夏玉米免耕播种注意事项

夏玉米免耕播种技术是指在小麦收获后秸秆覆盖的土地上,不翻耕土壤,用玉米播种机直接播种的技术。这项技术可一次性完成开沟、施肥、播种、覆土、镇压、喷药等作业工序,具有增产增收、节约成本、培肥地力、保护     

秋季草莓促成栽培管理措施

<正>1选择土壤草莓对土壤要求不严,但土层厚、土质肥沃、离水源近的沙壤土定植草莓最好,能提高草莓的产量和品质。2整地做畦土壤疏松、弱酸性的土壤适应草莓生长。在整地前对土壤应消毒、施肥,基肥一般每667米2(腐熟)施1500～2500千克、磷肥75千克、尿素15千     

夏季农机为啥油箱有积水

夏季多雨,昼夜温差大,农用机械在白天高温发动机工作时,随着燃油的消耗,油箱内形成负压,热湿空气自油箱盖复式阀进入油箱,当夜间停车后,气温下降较快,进入油箱内的热空气便随     

兰州地区金叶女贞的春季扦插育苗技术

兰州地区属温带半干旱气候,年平均温度11℃,降雨量400毫米,最大冻土深度为1.2米。近年来,金叶女贞金黄的叶色与其耐修剪的特性在兰州地区园林绿化中作为色块造型被大量应用,我们根据多年的实践经验，总结了金叶女贞在兰州地区扦插繁殖技术。     

农资深度营销模式全景透视 绩效指标检核与评估

<正>深度营销绩效考核第二个难点是绩效检核不到位,自然而然,精耕细作的深度营销绩效考核指标考评就难做准确,深度营销模式也就难以推进。能否有效地进行绩效检核和评估是判断基于深度营销模式组织转型和队伍重塑的基本标志,也是推进深度营销模式最艰难的、不可或缺的环节。绩效检核与评估的难点很多企业的营销高管经常有如此困惑,深度营销模     

金枪鱼围网沉降特性

根据沿围网下纲缚扎的10只温度深度计(TDR-2050型)自动记录的23网次有效数据,对中国中西太平洋金枪鱼围网的下纲沉降速度、沉降深度及其与时间的关系进行了研究。结果表明:(1)网具未达到理论沉降深度,网具中部平均沉降深度为160 m,为最大拉紧高度(311.1 m)的51.4%;(2)网具中部沉降深度与时间的关系为h=–0.000 2t2+0.3663 t;(3)网具各部位的沉降速度不同,取鱼部最慢,网具中部次之,后网头最快;(4)下纲各部位沉降速度均随着深度的增加而减小,沉降速度波动幅度随深度增加按大—小—大的规则变化;(5)网具中部沉降速度与时间的关系为:v=3×10–7t2–7×10–4 t+0.418 9。本研究结果可为改善金枪鱼围网沉降性能提供基础数据,并为海上生产提供指导性参考。     

大豆“垄三”栽培技术

<正>实施"垄三"栽培技术,可以提高大豆单产和效益,真正实现大豆生产的高产、高效的目的。顾名思义,"垄三"栽培技术既是垅体分层深施化肥,机械精量点播,垅体深松三项技术相结合的一种提高大豆产量的高新技术。1、土壤深松及增产作用1.1土壤深松技术。深松是指对土壤进行深松。深松     

麦苗发黄原因及管理措施

1麦苗发黄原因分析 1．1播种过深 受耕作方式影响，沈丘县当地多采用旋耕机整地，旋而不耙，造成土壤虚而不实，出现播种过深现象。据实地调查，出现黄苗的麦田播种深度在5～9cm，地中茎4～8cm，叶片2～3片，部分麦苗还压在土中。播种过深，造成地中茎过长，消耗种子养分过多，幼苗生长缓慢，叶片细长，根系生长不良，麦苗黄弱。     

基于BERT+BiLSTM+CRF深度学习模型和多元组合数据增广的渔业标准命名实体识别

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.     

基于卷积神经网络马铃薯叶片病害识别和病斑检测*

针对自然环境下马铃薯叶片病害识别率低和晚疫病斑定位难的问题,基于大田环境中采集的马铃薯叶片图像,首先对马铃薯叶片病害进行识别,对比AlexNet、VGG16、InceptionV3、ResNet50、MobileNet五种神经网络模型,结果表明InceptionV3模型的识别效果准确率最高,可达98.00%。其次对马铃薯叶片的晚疫病斑进行检测,提出一种改进型的CenterNet-SPP模型,该模型通过特征提取网络获取对象的中心点,再通过中心点回归获得中心点偏移量、目标大小等图像信息,训练后的模型在验证集下的mAP可达90.03%,以F₁为评价值分析对比其它目标检测模型,CenterNet-SPP模型的效果最好,准确率为94.93%,召回率为90.34%,F₁值为92.58%,平均检测一张图像耗时0.10 s。为自然环境下马铃薯叶片病害识别和检测提供较为全面的深度学习算法和模型研究基础。