江苏农业学报(ＪｉａｎｇｓｕＪ.ｏｆＡｇｒ.Ｓｃｉ.)ꎬ２０２４ꎬ４０(３):４３８￣４４９ｈｔｔｐ://ｊｓｎｙｘｂ.ｊａａｓ.ａｃ.ｃｎ
梁凯博ꎬ孙 立ꎬ汪禹治ꎬ等.基于超轻量化卷积神经网络的番茄病虫害诊断[Ｊ].江苏农业学报ꎬ２０２４ꎬ４０(３):４３８￣４４９.ｄｏｉ:１０.３９６９/ｊ.ｉｓｓｎ.１０００￣４４４０.２０２４.０３.００６
基于超轻量化卷积神经网络的番茄病虫害诊断
梁凯博１ꎬ２ꎬ 孙 立１ꎬ 汪禹治２ꎬ 靳龙豪１ꎬ 燕雪倩３ꎬ 曾 旺１(１.北京物资学院信息学院ꎬ北京１０１１４９ꎻ２.首都经济贸易大学管理工程学院ꎬ北京１０００７０ꎻ３.北京物资学院数据科学与统计学院ꎬ北京１０１１４９)
收稿日期:２０２３￣０３￣３１基金项目:广东省重点领域研发计划项目(２０１９Ｂ０２０２１４００２)ꎻ北京市社会科学基金项目(２０ＧＬＢ０２６)ꎻ国家自然科学基金项目(７１７７１０２８)ꎻ首都经济贸易大学研究生科技创新项目(２０２３ＫＪＣＸ０６２)作者简介:梁凯博(１９９７－)ꎬ男ꎬ河北秦皇岛人ꎬ博士研究生ꎬ研究方向为深度学习、人工智能ꎮ(Ｅ￣ｍａｉｌ)ｌｉａｎｇｋａｉｂｏ２９５５＠ｇｍａｉｌ.ｃｏｍ通讯作者:孙 立ꎬ(Ｅ￣ｍａｉｌ)ｓｌｓａｌｌｙ＠１６３.ｃｏｍ 摘要: 针对番茄病虫害诊断中存在的传统卷积神经网络结构复杂、难以直接应用于便携终端ꎬ以及现有轻量化卷积神经网络特征提取能力弱、识别准确率低、难以满足实际需要等问题ꎬ本研究拟在原有轻量化卷积神经网络的基础上ꎬ定义超轻量化卷积神经网络ꎬ设计一种基于ＳｑｕｅｅｚｅＮｅｔ网络改进的超轻量化卷积神经网络ꎬ将其用于番茄病虫害诊断任务中ꎮ首先ꎬ改进ＳｑｕｅｅｚｅＮｅｔ网络中的Ｆｉｒｅ模块ꎬ生成２种适用于不同特征维度的Ｆｉｒｅ模块ꎬ并引入ＥＣＡ(高效通道注意力)模块以提高模型的特征提取能力ꎻ其次ꎬ结合扩展型指数线性单元函数(ＳＥＬＵ)和Ｍｉｓｈ函数ꎬ替代修正线性单元函数(ＲｅＬＵ)作为激活函数ꎻ再次ꎬ采用软池化(Ｓｏｆｔｐｏｏｌ)替代原始的最大池化ꎻ最后ꎬ利用中心损失函数(Ｃｅｎｔｅｒｌｏｓｓ)改进指数归一化损失函数(Ｓｏｆｔｍａｘｌｏｓｓ)ꎬ提高对近似病虫害的识别准确率ꎮ本研究选择了８种害虫和９种病害ꎬ对害虫、病害、病虫害３类数据集进行数据增强ꎬ并探讨了数据的小样本性、不平衡性对模型性能的影响ꎮ结果表明ꎬ本研究提出的模型具有超轻量化的特点ꎬ对害虫、病害、病虫害的识别准确率最高分别可达９８８３％、９８１４％和９７７１％ꎬ能够很好地满足番茄病虫害诊断需求ꎮ关键词: 图像识别ꎻ番茄病虫害ꎻ超轻量化卷积神经网络ꎻ不平衡性中图分类号: Ｓ６４１.２ꎻＴＰ３９１.４１ 文献标识码: Ａ 文章编号: １０００￣４４４０(２０２４)０３￣０４３８￣１２Ｄｉａｇｎｏｓｉｓｏｆｔｏｍａｔｏｐｅｓｔｓａｎｄｄｉｓｅａｓｅｓｂａｓｅｄｏｎｓｕｐｅｒｌｉｇｈｔｗｅｉｇｈｔｃｏｎｖｏｌｕ￣ｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ
Porcinereproductiveandrespiratorysyndromevirusasavector:Immunogenicity
ofgreenfluorescentproteinandporcinecircovirustype2capsidexpressedfrom
dedicatedsubgenomicRNAs
YanlongPeia,DouglasC.Hodginsa,JiaqiangWua,1,Siao-KunW.Welchb,JayG.Calvertb,GangLic,YijunDud,
ChengSonga,d,DongwanYood,⁎
aDepartmentofPathobiology,UniversityofGuelph,Guelph,Ontario,CanadaN1G2W1bPfizerAnimalHealth,Kalamazoo,MI49001,USAcInstituteofAnimalHealthandHusbandry,ChineseAcademyofAgriculturalSciences,Beijing,ChinadDepartmentofPathobiology,UniversityofIllinoisatUrbana-Champaign,2001SouthLincolnAve,Urbana,IL61802,USA
abstractarticleinfo
Articlehistory:Received31January2009Returnedtoauthorforrevision3March2009Accepted31March2009Availableonline6May2009
Keywords:PRRSVReversegeneticsForeigngeneexpressionvectorVaccinevectorNidovirusArterivirusPorcinereproductiveandrespiratorysyndromevirus(PRRSV)isthecausativeagentofPRRS,inganinfectiouscDNAcloneofNorthAmericanPRRSVstrainP129,theviralgenomewasengineeredtotranscribeanadditionalsubgenomicRNAinitiatingbetweennon-structuralandstructuralgenes.TwouniquerestrictionsitesandacopyofthetranscriptionregulatorysequenceforORF6(TRS6)wereinsertedbetweenORFs1band2a,yieldingageneralpurposeexpressionvector.Theenhancedgreenfluorescentprotein(GFP)genewasclonedbetweentheuniquesitessuchthattheinsertedgenewastranscribedfromTRS2whichwaslocatedupstreamwithinORF1b,whilethecopyofTRS6drivesORF2a/btranscription.Upontransfectionofcellswiththisplasmid,PRRSVinfectionwasinitiatedandprogenyvirus“P129-GFP”wasobtained.CellsinfectedwithP129-GFPshowedfluorescenceandtheinsertedgenewasphenotypicallystableforatleast37serialinvitropassages.Subsequently,acapsid(C)proteingenewasclonedfromporcinecircovirustype2(PCV2)recoveredfromanoutbreakofporcinemultisystemicwastingsyndrome(PMWS)andinsertedintothePRRSVinfectiousclonevector,generatingvirus“P129-PCV”.Todeterminetheimmunogenicityoftherecombinantviruses,pigswereimmunizedintramuscularlywithP129-WT(wild-type),P129-GFP,orP129-PCV2.By5weekspost-infection,specificantibodyresponsestoGFPandPCV2capsidwereelicited.ThisisthefirstreportofforeigngeneexpressionusingPRRSVfromdedicatedsubgenomicRNAsanddemonstratesthepotentialuseofPRRSVasavaccinevectorforswinepathogens.©2009ElsevierInc.Allrightsreserved.
278 2021, Vol.42, No.04 食品科学 ※安全检测
基于DNA条形码技术鉴别有毒鹅膏菌属物种
白文明1,2，邢冉冉2，陈丽萍3，彭 涛2，雷红涛1，陈 颖2,*
（1.华南农业大学食品学院，广东 广州 510642；2.中国检验检疫科学研究院，北京 100176；3.中华人民共和国昆明海关检验检疫技术中心，云南 昆明 650051）
摘 要：收集27 个鹅膏菌属物种共38 份样本，提取样品基因组DNA，应用通用引物扩增其内转录间隔区（internal transcribed spacer，ITS）、核糖体大亚基（large ribosomal subunit，LSU）、RNA聚合酶的第二大亚基（the second
largest subunit of RNA polymerase II，RPB2）、β-微管蛋白（β-tubulin）基因序列并进行Sanger双向测序，将得到
的序列进行校对拼接后与NCBI的GenBank数据库中的参考序列进行比对鉴别物种来源；计算物种的种内、种间Kimura-2-Parameter（K2P）遗传距离并构建系统发育树。结果表明，β-tubulin、ITS基因序列鉴别能力优于RPB2、LSU基因序列，可将β-tubulin与ITS两者联合用于鹅膏菌属的物种鉴别，为有毒蘑菇诱发的食源性中毒风险进行预
警。β-tubulin基因序列长度较LSU、ITS、RPB2等基因序列短，适合对深加工的蘑菇制品以及误食毒蘑菇后的呕吐
物进行分析，可作为鹅膏菌属中毒事件中物种鉴定及溯源的优选条形码。
关键词：鹅膏菌属；DNA条形码；物种鉴别
DNA Barcoding for Identification of Toxic Amanita Species
BAI Wenming1,2, XING Ranran2, CHEN Liping3, PENG Tao2, LEI Hongtao1, CHEN Ying2,*
人工智能
Artificial Intelligence
丫
一种基于机器学习的Tor
网络识别探测技术
张 玲
1,卫传征
1,林臻彪
1,段琳琳
2
(1.北京赛博兴安科技有限公司
，北京102200
； 2.郑州大学 信息工程学院
,河南 郑州450001)
摘 要：Tor
是一种基于洋葱路由通信协议建立的隐蔽加密通信系统。该系统基于互联网现有路由、数据加密等协
议,构建了 一套保护通信实体的身份隐匿机制，使得经过Tor
网络传播的数据难以被有效追踪和分析。然而近年来
这项隐蔽通信技术被罪犯大量使用，已成为网络犯罪和非法交易的温床。为有效应对该问题,提出一项基于机器学
习的Tor
网络识别检测技术,通过主动生成Tor
网络流量,基于机器学习技术实施流特征提取与检测，从而发现参与
Tor
通信的网络实体及其通信类型，进而检出潜在的恶意暗网用户。实验表明，该方法可有效识别Tor
通信实体以及
通信行为，如电子邮件和FTP
应用等。
关键词：
暗网探测；Tor
；通信实体识别；机器学习
中图分类号：TN918 文献标识码：A DOI
: 10.16157/j.issn.0258-7998.200759
中文引用格式
：张玲
，卫传征
，林臻彪
，等.一种基于机器学习的Tor网络识别探测技术[J].电子技术应用
，2021
, 47
(4)
: 54-58.
英文弓I
用格式
：Zhang Ling
，Wei Chuanzheng
，Lin Zhenbiao
，et al. A method for identifying Tor hosts based on machine learning
techniquesf J]. Application of Electronic Technique
，2021
，47(4)
: 54-58 .
A method for identifying Tor hosts based on machine learning techniques
