基于改进杂草算法的温室农场多载AGV调度研究

随着人工劳力成本逐年上升,果蔬产品采摘后及时放置保鲜室存储成为现代化温室农场关注的重要环节之一。针对劳力成本与保鲜及时性问题,将自动导航小车(automatic guided vehicle,简称AGV)应用到农场果蔬搬运,以保证果蔬产品采摘后能尽快得到保鲜。以果蔬产品采摘后至冷库前的时间段长度平均值和完成搬运任务总时间最小作为优化目标,建立多载AGV调度问题的多目标优化模型,将基本杂草算法和改进算法应用到模型的求解。在仿真环境下,验证模型和算法的有效性和科学性,从而为实现温室设施装备自动化提供一种有效方法。     

不同作物秸秆腐解液对节节麦种子萌发和幼苗生长的影响

节节麦(Aegilops tauschii Coss.)作为麦田恶性杂草之一,给中国小麦生产带来了严重的经济损失。为探究农作物秸秆在节节麦生态防治方面的作用,本试验采用了滤纸培养皿法和小杯法研究了不同浓度的玉米、油菜、水稻秸秆及稻壳腐解液对节节麦种子萌发率、发芽指数及幼苗根长、苗高和干重5项生物指标的影响。结果表明,当浓度为6.25 mg/mL时,玉米、油菜秸秆腐解液对节节麦幼苗干重表现为促进作用,对其他测定指标均为抑制作用。稻壳腐解液除了对根长具有抑制作用外,对其他指标均具有促进作用。水稻秸秆腐解液对5项指标均具有促进作用。当浓度大于50 mg/mL时,4种秸秆腐解液对5项指标均具有抑制作用,且随着浓度的增加,抑制作用增强。总体来说,作物秸秆腐解液对节节麦的化感作用强弱依次为玉米秸秆、油菜秸秆、稻壳、水稻秸秆,且对根的化感作用尤为明显。     

基于部首嵌入和注意力机制的病虫害命名实体识别

为了解决农业病虫害命名实体识别过程中存在的内在语义信息缺失、局部上下文特征易被忽略和捕获长距离依赖能力不足等问题，以农业病虫害文本为研究对象，提出一种基于部首嵌入和注意力机制的农业病虫害命名实体识别模型(Chinese agricultural diseases and pests named entity recognition with joint radical embedding and self attention, RS-ADP)。首先，该模型将部首嵌入集成到字符嵌入中作为输入，用以丰富语义信息。其中，针对部首嵌入设计了3种特征提取策略，即卷积神经网络(Convolutional neural network, CNN)、双向长短时记忆网络(Bidirectional long short term memory network, BiLSTM) 和CNN-BiLSTM；其次，采用多层不同窗口尺寸的CNNs层提取不同尺度的局部上下文信息；然后，在BiLSTM提取全局序列特征的基础上，采用自注意力机制进一步增强模型提取更长距离依赖的能力；最后，采用条件随机场(Conditional random field, CRF)联合识别实体边界和划分实体类别。在包含11个类别和24715条标注样本的农业病虫害自制语料上进行了实验。结果表明，本文模型RS-ADP在该数据集上精确率、召回率和F1值分别为94.16%、94.47%和94.32%；在具体实体类别上，RS-ADP在作物、病害、虫害等易识别实体上F1值高达95.81%、97.76%和97.23%。同时，RS-ADP在草害、病原等难以识别实体上F1值仍保持86%以上。实验结果表明，本文所提模型能够有效识别农业病虫害命名实体，其识别精度优于其他模型，且具有一定的泛化性。     

茄子病害的分类识别及综合防治技术探讨

茄子是我们日常餐桌上比较常见的一类蔬菜。由于市场的需求量相对较大,近年来很多农户在产业结构调整背景之下,将茄子作为主要的蔬菜种植品种,获得了较好的经济效益。茄子属于能够持续采收的蔬菜,但在长时间生长发育过程中,也很容易受到多种病虫害的威胁。对于大棚蔬菜来说,病虫害的防治效果在一定程度上决定了最终的采收效益。茄子生育周期相对较长,在整个发育阶段会受到多种病害的威胁,所以就要求种植人员认真掌握茄子常见病害的流行特征,发病现状,针对常见病害的发生流行特点,及时采取措施进行综合性的防控,保证茄子的品质,增加种植户的经济效益。     

无为市棉花田杂草发生情况及防治策略

为了明确安徽省无为市棉花田的杂草危害情况,我们对该市棉花田杂草进行了普查。结果表明：无为市棉花田主要危害性杂草有牛筋草、马唐、马齿苋等。其中牛筋草、马唐为本地的优势杂草种。对此,我们应结合当地实际情况,采取针对性有效的杂草防治措施,以此来有效保障棉花的健康生长,进而获取最大化种植效益。     

基于RetinaNet模型的梨小食心虫智能识别计数方法

针对梨小食心虫监测调查中存在的人工分类计数费时、费力且误差较大的问题,基于RetinaNet深度学习目标检测模型,构建了一种普适性更广的梨小食心虫智能识别计数方法.试验结果表明,RetinaNet目标检测模型对黏虫板上梨小食心虫的平均识别准确率达95.93％,平均计数准确率达95.62％,且该方法对拍摄条件要求低,普适性广,优于Faster R-CNN目标检测模型,完全可以在梨小食心虫监测调查中替代人工进行分类计数.     

苗期娃娃菜田藜科藜属杂草空间分布型及其抽样技术研究

采用随机调查的方式，利用空间分布型检验、聚集强度指标检验和线性回归方法，研究了甘肃黄羊河农场苗期娃娃菜田藜科藜属杂草空间分布型及其抽样技术。结果表明，苗期娃娃菜田藜科藜属杂草空间分布型呈聚集分布。根据平均拥挤度(M*)与平均密度(■)Iwao回归关系，建立了娃娃菜田藜科藜属杂草防治最适抽样模型，N=3.841 6/D2(1.414 6/■+0.052 4)，序贯抽样模型T(1、 2)= 4n±4.995 8 ■。     

防草地布对木香田杂草的抑草效果

防草地布是一种现代农田标准化管理，实现现代绿色果园，抑制杂草生长的现代集成防控技术。由于在本地区没有专职技术人员深入研究防草地步技术，导致该技术在本区域的发展比较晚。在当前，随着现代园艺形成规模化，绿色化的锄草防控技术日渐成为主流趋势，具有改良水土养分的锄草地步的技术应用，取得了更快的发展。     

基于卷积神经网络的拖拉机工况识别

农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。     

机插稻田"插喷同步"控草技术中不同封闭除草剂的控草效果及安全性

随着农村劳动力向城市转移和农业经营主体向种植大户转变,农业生产迫切需要一种低成本、高效率、轻简化的生产管理模式.水稻机插秧技术在各地快速发展,但机插秧稻田的杂草危害问题却越来越严重.以"插喷同步"控草技术为基础,研究不同除草剂及组合配方在插秧时同步喷施到稻田,对稻田杂草的防控效果、持效期以及对水稻生长发育的影响.小区试验和大面积示范试验的结果表明,插秧后15 d,不同药剂对杂草的株防效具有显著性差异,以30％苄嘧·丙草胺油悬浮剂(OD)的控草效果最好,总防效达到96.85％～100.00％;而40％苄嘧·丙草胺可湿性粉剂(WP)和53％苄嘧·苯噻酰草胺WP的控草效果较差,总防效分别为90.70％、91.46％.插秧后30 d,不同除草剂对杂草持续防控能力出现极显著性差异,以30％苄嘧·丙草胺OD的控草效果最好,株防效达94.21％以上,鲜质量防效达92.11％以上,而对照药剂的株防效只有76.89％、62.47％,鲜质量防效只有72.80％、57.71％.水稻外观和分蘖情况调查结果显示,在"插喷同步"过程中,不同除草剂对水稻安全性具有显著性差异,以30％苄嘧·丙草胺OD安全性较高,但重复喷雾还有一定隐患,其他药剂的安全性较差.大区示范试验结果表明,喷施30％苄嘧·丙草胺OD过程中,添加安全解毒剂,可以显著提高药剂对幼苗的安全性;对杂草的防控效果和持效期与小区试验结果相同.由此可见,利用"插喷同步"技术,结合使用30％苄嘧·丙草胺OD,配套安全解毒剂,既能有效抑制杂草萌发,又能延长药剂持续防控杂草的能力,而且对水稻安全无药害.