13)C_(6)-氯硝柳胺水合物标准溶液0.2 m L和含2.0%(体积分数)氨水的乙腈溶...为简化前处理过程,降低方法的检出限,进行了题示研究。采集鱼塘底泥样品,混匀、缩分、冷冻干燥、除杂、研磨、过筛后混匀,分取5.00 g,加入10.0μg·L^(-1)^(13)C_(6)-氯硝柳胺水合物标准溶液0.2 m L和含2.0%(体积分数)氨水的乙腈溶液20 m L,涡旋1 min,超声10 min,离心8 min。上清液于45℃旋蒸至近干,加入2.00 m L 70%(体积分数)乙腈溶液涡旋溶解残留物,再加入200 mg C18涡旋振荡30 s,离心5 min。收集上清液,过0.22μm有机滤膜,滤液采用高效液相色谱-串联质谱法测定。在色谱分析中,以Waters Atiantis^(TM) d C_(18)色谱柱为固定相,水-乙腈体系为流动相进行梯度洗脱;在质谱分析中,以电喷雾离子源负离子(ESI-)模式电离,选择反应监测(SRM)模式检测,内标法定量。结果显示,氯硝柳胺的质量浓度在0.20~50.00μg·L^(-1)内和其定量离子峰面积与同位素内标定量离子峰面积的比值呈线性关系,检出限(3S/N)为0.2μg·kg^(-1)。按照标准加入法进行回收试验,回收率为92.1%~113%,测定值的相对标准偏差(n=6)为1.6%~5.9%。方法用于实际样品的分析,检出的氯硝柳胺的质量分数为0.580~2.18 mg·kg^(-1)。展开更多
在复杂渔光互补池塘环境中,传统机器视觉算法易受光影变化、池中水草分布和水面障碍物遮挡等因素干扰,导致视觉导航线检测效果不佳。针对上述问题,该研究提出了一种基于改进YOLOv8n的渔光互补池塘作业船导航中线提取方法。首先从提高检...在复杂渔光互补池塘环境中,传统机器视觉算法易受光影变化、池中水草分布和水面障碍物遮挡等因素干扰,导致视觉导航线检测效果不佳。针对上述问题,该研究提出了一种基于改进YOLOv8n的渔光互补池塘作业船导航中线提取方法。首先从提高检测实时性角度出发,将HGNetV2网络作为主干网络,采用组归一化方式(group normalization,GN)与共享卷积结构,设计轻量化检测头网络,减小模型体积;然后使用SPPF_LSKA模块作为特征融合层,提高模型多尺度特征融合能力;最后采用Wise-IoU(weighted interpolation of sequential evidence for intersection over union)损失函数,提升边界框回归性能和对中远处小目标的检测精度。利用改进YOLOv8n检测框坐标提取两侧水泥立柱定位参照点,通过最小二乘法拟合两侧水泥立柱行线,进而使用角平分线提取导航中线。消融试验结果表明,相对于原始YOLOv8n模型,改进YOLOv8n模型的计算量、参数量和模型体积分别下降36.0%、36.8%和32.8%,平均精度均值(mean average precision,mAP)为97.9%,查准率为93.1%,单张图像检测时间为6.8 ms,检测速度提升42.9%。不同模型对比试验表明,改进YOLOv8n模型在较低计算成本的基础上,体现出了良好的实时性与精准度检测性能,具有明显优势。在导航中线定位分析试验中,提取水泥立柱定位参照点与人工观测标记点平均直线误差在0~5和5~10 m距离范围内分别为3.69 cm和4.57 cm,提取导航中线与实际导航中线平均直线误差为3.26 cm,准确率为92%。在导航中线实时性试验中,导航中线平均提取速度为22.34帧/s,满足渔光互补池塘无人作业船导航要求,为后续作业船视觉导航系统研究提供参考。展开更多
文摘为简化前处理过程,降低方法的检出限,进行了题示研究。采集鱼塘底泥样品,混匀、缩分、冷冻干燥、除杂、研磨、过筛后混匀,分取5.00 g,加入10.0μg·L^(-1)^(13)C_(6)-氯硝柳胺水合物标准溶液0.2 m L和含2.0%(体积分数)氨水的乙腈溶液20 m L,涡旋1 min,超声10 min,离心8 min。上清液于45℃旋蒸至近干,加入2.00 m L 70%(体积分数)乙腈溶液涡旋溶解残留物,再加入200 mg C18涡旋振荡30 s,离心5 min。收集上清液,过0.22μm有机滤膜,滤液采用高效液相色谱-串联质谱法测定。在色谱分析中,以Waters Atiantis^(TM) d C_(18)色谱柱为固定相,水-乙腈体系为流动相进行梯度洗脱;在质谱分析中,以电喷雾离子源负离子(ESI-)模式电离,选择反应监测(SRM)模式检测,内标法定量。结果显示,氯硝柳胺的质量浓度在0.20~50.00μg·L^(-1)内和其定量离子峰面积与同位素内标定量离子峰面积的比值呈线性关系,检出限(3S/N)为0.2μg·kg^(-1)。按照标准加入法进行回收试验,回收率为92.1%~113%,测定值的相对标准偏差(n=6)为1.6%~5.9%。方法用于实际样品的分析,检出的氯硝柳胺的质量分数为0.580~2.18 mg·kg^(-1)。
文摘在复杂渔光互补池塘环境中,传统机器视觉算法易受光影变化、池中水草分布和水面障碍物遮挡等因素干扰,导致视觉导航线检测效果不佳。针对上述问题,该研究提出了一种基于改进YOLOv8n的渔光互补池塘作业船导航中线提取方法。首先从提高检测实时性角度出发,将HGNetV2网络作为主干网络,采用组归一化方式(group normalization,GN)与共享卷积结构,设计轻量化检测头网络,减小模型体积;然后使用SPPF_LSKA模块作为特征融合层,提高模型多尺度特征融合能力;最后采用Wise-IoU(weighted interpolation of sequential evidence for intersection over union)损失函数,提升边界框回归性能和对中远处小目标的检测精度。利用改进YOLOv8n检测框坐标提取两侧水泥立柱定位参照点,通过最小二乘法拟合两侧水泥立柱行线,进而使用角平分线提取导航中线。消融试验结果表明,相对于原始YOLOv8n模型,改进YOLOv8n模型的计算量、参数量和模型体积分别下降36.0%、36.8%和32.8%,平均精度均值(mean average precision,mAP)为97.9%,查准率为93.1%,单张图像检测时间为6.8 ms,检测速度提升42.9%。不同模型对比试验表明,改进YOLOv8n模型在较低计算成本的基础上,体现出了良好的实时性与精准度检测性能,具有明显优势。在导航中线定位分析试验中,提取水泥立柱定位参照点与人工观测标记点平均直线误差在0~5和5~10 m距离范围内分别为3.69 cm和4.57 cm,提取导航中线与实际导航中线平均直线误差为3.26 cm,准确率为92%。在导航中线实时性试验中,导航中线平均提取速度为22.34帧/s,满足渔光互补池塘无人作业船导航要求,为后续作业船视觉导航系统研究提供参考。
