品种区域试验主要决选指标及其参数的研究——Ⅳ.参数数量分类与区试品种分类

本文根据变量理论分布对区试中b值及CV值参数的数量分类,提出了适于目前普及推广的查表计算法。在此基础上,对区试品种提出了按主要生产性能指标以量定性的评定分类体系。从而推出可排除主观随意性干扰、较为完整严密的区试汇总模式,并以范例作了运用说明。     

朴素贝叶斯算法在蝴蝶兰病害分类中的应用研究

蝴蝶兰属于热带气生兰,对生长环境的温湿度非常敏感,温湿度过高或过低不仅对蝴蝶兰生长不利而且易引发多种病害。为此,利用传感器采集的蝴蝶兰生长环境空气温湿度数据,运用朴素贝叶斯算法对其进行分类,以此判断蝴蝶兰的健康状况,达到病害分类的目的。实验表明,该方法的平均分类准确率达到81%,与其它统计学预报方法相比,具有简单、易行的优点。     

基于RAGA的PPC模型在黑土区玉米调亏灌溉评价中的应用

调亏灌溉作为一种行之有效的节水灌溉方式,对黑土区农业水资源的可持续高效利用具有重要意义。而调亏灌溉方案的优劣取决于它的综合效果,难以直观评价。以2013年在黑龙江省红星农场进行的玉米调亏灌溉技术效应的试验研究为基础,选取了8个评价指标,采用投影寻踪分类模型(PPC),利用基于实数编码的加速遗传算法(RAGA)优化其投影方向,根据投影函数值得到各评价指标对综合评价的贡献大小对不同调亏处理的各项指标进行排序。结果表明:苗期水分调亏程度为田间持水量60%的处理为最佳调亏灌溉方案,产量和水分利用效率比适宜调亏灌溉处理分别提高了2.11%和6.42%。研究结果可为黑土区玉米灌溉管理提供科学依据。     

红酵母的性质及其应用研究

红酵母是酵母菌的一个属,腐生,分布广泛,在医学、食品、化工和农业等方面都有一定的应用,但目前并没有引起人们足够的重视。综述了红酵母的种属特性、理化特性、培养及其应用。     

计算机视觉在脱水姜片在线分选中的应用

目前,脱水姜片的分选主要靠人工完成,分选精度不高,结果不稳定.为此,研究设计了一套基于计算机视觉的在线分选装置;开发了基于物料颜色参数的实时算法,对物料图像进行特征提取和一系列处理;运用双缓冲技术提高系统运行速度.试验结果表明,分选出的成品中含有的合格姜片达到95.5%,系统测量速度快、分选精度高且运行稳定,满足在线实时分选要求.     

管理学基本原理在农用地分等工作中的应用

农用地分等是根据农用地自然属性、社会属性及其在经济活动中的地位和作用, 综合评定农用地的质量差异并划分等别的工作.广东省揭东县农用地分等的工作量较大,所涉及到的政府工作部门较多,应用管理学基本原理的思想来指导农用地分等工作,可以加快工作进程,提高工作效率,并为其它土地管理工作的开展提供有益的思路.     

基于视觉的苗期作物株间除草关键技术研究现状

基于视觉的苗期作物和杂草的图像分割技术逐渐成熟,通过视觉技术对苗期作物进行精准识别和定位,是实现株间除草的关键技术和难点。作物的精准识别首先需要利用颜色特征将图像中的作物、杂草和土壤背景进行分割;其次利用实际识别对象的位置特征,形状特征,纹理特征,光谱特征等构造新的特征向量,结合成熟的分类算法对作物和杂草进行特征分类识别。针对棉苗和大豆苗,主要提取位置特征、形状特征,多采用支持向量机为主分类算法;针对玉米,主要提取位置特征、纹理特征,多采用人工神经网络为主的分类算法;针对部分蔬菜苗,主要提取形状特征、光谱特征,多采用算法结合的优化算法,具体实现时需要根据离线样本学习的结果来平衡苗期作物的识别准确率与实时性。在目前的算法中,主要存在三方面的问题:作物特征提取效果易受到遮挡、光照等干扰;分类算法目前还不能得到非常令人满意的准确性和实时性;目前算法一般是针对某种时段的作物,不具有通用性。这些都是后续算法研究中需要进一步解决的问题。     

基于径流分类的日径流量预测神经网络模型

利用聚类分析法将径流序列分解为若干个子径流序列 ,对这些子径流序列分别建立局部神经网络模型 ,而后把这些局部模型合并成一个混合模型。当新的信息进入该模型时 ,首先用分类器判别其类别 ,以确定用混合模型中的何种局部模型加以模拟。通过与不加分类的总体神经网络模型的模拟结果加以对比 ,结果表明这种基于径流分类的降雨 -径流模型表现出了更优良的性能 ,可以较大地提高径流模拟精度。     

泡桐属(Paulownia)分类管见

自泡桐属(Paulownia)在1835年建立以来,至1938年,中外研究者先后发表的新种达18种、3变种,嗣后又相继发表了若干新种,经胡秀英和《中国植物志》分别归为六种和七种一变种。到目前为止,又相继发表了不少新种和变种,泡桐属共有26种7变种(包括异名)。本文根据历史文献和近年来调查研究所获得的标本、资料,对泡桐属分类中存在的异名处理和种与变种废、留欠妥以及泡桐属的归科问题,提出了自己的意见。