为了检测观赏鱼类的行为及其健康状况，设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存，添加了新的视觉通用变换器BiFormer以提升计算效率，并采用ByteTrack算法追踪血鹦鹉的运动轨迹。结果表明：使用YOLOv8n-BiFormer模型对血鹦鹉的检测准确率达到99.2%,召回率为93.7%,平均精度均值(mAP@0.5)为99.1%,相较于YOLOv8n模型分别提升了0.8%、1.4%、1.0%;使用该模型对水族箱中的慈鲷(Chindongo demasoni)进行检测追踪同样取得了较好的效果，慈鲷的检测准确率达到97.0%,召回率为93.4%,平均精度均值为96.5%,相较于YOLOv8n模型召回率和平均精度分别提升了1.8%和1.9%。研究表明，本文中设计的YOLOv8n-BiFormer模型具有通用性，在检测和追踪血鹦鹉和慈鲷目标方面均表现优异，消耗的计算资源较少，可部署在水族箱监控系统中，为观赏鱼信息记录自动化和智能化提供了可行的解决方案。

为了检测观赏鱼类的行为及其健康状况，设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存，添加了新的视觉通用变换器BiFormer以提升计算效率，并采用ByteTrack算法追踪血鹦鹉的运动轨迹。结果表明：使用YOLOv8n-BiFormer模型对血鹦鹉的检测准确率达到99.2%,召回率为93.7%,平均精度均值(mAP@0.5)为99.1%,相较于YOLOv8n模型分别提升了0.8%、1.4%、1.0%;使用该模型对水族箱中的慈鲷(Chindongo demasoni)进行检测追踪同样取得了较好的效果，慈鲷的检测准确率达到97.0%,召回率为93.4%,平均精度均值为96.5%,相较于YOLOv8n模型召回率和平均精度分别提升了1.8%和1.9%。研究表明，本文中设计的YOLOv8n-BiFormer模型具有通用性，在检测和追踪血鹦鹉和慈鲷目标方面均表现优异，消耗的计算资源较少，可部署在水族箱监控系统中，为观赏鱼信息记录自动化和智能化提供了可行的解决方案。

为了研究低固定投喂率条件下，投喂频率对循环水养殖珍珠龙胆石斑鱼(Epinephelus lanceolatus♂×E.fuscoguttatus♀)(初始体质量为469g±75g)生长的影响及代谢机制，试验设置F1组(1次/d, 8:00,低投喂频率组)、F2组(2次/d, 8:00、17:00,对照组)和F4组(4次/d,8:00、11:00、14:00、17:00,高投喂频率组)3个投喂频率组，每组设置3个重复，每个重复放20尾鱼，将个体标记后放入3套相同的循环水养殖系统中饲养，投喂率设定为0.90%(低于饱食投喂率),在养殖试验进行的第0、17、30、45、60天时，检测其生长情况，并采用TM广靶代谢组学方法对第60天时F1组和F4组所取肝脏样品进行代谢组学分析。结果表明：F4组的特定生长率(SGR)显著高于F2组和F1组(P<0.05);F1组和F4组共检测出157个差异代谢物，其中，随投喂频率提高，肝脏代谢物中二十碳四烯酸、L-乳酸、牛磺胆酸、UDP葡萄糖和L-甲状腺素等121个差异代谢物相对含量上调，莽草酸、乳清酸、L-天冬氨酸、胍基乙酸和5-氨基戊酸等36个差异代谢物相对含量下调，主要涉及花生四烯酸代谢、氨基酸生物合成、半乳糖代谢和糖酵解/糖异生等代谢途径；肝脏中L-甲状腺素和胍基乙酸的丰度分别与SGR呈正相关和负相关。研究表明，在低于饱食投喂率条件下，投喂频率提高到4次/d可促进循环水养殖珍珠龙胆石斑鱼的生长，高投喂频率组生长快的机制可能主要与肝脏L-甲状腺素分泌增加和胍基乙酸合成减少有关。

为解决渔业标准命名实体识别任务中部分实体语料分布稀疏导致的效果不佳问题,提出了基于多元组合数据增广(data augmentation method based on multiple combination, MCA)的渔业标准命名实体识别方法,该方法融合了基于领域词典的联合替换算法(joint replacement algorithm based on domain dictionary, DDR)、基于槽点保护的随机删除算法(random deletion algorithm based on slot protection, SPD)和基于槽点保护的随机插入算法(random insertion algorithm based on slot protection, SPI)进行语料库的数据增广,首先构建"水产品名称"同类词词典和领域同义词词典,通过两个词典分别对"水产品名称"类实体和随机词进行同类词替换和同义词替换,生成新的句子,以增加目标实体数量和句子的多样性,然后在基于槽点保护的情况下对原句子分别进行随机删除和随机插入操作,在保留实体及上下文特征的情况下进一步丰富语料的多样性,提高模型的泛化能力。结果表明,采用基于融合注意力机制的BERT+BiLSTM+CRF网络模型和多元组合数据增广方法进行渔业标准命名实体识别,准确率、召回率、F1值分别达到了91.73%、88.64%、90.16%,具有较好的效果。研究表明,基于多元组合数据增广的渔业标准命名实体识别方法有效解决了部分实体样本稀疏问题,提升了渔业标准命名实体识别的整体效果。

利用无机正硅酸乙酯(TEOS)和有机聚乙二醇(PEG),采用溶胶-凝胶法制备了一系列有机/无机纳米杂化复合材料.首先将TEOS在酸性条件下预水解,再与PEG共水解、共缩聚以形成有机/无机杂化网络结构.在溶胶-凝胶过程中引入稀土离子来制备发光材料.通过控制工艺条件得到了具有良好稳定性和发光性能的透明有机/无机纳米杂化材料.

作为国防科技研究的重要机构，军工企业试验室承担了重要的武器装备的研发、测试等相关工作，涉及到危化品是不可避免的。做好危化品的安全管理工作，是所有军工企业都非常关注的课题，在这一过程中，涉及到的环节和内容众多，稍有不慎就会引发严重后果，基于此，本文重点针对军工企业的试验室，如何做好危化品的安全管理，从不同角度展开研究，希望制定更加完善的安全管理制度体系，最大程度确保试验室安全。