Recognition algorithm of drivable area between rows of fruit trees based on double robustness regression
-
摘要:目的
提出一种复杂环境下以天空为背景的果树行间可行驶区域识别算法,以便农业机器人导航系统中工作路径的提取。
方法通过蓝色分量(B分量)进行树冠和背景天空的分离,改进Otsu算法实现更好的分割效果,形态学处理后根据树顶分布规律,进行动态阈值“V形”感兴趣区域寻找及特征点提取,使用泰尔−森稳健回归剔除干扰点后,使用随机采样一致性(Random sample consensus,RANSAC)算法进行拟合,得到树顶处直线,通过斜率变换关系得到可行驶区域边缘直线斜率,利用剔除后特征点信息和剔除阈值获得关键点坐标,以斜率为约束条件,代入关键点,得到可行驶区域边缘直线方程,并使用最小二乘法进行拟合,以此实现可行驶区域识别。
结果试验结果表明,本文双重稳健回归算法较泰尔−森算法和RANSAC算法平均偏差角度分别减小了8.28%和9.88%,标准差分别减少了6.25%和22.89%,准确率分别提高了4.64%和10.49%。
结论研究结果可为农业机器人在大多数标准化果园复杂环境中的可行驶区域识别和路径提取提供研究思路。
Abstract:ObjectiveIn order to extract the working path in the agricultural robot navigation system, we proposed an algorithm for identifying the drivable area between rows of fruit trees with the sky as the background in a complex environment.
MethodThe tree crown and the background sky were separated by the blue component (B component), and the Otsu algorithm was improved to achieve a better effect of segmentation. After morphological processing, according to the regularity of tree top distribution, dynamic threshold was used to find “V-shaped” region of interest and extract feature points. After the interference points were eliminated by Theil-Sen robustness regression, the straight line at the tree top was fitted by random sample consensus (RANSAC) algorithm, the slope of the straight line at the edge of the drivable area was obtained through the slope transformation relationship, and the key point coordinates were obtained using the information of the feature points after elimination and the threshold elimination. Taking the slope as the constraint condition, the linear equation of the edge of the drivable area was obtained by substituting the key points. The least square method was used to fit the data for realizing the recognition of the drivable area.
ResultThe experimental results showed that compared with Theil-Sen algorithm and RANSAC algorithm, the average deviation angle of the double robustness regression algorithm in this paper was reduced by 8.28% and 9.88%, the standard deviation was reduced by 6.25% and 22.89%, and the accuracy was improved by 4.64% and 10.49%.
ConclusionThe research results can provide research ideas for the drivable area recognition and path extraction of agricultural robots in the complex environment of most standardized orchards.
-
高氯酸盐(ClO4−)在水中溶解度高、易迁移、难降解,因此被认为是一种持久性污染物[1-2]。高氯酸盐是火箭的固体推进器、烟花爆竹、火柴等的重要原料之一,应用范围广[3]。高氯酸盐已经成为一个全球性污染的环境问题,在人类难以到达的南极和北极都能检测到高氯酸盐的存在[4]。低剂量的高氯酸盐便能影响动物甲状腺的正常功能[5-6]。此外,高氯酸盐还会造成大鼠生殖细胞的DNA损伤,产生生殖毒性[7]。由于高氯酸盐具有极高的水溶性且不易被土壤矿物质吸附,使得高氯酸盐一旦进入环境中,极易在水中富集,通过饮用水、 食物链进入人体,影响身体健康[8]。最早发现水体中高氯酸盐污染并开展系统性研究的国家是美国。研究显示,内华达州 Herderson 地下水中的高氯酸盐质量浓度为3.7×106 μg·L−1,地面水质量浓度为1.2×105 μg·L−1,饮用水中质量浓度高达8.11×102 μg·L−1 [9]。我国亦存在不同程度的高氯酸盐水体污染。史亚利等[10]检测发现,浏阳河水体中的高氯酸盐质量浓度高达65.8~170.0 μg·L−1。我国13 个省份的地下水高氯酸盐平均质量浓度最高达3.04 μg·L−1[11]。
重金属铬(Cr6+)是我国水体中重要的污染物之一[12],Cr6+能被植物吸收,在植物体内积累[13-14],进而通过食物链损害人体健康[15]。铬在化工行业应用广泛,导致环境中的铬含量越来越高,我国的铬污染也愈发严重[16]。与高氯酸盐相似的是,Cr6+极易溶于水,在水体中极易迁移[16]。此外,高氯酸盐和铬盐常常被用于皮革鞣制和电镀等工业领域[17],两者的分布区域重叠范围大。因此,它们是我国水体中的共同污染物[18]。目前已有大量文献报道了ClO4−和Cr6+分别对动植物的毒性研究,而它们对水生生态系统造成的生态毒理效应的报道极为匮缺。关注污染物对生态系统如何造成危害,开展相关研究,意义重大。为了研究ClO4−和Cr6+在水生生态系统中的联合效应,本研究设置了一个人工水生生态系统,考察这2种污染物对水葫芦Eichhornia crassipes、隆线溞Daphnia carinata和福寿螺Pomacea canaliculata的影响,以评估ClO4−和Cr6+复合污染对水生生态系统带来的风险,为水环境监测和水体复合污染的治理提供科学依据。
1. 材料与方法
1.1 试验材料
供试底泥选用华南农业大学六一区邵阳湖底泥,去除石子与杂物,经测定,该底泥不含ClO4−和Cr6+。供试污水选用华南农业大学嵩山区生活污水,经测定,不含ClO4−和Cr6+。本研究选用的斜生四链藻Tetradesmus obliquus购自中国科学院水生生物研究所淡水藻种库;水葫芦购自广州市芳村花卉市场,选用长势一致的植株;隆线溞为单克隆生物株,选用长势良好的4龄中型隆线溞;福寿螺取自华南农业大学农场试验基地,选用螺壳高度处于5 ~ 15 mm的个体。
1.2 主要药品和试剂
KClO4(AR,上海凌峰化学试剂有限公司)和K2Cr2O7(AR,上海凌峰化学试剂有限公司)。
1.3 试验设计
采用2因素3水平完全组合试验方案设计,Cr6+的质量浓度分别为0、0.02和0.20 mg·L−1,分别用Cr0 (CK)、 Cr0.02和Cr0.2表示,ClO4−的质量浓度分别为0、20和200 mg·L−1,分别用P0 (CK)、P20和P200表示,共9个处理,每个处理3个重复。
在长×宽×高=0.6 m×0.3 m×0.4 m的水族缸中铺一层6 cm厚的底泥(湿质量6 kg),加入20 L的生活污水和20 L的自来水,平衡14 d后加入100 mL密度为1.0×103 mL−1的斜生栅藻、100只中型隆线溞、2株水葫芦、8只小型福寿螺,1 d后按试验设计分别加入9个处理的污染物Cr6+和ClO4−,分别在第1、4、7、14、21、28天采集样品进行测定。
每天用自来水补充蒸发失水,使人工水生生态系统的体积保持在40 L。
1.4 主要指标的测定方法
1.4.1 ClO4−含量的检测
植物、动物样品前处理:将样品烘干至恒质量,粉碎,混合均匀后过40目筛。称0.5 g 样品放入50 mL的锥形瓶中,加入10 mL超纯水,室温下放入摇床以200 r·min−1速度萃取2 h。混合液以6000 r·min−1速度离心25 min,吸取表面溶液用RP小柱过滤,上机前过0.22 µm微孔滤膜。
ClO4−含量的测定采用离子色谱法,利用美国戴安 ICS-900 离子色谱仪进行测定,测定参数:分离柱为IonpacAS20-HC,保护柱为IonpacAG20-H0 C,流动相为30 mmo1·L−1的 KOH,电流87 mA,柱温30 ℃,流速1.0 mL·min−1。
1.4.2 Cr6+含量的检测
将动、植物样品进行微波消解,消解液过滤,用火焰原子光谱仪测定Cr6+含量。
1.4.3 富集系数的计算
富集系数[Bio-concentration factors,BCF/(L·kg−1)]是指生物体某一部位的元素含量(mg·kg−1)与环境中相应元素含量(mg·L−1)之比,它在一定程度上反映着生态系统中该元素迁移的难易程度。
$$ {\rm{BCF}} = 生物样品含量 \div 水环境中总含量。$$ (1) 1.4.4 ClO4−和Cr6+的交互作用类型判断
为了比较不同污染物处理水平下对人工水生生态系统中隆线溞和福寿螺生长的作用强度,本研究按照以下方法计算抑制率(Inhibitory rate,Ri) [19]:
$$ R_{{\rm{i}}} = ( 1-T/C) \times 100{\text{%}}\text{,} $$ (2) 式中:C为对照值,T为处理值。当Ri≥0时,表示处理组与对照组相比具有抑制作用;当Ri <0时,表示处理组与对照组相比具有促进作用。
根据Bliss[20]提出的污染物间交互作用类型:相加、拮抗和协同作用,本文按照以下方法判断ClO4−和Cr6+的交互作用类型[21]:
相加作用:ClO4−和Cr6+单一处理之和=ClO4−、Cr6+复合污染;
拮抗作用:ClO4−和Cr6+单一处理之和>ClO4−、Cr6+复合污染;
协同作用:ClO4−和Cr6+单一处理之和<ClO4−、Cr6+复合污染。
先计算各处理组(包括单一处理和复合处理)的抑制率,将相应浓度的ClO4−和Cr6+单一处理的抑制率相加,并与其对应浓度的复合污染进行比较, 再根据上面3个计算式来判断ClO4−和Cr6+复合污染的交互作用类型。
1.5 统计分析
所得数据为平均值±标准差(Mean ± SD),采用Microsoft excel 和SPSS16.0 进行计算和统计分析,并用Duncan’s检验法对不同处理的差异显著性进行多重比较。
2. 结果与分析
2.1 ClO4−、Cr6+单一或复合污染对人工水生生态系统中植物的影响
经不同处理后,水葫芦各部位中ClO4−、Cr6+含量和富集系数分别见表1和表2。总体上看,随着ClO4−处理浓度升高,其在水葫芦各部位的含量显著升高。不论是单一还是复合污染处理,在同一ClO4−处理浓度中,水葫芦体内的ClO4−含量大致相同。但在高浓度ClO4−(200 mg·L−1)和Cr6 +复合处理时,水葫芦茎和叶中ClO4−含量随着Cr6 +浓度的升高而显著提高,在水葫芦根中则无明显差异。在单一ClO4−和复合污染处理中,水葫芦各部位的ClO4−含量依次为叶 > 茎 > 根,叶片的富集系数最大,根部的富集系数最小,说明水葫芦叶是富集ClO4−的主要部位。
表 1 不同处理下水葫芦各部位的ClO4−、Cr6+含量1)Table 1. The contents of ClO4− and Cr6+ in various parts of Eichhornia crassipes under different treatments处理
Treatment用量/(mg·L−1)
Dosagew(ClO4−)/(mg·kg−1)
Perchlorate contentw(Cr6+)/(mg·kg−1)
Hexavalent chromium contentClO4− Cr6+ 根
Root茎
Stem叶
Leaf根
Root茎
Stem叶
LeafCK 0 0 6.48±0.33b 0.79±0.05d 1.05±0.08d P20 20 0 15.91±0.91b 54.14±5.47c 247.68±38.66c P200 200 0 98.30±13.93a 660.87±14.20b 2 518.35±425.76ab Cr0.02 0 0.02 10.40±0.70b 1.81±0.46d 1.57±0.13cd Cr0.2 0 0.20 28.35±1.62a 7.12±0.70b 2.99±0.60b P20+Cr0.02 20 0.02 2.77±0.10b 37.08±1.49c 291.59±107.96c 10.39±0.70b 1.54±0.05d 1.57±0.05cd P20+Cr0.2 20 0.20 12.60±1.92b 145.21±31.61c 451.97±54.30c 30.27±3.19a 4.78±0.95c 2.68±0.07bc P200+Cr0.02 200 0.02 64.19±18.25a 564.02±128.78b 2 005.92±424.64b 10.40±0.50b 1.12±0.22d 2.20±0.58bc P200+Cr0.2 200 0.20 91.43±25.99a 995.17±109.84a 3 212.55±127.32a 31.69±2.09a 9.91±0.08a 5.14±0.29a 1)同列数据后的不同小写字母表示处理间差异显著(P<0.05,Duncan’s法)
1)Different lowercase letters in the same column indicate significant differences among different treatments(P<0.05, Duncan’s method)表 2 不同处理下水葫芦各部位的ClO4−、Cr6+富集系数(BCF)1)Table 2. The bio-concentration factor (BCF) of ClO4− and Cr6+ in various parts of Eichhornia crassipes under different treatments处理
Treatment用量/(mg·L−1) BCF/(L·kg−1) Dosage ClO4− Cr6+ ClO4− Cr6+ 根
Root茎
Stem叶
Leaf根
Root茎
Stem叶
LeafP20 20 0 0.80a 2.71bc 12.39ab P200 200 0 0.49bc 3.31bc 12.59ab Cr0.02 0 0.02 520.00a 90.25a 78.60a Cr0.2 0 0.20 141.75b 35.61c 14.97b P20+Cr0.02 20 0.02 0.14d 1.85c 14.58ab 519.50a 76.85ab 78.60a P20+Cr0.2 20 0.20 0.63ab 7.26a 22.60a 151.35b 23.96c 13.39b P200+Cr0.02 200 0.02 0.32cd 2.82bc 10.03b 520.00a 55.85abc 109.95a P200+Cr0.2 200 0.20 0.46bc 4.98ab 16.06ab 158.45b 49.53bc 25.68b 1)同列数据后的不同小写字母表示处理间差异显著(P<0.05,Duncan’s法)
1) Different lowercase letters in the same column indicate significant differences among different treatments(P<0.05, Duncan’s method)水葫芦对Cr6+具有一定的吸收作用。在所有处理组中,随着Cr6+处理浓度升高,水葫芦各部位累积的Cr6+含量也明显提高。在同一Cr6+处理浓度中,不论是单一还是复合污染处理,水葫芦根内的Cr6+含量相差不大。高浓度ClO4−(200 mg·L−1)和高浓度Cr6+(0.2 mg·L−1)复合处理时,水葫芦根、茎和叶内的Cr6+含量比单一Cr6+处理时高。在单一Cr6+和复合污染处理中,水葫芦各部位的Cr6+含量基本上表现为根 > 茎 > 叶,叶片的富集系数最小,根部的富集系数最大,说明水葫芦根部积累Cr6+的能力最强。
从表2可以看出,水葫芦对重金属Cr6+的富集系数均比ClO4−的富集系数大,说明水葫芦对重金属Cr6+的富集能力比对ClO4−的富集能力强。在所有Cr6+处理中,水葫芦对低浓度处理Cr6+(0.02 mg·L−1)富集能力最强,其富集系数比高浓度处理Cr6+(0.20 mg·L−1)大。在ClO4−单一和复合污染中,水葫芦各部位对ClO4−的富集系数均较小,富集系数最大的处理组是P20+Cr0.2中的水葫芦叶,富集系数仅为22.60 L·kg−1。
2.2 ClO4−和Cr6+单一或复合污染对人工水生生态系统中隆线溞的影响
研究结果(图1)显示:各个处理中,隆线溞种群增长呈现先上升后下降的趋势,与“S”型增长模式基本符合,最大密度出现在第14 天,且此时总体上表现出低浓度促进、高浓度抑制的现象。
由表3可知,第14天时 20 mg·L−1的ClO4−对隆线溞的生长没有明显的影响,但是200 mg·L−1的ClO4−对隆线溞的生长有显著的抑制作用;0.02 mg·L−1的Cr6+处理明显促进了隆线溞的生长,该组隆线溞的种群密度在各处理组中最大;当Cr6+质量浓度为0.20 mg·L−1时,隆线溞的密度明显低于CK组,抑制作用明显。除P200+Cr0.2处理组的交互作用类型拮抗作用外,其余3组复合污染处理均表现为协同作用。从表4可以看出,隆线溞体内的ClO4−含量总体上较低。ClO4−单一胁迫时,隆线溞体内的ClO4−含量随ClO4−处理浓度的升高而明显升高。当高质量浓度ClO4−(200 mg·L−1)与重金属Cr6+复合处理时,其在隆线溞体内的含量明显低于200 mg·L−1 ClO4−单一胁迫时体内的含量;而低质量浓度ClO4−(20 mg·L−1)与重金属Cr6+复合时,其在隆线溞体内的含量与20 mg·L−1 ClO4−单一胁迫时体内的含量相差不大。
表 3 第14天不同处理对隆线溞生长的影响及ClO4−、Cr6+的交互作用类型Table 3. Effects of different treatments on the growth of Daphnia carinata on the 14th day and the interaction types of ClO4− and Cr6+处理
Treatment密度1)/(个·L−1)
Density抑制率(Ri)/%
Inhibition
ratio交互作用类型2)
Type of
interactionCK 104.5±4.70bc P20 115.5±7.71b –10.53 P200 87.0±3.00d 16.75 Cr0.02 139.5±4.80a –33.49 Cr0.2 82.5±5.06d 21.05 P20+Cr0.02 133.8±6.00a –27.99 S P20+Cr0.2 84.0±6.56d 19.62 S P200+Cr0.02 90.0±5.42cd 13.88 S P200+Cr0.2 77.0±6.42d 26.32 A 1)该列数据后的不同小写字母表示处理间差异显著(P<0.05,Duncan’,s法);2) S:协同,A:拮抗
1)Different lowercase letters in this column indicate significant differences among different treatments (P<0.05, Duncan’s test);2) S: Synergism, A: Antagonism表 4 不同处理下隆线溞体内ClO4−的含量以及富集系数(BCF)1)Table 4. The content and bio-concentration factor (BCF) of ClO4− in Daphnia carinata under different treatments处理
Treatmentw(ClO4−)/(mg·kg−1)
Perchlorate contentBCF/(×10−3 L·kg−1) P20 0.035±0.002c 1.75a P200 0.316±0.034a 1.58a P20+Cr0.02 0.028±0.004c 1.40ab P20+Cr0.2 0.021±0.002c 1.05b P200+Cr0.02 0.251±0.024b 1.26ab P200+Cr0.2 0.259±0.024b 1.30ab 1)同列数据后的不同小写字母表示处理间差异显著(P<0.05,Duncan’s法)
1)Different lowercase letters in the same column indicate significant differences among different treatments(P<0.05, Duncan’s test)2.3 ClO4−和Cr6+单一或复合污染对人工水生生态系统中福寿螺的影响
研究结果表明,ClO4−、Cr6+单一污染及其复合污染对福寿螺的生长都有显著的影响(图2)。由图2可知,ClO4−单一胁迫时,福寿螺的高度和体质量增长量都随着ClO4−的浓度升高而显著减少,福寿螺的体质量增长受到的抑制更明显。在200 mg·L−1的ClO4−作用下,螺高和体质量的增长量明显少于其他处理组,当福寿螺受到200 mg·L−1的ClO4−和0.02、0.20 mg·L−1的Cr6+共同作用时,其受到的抑制作用有所缓解,但螺高和体质量增长量仍少于CK。重金属Cr6+单一胁迫时,低浓度(0.02 mg·L−1)的Cr6+对螺高和螺体质量增长量没有显著影响,0.20 mg·L−1的Cr6+则对螺高和螺体质量增长量均产生了显著的抑制作用。低浓度(20 mg·L−1 ClO4− + 0.02 mg·L−1 Cr6+)复合时表现为协同作用,其他复合处理则表现为拮抗作用(表5)。
表 5 ClO4−和Cr6+复合污染对福寿螺生长的交互作用类型Table 5. Interaction types of ClO4− and Cr6+ combined pollution on the growth of Pomacea canaliculata处理
Treatment抑制率(Ri)/%
Inhibition ratio交互作用类型1)
Type of interaction螺高
Snail
height体质量
Body
weight螺高
Snail
height体质量
Body
weightP20 0.32 0.07 P200 0.92 0.78 Cr0.02 −0.01 −0.03 Cr0.2 0.22 0.32 P20+Cr0.02 0.44 0.38 S S P20+Cr0.2 0.25 0.20 A A P200+Cr0.02 0.51 0.63 A A P200+Cr0.2 0.58 0.64 A A 1) S:协同,A:拮抗
1) S: Synergism, A: Antagonism如表6所示,ClO4−主要在福寿螺螺壳积累,螺肉则未检出。螺壳的ClO4−含量随着ClO4−处理浓度的升高而明显升高,与重金属Cr6+复合污染后,螺壳的ClO4−含量也呈现出同样的趋势。在所有处理组中,螺壳和螺肉的Cr6+含量随着处理浓度的增加而显著增加。整体上看,螺肉中的Cr6+含量比螺壳中的含量高,螺肉的Cr6+富集系数也高于螺壳,说明福寿螺富集重金属Cr6+的主要部位是螺肉。
表 6 不同处理下福寿螺各部位的ClO4−、Cr6+含量及对应富集系数(BCFs)1)Table 6. Contents and relative bio-concentration factors (BCFs) of ClO4− and Cr6+ in different parts of Pomacea canaliculata under different treatments处理
Treatment用量/(mg·L−1)
Dosage螺壳 Snail shell 螺肉 Snail body w/(mg·kg−1) BCF/(L·kg−1) w(Cr6+)/
(mg·kg−1)BCFCr6+/
(L·kg−1)ClO4− Cr6+ ClO4− Cr6+ ClO4− Cr6+ CK 0 0 0 0.122±0.058c 0.414±0.169c P20 20 0 0.925±0.323b 46.25b P200 200 0 11.154±0.554a 55.77b Cr0.02 0 0.02 0.181±0.034c 9.05abc 1.269±0.025b 63.45a Cr0.2 0 0.20 0.931±0.108b 4.66d 5.626±0.330a 28.13b P20+Cr0.02 20 0.02 1.200±0.178b 0.159±0.035c 60.00b 7.95bcd 1.059±0.034b 52.95a P20+Cr0.2 20 0.20 2.929±0.896b 1.058±0.102b 146.45a 5.29cd 6.750±0.464a 33.75b P200+Cr0.02 200 0.02 14.192±3.576a 0.266±0.017c 70.96ab 13.30a 1.274±0.052b 63.70a P200+Cr0.2 200 0.20 14.906±2.919a 1.957±0.291a 74.53ab 9.79ab 7.297±1.358a 36.49b 1)同列数据后的不同小写字母表示处理间差异显著(P<0.05,Duncan’s法)
1)Different lowercase letters in the same column indicate significant differences among different treatments(P<0.05, Duncan’s test)3. 讨论与结论
鉴于ClO4−水溶性强、易迁移的理化性质,植物的根、茎部较难持留ClO4−,叶肉细胞则较易将ClO4−持留在叶片中[22-23]。He等[24]研究发现,ClO4−在植物地上部的积累量远超过地下部,叶片是植物积累ClO4−的主要组织。本研究结果与前人研究结果相吻合,ClO4−在水葫芦叶片的积累量远远高于根、茎部,说明水葫芦对ClO4−的转移运输能力较强。不同植物种类对ClO4−的吸收能力不同[23],研究发现,在同一处理条件下,菠菜Spinacia oleracea的ClO4−累积量可达700 μg·kg−1,而甘蔗Saccharum officinarum的积累量不到100 μg·kg−1[25]。ClO4−在植物叶片大量累积,可能会引起植物叶片的一系列损伤。陈倩等[26]用不同浓度的KClO4溶液胁迫水稻幼苗,发现水稻幼苗的相对叶绿素含量以及净光合速率都受到了不同程度的抑制。Vijaya等[27]发现,轮叶黑藻Hydrilla verticillata在29 mg·L−1的ClO4−胁迫下,叶绿素含量显著降低,并出现了腐烂的现象。ClO4−对动物的伤害更大,低浓度的ClO4−能干扰动物甲状腺的功能[5]。在ClO4−污染的河流中采样发现,鱼体中的甲状腺滤泡细胞出现增生现象[28]。有研究表明,西方爪蛙Silurana tropicalis长期暴露于环境相关浓度的KClO4后,雌蛙的体质量、后肢长度等都显著减少[29]。谭敏卿等[30]将受精1 h的斑马鱼Danio rerio胚胎暴露在不同浓度的NaClO4溶液里,结果发现随着溶液浓度增加,斑马鱼胚胎的孵化率降低、死亡率上升。Park等[31]发现1 mg·L−1的NaClO4溶液能够在一定程度上促进食蚊鱼Gambusia affinis生长,而10和100 mg·L−1的NaClO4溶液则明显抑制食蚊鱼的生长,呈现出“低促高抑”的趋势,本研究也呈现出类似趋势。本试验结果显示,20 mg·L−1 的ClO4−与对照组相比,隆线溞的密度没有明显变化,而200 mg·L−1 的ClO4−处理组的隆线溞密度只有对照组的83%,显著低于对照组。Zhou等[18]发现ClO4−的质量浓度增加到100 mg·L−1时,隆线溞的死亡率与对照组相比没有显著差异,说明隆线溞对ClO4−的耐受性较强。
重金属铬不仅能抑制藻类合成叶绿素,对藻类产生毒害[32],还对水生动物产生一定的毒害作用。李玲等[33]分别用1、2、3和4 mg·L−1的Cr(NO3)3胁迫水葫芦,结果发现水葫芦根的铬含量分别是叶片含量的4.54、5.43、7.68和6.21倍。本研究用0.20 mg·L−1的Cr6+胁迫水葫芦,水葫芦根中的Cr6+含量分别是茎和叶的4.0和9.5倍,与前人结果相一致。与ClO4−相比,水葫芦对Cr6+的转移运输能力较弱。在0.20 mg·L−1的Cr6+胁迫下,隆线溞的密度显著降低,这与Zhou等[18]的研究结果相一致,说明隆线溞对Cr6+的耐受能力较弱。因此,隆线溞可作为水体Cr6+污染的指示生物。姜东生等[12]发现,摇蚊(Chironomidae)幼虫对Cr6+的耐受能力较强,在1500 mg·L−1的Cr6+胁迫48 h后,摇蚊幼虫的死亡率只有15%。Cr6+在生物体内积累会产生有害自由基,引起一系列的氧化损伤[34-35]。
复合污染与单一污染相比,污染物之间存在着复杂的交互作用[6]。任新等[36]发现,四溴二苯醚与ClO4−复合后,斑马鱼肝脏的超氧化歧化酶(SOD)、过氧化氢酶(CAT)活性和丙二醛(MDA)含量明显比单一暴露组高,说明两者复合对斑马鱼肝脏造成的氧化损伤更大。Mukhi等[37]发现单独使用ClO4−胁迫斑马鱼时,斑马鱼生长没有受到明显的影响,但用ClO4−和甲状腺素T4复合时,斑马鱼的死亡率显著升高。张茹等[19]发现,低浓度的ClO4−与Pb复合后,对泰国空心菜Ipomoea aquatica幼苗根长的抑制作用显著高于两者单独处理。本研究使用高浓度的ClO4−与Cr6+复合,试验结果以拮抗作用为主,低浓度复合处理主要呈现出协同效应,这与杨杰峰等[21]的研究结果一致。
总的来说,在人工水生生态系统中,水葫芦内ClO4−、Cr6+的含量比隆线溞和福寿螺体内的含量高。在所有处理中,水葫芦对这2种污染物的富集系数高于隆线溞和福寿螺,说明水葫芦对ClO4−、Cr6+污染的富集能力比隆线溞和福寿螺强。隆线溞体内的污染物浓度最低,富集系数也最小,说明隆线溞对污染物的富集能力在人工水生生态系统中最弱。本研究选用的2种污染物都具有强氧化性,且水溶性强,容易被水生生物吸收,进入生物体内后,它们会与生物体内的成分发生反应,产生有害的自由基[38],对生物造成不同程度的氧化损伤。因此,当两者在复杂的水生环境中同时存在时,它们如何对水生生物产生危害以及两者间具体的交互作用机理值得深入研究。
综上所述,本研究得出结论如下:
1) ClO4−、Cr6+及其复合污染对水生生态系统中的生物具有不同的毒性效应,对系统中隆线溞生长的影响总体呈现低浓度促进、高浓度抑制的规律;随着ClO4−、Cr6+及其复合浓度升高,福寿螺的生长受到的抑制作用越来越明显。
2)水葫芦对ClO4−和Cr6+有较强的富集能力,其富集ClO4−的主要器官是叶片,富集Cr6+的主要器官是根部。隆线溞和福寿螺对ClO4−也有一定的吸收,但吸收能力弱于水葫芦。
3) ClO4−与Cr6+低浓度复合时,对隆线溞生长的交互作用类型以协同作用为主,高浓度复合时则主要表现为拮抗作用;20 mg·L−1 ClO4− + 0.02 mg·L−1 Cr6+复合时对福寿螺生长表现为协同作用,其他复合处理则表现为拮抗作用。
-
表 1 不同天气状况下全周期分割阈值对比示例1)
Table 1 Comparison examples of segmentation thresholds under different weather conditions in full cycle
图像序号 Image serial number Otsu分割阈值( $ {r_0} $) Otsu segmentation threshold $ [{r_0},L - 1] $ r1 $ [{r_0},{r_1}] $ 本文自适应分割阈值(r) Adaptive segmentation threshold in this paper 1 143 [143, 255] 231 [143, 231] 217 2 132 [132, 255] 192 [132, 192] 173 3 131 [131, 255] 208 [131, 208] 141 4 143 [143, 255] 210 [143, 210] 158 5 158 [158, 255] 231 [158, 231] 171 6 115 [115, 255] 191 [115, 191] 115 1) ${r_1} = {{\rm{arc}}} {G_{\max } }$; $r = {\rm{arc}}{G_{\min } }$ 表 2 3种算法的可行驶区域边缘拟合结果
Table 2 Edge fitting results of drivable area for three algorithms
算法 Algorithm 图像帧数 Image frames 错误帧数 Error frames 平均偏差角度/(°) Average deviation angle 标准差/(°) Standard deviation 准确率/% Accuracy 平均耗时/ms Average time 泰尔−森算法 Theil-Sen algorithm 480 45 1.69 1.76 90.6 79.5 RANSAC算法 RANSAC algorithm 480 68 1.72 2.14 85.8 76.0 本文算法 Algorithm in this paper 480 25 1.55 1.65 94.8 82.4 表 3 不同工况下本文算法的拟合结果
Table 3 The fitting results of this algorithm under different working conditions
时期 Period 工况 Working condition 图像帧数 Image frames 错误帧数 Error frames 准确率/% Accuracy 平均耗时/ms Average time 生长期 Growth period 顺光 Frontlighting 120 7 94.2 82.3 逆光 Backlighting 120 5 95.8 82.4 非生长期 Non-growth period 顺光 Frontlighting 120 9 92.5 82.3 逆光 Backlighting 120 4 96.7 82.5 表 4 不同工况下本文算法的性能评价指标
Table 4 The performance evaluation index of this algorithm under different working conditions
时期 Period 工况 Working condition 图像帧数 Image frames 平均偏差角度/(°) Average deviation angle 标准差/(°) Standard deviation 关键点平均偏差半径/像素 Average deviation radius at key points 关键点标准差/像素 Standard deviation at key points 生长期 Growth period 顺光 Frontlighting 120 1.30 1.53 1.23 2.09 逆光 Backlighting 120 1.35 1.68 2.69 3.63 非生长期 Non-growth period 顺光 Frontlighting 120 2.21 1.94 1.69 3.13 逆光 Backlighting 120 1.35 1.15 2.53 2.65 -
[1] 毕松, 王宇豪. 果园机器人视觉导航行间位姿估计与果树目标定位方法[J]. 农业机械学报, 2021, 52(8): 16-26,39. [2] 郭成洋, 范雨杭, 张硕, 等. 果园车辆自动导航技术研究进展[J]. 东北农业大学学报, 2019, 50(8): 87-96. [3] 李秋洁, 丁旭东, 邓贤. 基于激光雷达的果园行间路径提取与导航[J]. 农业机械学报, 2020, 51(S2): 344-350. [4] 姬长英, 周俊. 农业机械导航技术发展分析[J]. 农业机械学报, 2014, 45(9): 44-54. [5] 袁池, 陈军, 武涛, 等. 基于机器视觉的果树行中心线检测算法研究[J]. 农机化研究, 2013, 35(3): 37-39. [6] 王毅, 刘波, 何宇, 等. 果园移动机器人路径识别系统[J]. 传感器与微系统, 2020, 39(9): 69-72. [7] 刘波, 杨长辉, 熊龙烨, 等. 果园自然环境下采摘机器人路径识别方法[J]. 江苏农业学报, 2019, 35(5): 1222-1231. [8] RADCLIFFE J, COX J, BULANON D M. Machine vision for orchard navigation[J]. Computers in Industry, 2018, 98: 165-171. doi: 10.1016/j.compind.2018.03.008
[9] 林桂潮, 邹湘军, 罗陆锋, 等. 改进随机样本一致性算法的弯曲果园道路检测[J]. 农业工程学报, 2015, 31(4): 168-174. [10] 聂森, 王丙龙, 郝欢欢, 等. 基于机器视觉的果园导航中线提取算法研究[J]. 农机化研究, 2016, 38(12): 86-89. [11] 冯娟, 刘刚, 司永胜, 等. 果园视觉导航基准线生成算法[J]. 农业机械学报, 2012, 43(7): 185-189,184. [12] 彭顺正, 坎杂, 李景彬. 矮化密植枣园收获作业视觉导航路径提取[J]. 农业工程学报, 2017, 33(9): 45-52. [13] 李秀智, 彭小彬, 方会敏, 等. 基于RANSAC算法的植保机器人导航路径检测[J]. 农业机械学报, 2020, 51(9): 40-46. [14] 廖娟, 汪鹞, 尹俊楠, 等. 基于分区域特征点聚类的秧苗行中心线提取[J]. 农业机械学报, 2019, 50(11): 34-41. [15] 张雄楚, 陈兵旗, 李景彬, 等. 红枣收获机视觉导航路径检测[J]. 农业工程学报, 2020, 36(13): 133-140. -
期刊类型引用(1)
1. 戴林华,黎远松,石睿. 基于改进YOLOv8n算法的水稻叶片病害检测. 湖北民族大学学报(自然科学版). 2024(03): 382-388 . 百度学术
其他类型引用(2)