《中国农业科技导报》撰文要求

来稿要求内容充实、立意创新。写作上要重点突出,条理分明,论据充分,数据可靠,文字简练。书写要工整,用字要规范,标点要正确,计量单位和符号要符合国家标准。外文字母、数学符号、拉丁学名要分清大、小写,正、斜体;上、下角的字母、数码和符号,其位置也应标示清楚。     

汉蒙文化符号域的互动——肃北蒙古族自治县党城湾镇汉蒙文化互动探究

洛特曼的文化符号域理论是研究文化互动的一种新视角,通过文化符号域理论的新视角,探讨甘肃肃北党城湾镇汉、蒙文化符号域互动的理论前提、现实基础、表现形式及其动因,并在此基础上解读肃北党城湾镇这一空间所包含的文化符号体系折射出来的蒙汉两元一体的文化体系,分析该地区未来在更高层次上的多民族文化互动发生的机制。     

基于机器视觉对高阶直立式鸡笼内蛋鸡的监视系统的开发

目前对饲养于高阶直立式鸡笼内蛋鸡的监控方式主要为人工监控,作业环境恶劣,且对鸡笼内的病、死鸡不能实现实时监控.将机器视觉识别技术应用于高阶直立式鸡笼内蛋鸡的自动化监视过程,通过对笼内蛋鸡进食时的腿部图像进行图像处理,建立以特征区域面积值作为判别鸡笼内是否存在病、死鸡的标准.利用虚拟仪器软件LabWindows/CVI结合RS-485总线,开发了远程、实时及自动判别鸡笼内是否存在病、死鸡的系统.     

黄瓜相似病害的识别与防治

黄瓜是人们餐桌上的常见蔬菜,具有清热、解渴、利水、消肿的功效;黄瓜中含有丰富的维生素E,可起到延年益寿、抗衰老的作用;黄瓜中的黄瓜酶,有很强的生物活性,能有效地促进机体的新陈代谢。     

面向葡萄知识图谱构建的多特征融合命名实体识别

为解决构建知识图谱过程中由于上下文环境复杂、现有模型字向量语义表征相对单一导致领域专业实体识别率低的问题,该研究提出了来自转换器的双向编码器表征量（bi-directional encoder representation from transformer, BERT）和残差结构（residual structure, RS）融合的命名实体识别模型（bert based named entity recognition with residual structure,BBNER-RS）。通过BERT模型将文本映射为字符向量,利用双向长短时记忆网络（bi-directional long-short term memory, BiLSTM）提取局部字符向量特征,并采用RS保留BERT提供的全局字符向量特征,以提高字向量的语义丰富度,最后通过条件随机场（conditional random field, CRF）模型对特征向量解码,获取全局最优序列标注。与其他命名实体识别模型相比,提出的BBNER-MRS模型在葡萄数据集上表现较好,在葡萄人民日报、玻森、简历和微博数据集上F1值分别达到89...     

未来的轮胎什么样？

无线射频识别（RFID）技术通过在轮胎中使用植入式电子装置,提高轮胎的智能性。固特异邓禄普轮胎公司（固特异和邓禄普在欧洲属于同一集团,编者注）已通过其屡获嘉奖的RFID技术,     

基于模糊推理的坝上地区温室杂草识别专家系统的开发

适用于我国坝上地区实际特点的温室杂草识别专家系统目前尚未解决杂草识别过程中的模糊性问题。为此,针对坝上温室杂草识别专家系统知识描述的不确定性,对其中的不确定因素采用模糊逻辑与产生式规则相结合的方法,引入多维模糊推理算法,结合杂草的形态特征进行识别,开发了基于模糊推理的坝上地区温室杂草识别的专家系统。     

动力吸振器在农用机械悬架系统振动控制中的应用

动力吸振器DVA(Dynamic Vibration Absorber)广泛地应用于解决车辆中由于动力总成振动以及路面激励等原因引起的振动和噪声问题。针对某农用机械存在的前悬架上控制臂严重变形问题,应用模态识别技术对上控制臂结构的振动固有特性进行了测试,并结合有限元的方法,分析了该车前悬架上控制臂处振动情况不理想的原因。进而在探讨动力吸振器设计方法的基础上,设计了一款优化参数动力吸振器并应用于实际。     

物联网技术在食品及农产品中应用的研究进展

物联网(IOT)技术正被越来越多地应用在食品及农产品领域。首先简介了无线射频识别标签(RFID)和无线传感器网络(WSN)的原理和技术,然后较全面地分析归纳了近年来这些技术在食品、农产品的生产监控、安全监管及供应链的溯源与追踪等领域的应用研究现状,并分析了存在的问题和解决途径,最后展望了这些技术今后的发展趋势和应用前景。     

基于PCA—SVM的棉花出苗期杂草类型识别

为了实现棉田中不同类型杂草的机器视觉识别,提出基于主成分分析和支持向量机的棉花出苗期杂草识别方法。该方法通过提取棉田图像中棉花和杂草的颜色、形状、纹理等特征,并利用主成分分析(PCA)降低特征变量空间维数,结合支持向量机,实现对棉田杂草类型分类。通过120个棉花杂草测试样本分类试验结果发现,经PCA降维得到的前3个主成分分量能有效减少支持向量机的训练时间和提高分类正确率;通过对比发现前3个主成分分量与径向基核函数支持向量机相结合效果最好,其训练时间为91 ms,平均分类正确率达98.33%。