黑木耳功能性成分及其干燥技术研究进展

本文综述了黑木耳功能性成分以及干燥技术的研究进展，以期为黑木耳干燥技术的选取、应用和黑木耳产品开发的方向提供更多的参考。     

A novel approach to estimating the competitive ability of Cirsium arvense in cereals using unmanned aerial vehicle imagery

Eight experiments were carried out in Denmark to determine the yield loss of spring barley due to Cirsium arvense in farmers' fields and to suggest and evaluate a novel approach for quantifying C. arvense infestation in large plots. Literature about the competitive ability of C. arvense is old, scattered and inconclusive, and existing models for estimating crop yield loss are based on data from North America. This study showed that C. arvense coverage could be quantified from unmanned aerial vehicle imagery using a manual image analysis procedure. This gave similar results as scoring the coverage. Yield loss of spring barley due to C. arvense infestation assessed at harvest was given by Y = 100·(1−exp(−0.00170·X)) where Y is the percentage of crop yield loss and X is the percentage of C. arvense coverage. The yield loss was much lower than estimates from models that have been developed in North America. It is speculated that the main reason for this is the later emergence of C. arvense than the crop due to lower soil temperatures in spring. Grain moisture increased linearly with C. arvense coverage: M = 0.0310·X where M is the proportional (%) increase in grain moisture and X is the proportion (%) of C. arvense coverage. Automated image analysis procedures are needed to estimate C. arvense coverage on field scales, and further experiments are needed to reveal whether the low competitive ability of C. arvense found in this study is representative for Northern Europe.     

食用菌品牌形象的视觉艺术价值

从视觉艺术的角度研究食用菌品牌形象的设计。通过讨论品牌名称、标志物和文字等食用菌品牌视觉要素,提出了食用菌品牌形象的视觉艺术价值设计原则。食用菌品牌形象的视觉艺术价值体现在品牌设计的多个方面,创新的视觉艺术能让食用菌品牌形象真正体现艺术的价值。     

基于CNN的小麦籽粒完整性图像检测系统

为了快速、准确识别小麦籽粒的完整粒和破损粒,设计了基于卷积神经网络(CNN)的小麦籽粒完整性图像检测系统,并成功应用于实际检测中。采集完整粒和破损粒两类小麦籽粒图像,对图像进行分割、滤波等处理后,建立单粒小麦的图像数据库和形态特征数据库。采用LeNet-5、AlexNet、VGG-16和ResNet-34等4种典型卷积神经网络建立小麦籽粒完整性识别模型,并与SVM和BP神经网络所建模型进行对比。结果表明,SVM和BP神经网络所建模型的验证集识别准确率最高为92. 25%; 4种卷积神经网络模型明显优于两种传统模型,其中,识别性能最佳的AlexNet的测试集识别准确率为98. 02%,识别速率为0. 827 ms/粒。基于AlexNet模型设计了小麦籽粒完整性图像检测系统,检测结果显示,100粒小麦的检测时间为26. 3 s,其中,图像采集过程平均用时21. 2 s,图像处理与识别过程平均用时为5. 1 s,平均识别准确率为96. 67%。     

菏泽市樱桃番茄日光温室栽培关键技术

为了充分发挥樱桃番茄观赏性强、营养价值高、菜果兼宜且经济效益突出的特点,满足广大消费者和种植户的热切需求,积极开展新品种选育、深入研究高效栽培管理技术具有重要的现实意义。在栽培面积不断增加、产量及品质出现瓶颈的情况下,对菏泽市多个樱桃番茄大棚种植园进行了实地调研,从品种选择、播种、培育壮苗、定植、田间管理、病虫害防治、果实采收等方面归纳总结出了菏泽市樱桃番茄日光温室栽培关键技术,以期为当地种植户实现促产增收提供依据。     

基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉，提出了一种针对户外重叠柑橘的三维空间定位方法。首先，从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑，通过曲率分析，找出异常的轮廓像素点；其次，依次连接相邻两个异常像素点，分析该线段上的像素点到柑橘轮廓的距离，在相邻两正常线段的交点处完成重叠柑橘轮廓分割，并通过寻找异常线段剔除对应的非柑橘轮廓像素点；再者，采用最小二乘椭圆拟合方法重建柑橘目标轮廓，并获取柑橘的中心；最后，根据双目极线约束和图像相似度，对重叠柑橘中心点进行匹配，并基于视差原理计算柑橘中心的深度值及三维空间坐标，确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm，满足柑橘采摘机器人户外采摘作业的定位精度要求。     

设施畜牧业关键技术研究态势分析

[目的/意义]目前中国畜牧业正处于加快转型的重要时期,了解相关技术的发展态势对于畜牧业的发展具有一定的借鉴意义。[方法/过程]本文以设施畜牧业领域技术研发的3个主要方向：笼舍技术、饲喂饮水技术和环境控制技术的相关专利为研究对象,利用专利计量的方法对其发展趋势、技术分支、申请人、各阶段重点专利等进行了分析。[结果/结论]笼舍、饲喂饮水和环境控制技术发展同步经历了萌芽期、波动发展期、快速发展期3个阶段,当前申请量呈现直线上升的态势;技术研发主体以企业为主,各研发单位之间技术布局差异性明显;近些年重点专利中的国内专利明显增多;笼舍技术方面装置研发均侧重于粪尿清除、垫板等技术;饲喂饮水技术方面饲喂技术的研究多于饮水技术,且均侧重于研发自动化设备;环境控制技术侧重于废弃物处理技术、空气调节技术和房舍清洁刷洗技术。     

拖拉机室内台架试验技术现状与展望

作为拖拉机研发的重要验证手段，拖拉机室内台架试验可方便高效地为拖拉机模拟各种工况下的性能表现。首先探究动力总成控制技术、负载模拟技术、试验数据处理技术和试验结果评价技术4种拖拉机室内台架试验关键技术，结合试验技术的最新研究进展，对4种技术进行详细的阐述和分析。接着从动力总成控制算法、负载模拟算法、试验数据处理方法、试验结果评价指标体系4个方面对拖拉机室内台架试验技术进行讨论与展望。最后得出对动力总成算法进行优化、提高动态负载模拟精度、保持试验数据处理方法的前沿性、对试验结果综合客观评价是拖拉机室内台架试验技术的发展趋势，以期为我国拖拉机室内台架试验技术的发展提供参考。     

关中地区规模化奶山羊养殖场机器挤奶现状及建议

对陕西省关中地区31个不同规模的奶山羊养殖场使用机器挤奶的相关数据及资料进行分析。结果表明,不同奶山羊养殖场规模、挤奶设备、挤奶时间、质检方式和羊奶售价等方面均存在差异;机器挤奶流程、挤奶次数和环境卫生等影响到奶山羊乳房健康和羊奶品质。应加强对养殖场挤奶机器的管理,规范机器挤奶技术流程,提高奶山羊养殖场生产效益。     

改进SSD的灵武长枣图像轻量化目标检测方法

针对加载预训练模型的传统SSD（Single Shot MultiBox Detector）模型不能更改网络结构，设备内存资源有限时便无法使用，该研究提出一种不使用预训练模型也能达到较高检测精度的灵武长枣图像轻量化目标检测方法。首先，建立灵武长枣目标检测数据集。其次，以提出的改进DenseNet网络为主干网络，并将Inception模块替换SSD模型中的前3个额外层，同时结合多级融合结构，得到改进SSD模型。然后，通过对比试验证明改进DenseNet网络和改进SSD模型的有效性。在灵武长枣数据集上的试验结果表明，不加载预训练模型的情况下，改进SSD模型的平均准确率（mAP，mean Average Precision）为96.60%，检测速度为28.05帧/s，参数量为1.99×106，比SSD模型和SSD模型（预训练）的mAP分别高出2.02个百分点和0.05个百分点，网络结构参数量比SSD模型少11.14×106，满足轻量化网络的要求。即使在不加载预训练模型的情况下，改进SSD模型也能够很好地完成灵武长枣图像的目标检测任务，研究结果也可为其他无法加载预训练模型的目标检测任务提供新方法和新思路。