一种新型卷积神经网络植物叶片识别方法

为提高植物叶片识别的准确率及减少计算代价,在Pytorch框架下提出一种融合了深度卷积生成式对抗网络(DCGAN)和迁移学习(TL)的新型卷积神经网络叶片识别方法。首先,对植物叶片图像进行预处理,通过DCGAN对样本数据库扩充;其次,利用迁移学习将Inception v3模型应用于图像数据处理上,以提高植物叶片识别的准确率;最后,通过对比实验对该方法的有效性进行验证。结果表明:该方法可以获得96.57%的植物叶片识别精度,同时参数训练的迭代次数由4000次缩短到560次。     

互联网+背景下智慧农机大数据平台发展策略研究

随着“互联网＋”时代的到来，数据挖掘、数据共享、云计算等信息技术为农机的智能化和信 息化管理提供有效方法和手段。为更好的推动农业经济发展，有必要借助先进的信息技术手段，搭建 一个基于“互联网＋”的智慧农机管理信息数据共享平台，使我国农机管理进入大数据时代，推进智慧 农业发展。     

“互联网+"背景下农村网络扶贫新思路的探讨

本文通过分析“互联网+”时代下网络扶贫的三种新模式，指出了政府、企业、农户三方力量 各自在网络扶贫中的定位和职责，进一步夯实网络扶贫基础，从而提高扶贫治理成效。     

国际30年来土壤食物网的研究历程与热点分析

利用文献计量学方法,研究1989—2018年来土壤食物网研究领域的热点内容,概括土壤食物网的研究脉络及国际土壤食物网未来的研究方向。结果显示:土壤生物多样性、食物网的碳氮循环功能及管理方式对土壤食物网结构的干扰是现在研究热点,而土壤食物网功能多样性、系统稳定性、及土壤食物网对全球变化的响应则是新兴的研究方向。     

基于灰色-BP神经网络模型的多情景交通用地需求预测——以长江中游城市群为例

为探索科学预测区域交通用地需求的合理途径,指导国土空间规划编制中交通用地规模的划定,拟通过灰色-BP神经网络模型识别主要社会经济影响因素,以长江中游城市群为例,在预测其远景交通用地需求规模的同时,基于城市群发展的阶段特征选取典型城市群样本设置3类情景,对不同情景下的交通用地需求分别进行预测。结果表明:1)城镇化水平、产业结构高度化程度和劳动力资源禀赋是当前影响长江中游城市群交通用地需求的主要社会经济因素。2)通过系统仿真试验对比不同方法的交通用地需求预测结果,可以发现基于灰色-BP神经网络模型的预测方法精度较高,误差较小,该预测方法对于区域交通用地规模的预测具有一定的适用性。预测得到的长江中游城市群2020和2030年交通用地需求分别为31.22万和49.07万hm2。3)不同情景下长江中游城市群交通用地需求预测结果存在明显差异,底线情景可作为划定交通用地规模的底限,一般情景可作为基准,极限情景可作为红线,长江中游城市群交通用地合理规模应以基准为参考,介于底线和红线之间。     

不同水肥浓度对涌泉根灌枣树叶面积和产量的影响

以陕西榆林山地矮化密植梨枣树为研究对象,分析了不同水肥浓度对涌泉根灌枣树生育期内叶面积指数、果实发育和产量的影响。结果表明,不同水肥处理叶面积指数在枣树果实膨大期达到高峰,且稳定持续至果实成熟期末期,随后叶面积指数开始下降。叶面积指数随着萌芽展叶期灌水量的增加而增加,所有水肥处理下,枣数叶面积指数最大的是高水中肥处理(W1N2)；所有处理中,高水、低水处理与低肥相组合,果实体积最大,中灌水处理为不施肥时果实的体积最大。单位枝长的果实数目最高的是中水中肥处理(W2N2),最低的是低水处理(W3),在一定范围内,适当施肥能促进枣果单位枝长的果实数目的增加,但肥液浓度过大,反而会抑制其增加。在一定条件下,所有处理中产量最高的是中水中肥处理(W2N2),产量超过2000kg/亩,最低的是低水高肥处理(W3N1),产量不到1000kg/亩。因此可以选择中水中肥处理(W2N2),能获得最高的产量。     

Turbid water induces refuge behaviour of a commercially important ayu: A field experiment for interstream movement using multiple artificial streams

Riverine systems are inherently dendritic in nature, and turbid water may not necessarily flow equally throughout an entire catchment. Tributaries have the potential to serve as refugia from temporarily turbid water in the main stem. As ayu (Plecoglossus altivelis) are one of the important species for the inland fisheries industry and recreational fishing, their behaviour in a branched river network is a primary concern. We released ayu with radio‐transmitting tags into two experimental streams that joined at a downstream pool. Turbid water was released into one of the streams, and we identified whether avoidance movement of ayu between the two experimental streams was triggered by flowing turbid water. The suspended solid concentration elevated rapidly after adding the turbid water and was maintained at more than 400 mg/L for 3 hr. Avoidance movement of ayu was triggered when the suspended solid concentration exceeded approximately 200 mg/L. Then, most ayu moved from the turbid stream to the nonturbid one, leading to a difference in ayu density between the two streams. Therefore, we demonstrated that turbid water induced interstream movement of a commercially important ayu as refuge behaviour, suggesting that river connectivity is important for the persistence of the ayu.     

工厂化水产养殖水质监测系统

工厂化水产养殖的密度高、风险大,养殖对象对pH、溶解氧、温度、氨氮、亚硝酸盐等水质参数的变化敏感,受影响严重,监测水质参数极为重要。本文针对工厂化水产养殖水质监测特点和需求,研发了工厂化水产养殖水质监测系统。分析研究pH、溶解氧、温度、亚硝酸盐等水质参数的阈值,设计水质监测数据无线采集节点和基于Zigbee的无线监测网络,建立水质监测系统软件平台。结果表明,该系统能够实现工厂化水产养殖水质实时监测,保证生产安全,提高水产养殖生产效率。     

重庆市荣昌区饮用水源地环境评估与管理对策

为保障城镇居民饮水安全,从水源地环境管理状况和水源地水质评价2个方面对环境状况进行评估。结果表明,虽然高升桥饮用水源地综合评估结果为优秀,水质状况较好,但在水源地管理方面仍存在较多问题。针对监测能力、监管能力不足和群众环保意识薄弱等问题,提出了相关对策。     

基于深度学习的牛肉大理石花纹等级手机评价系统

大理石花纹是影响牛肉品质等级的重要指标,目前中国牛肉加工企业对大理石花纹的评价是由专业分级人员参照标准图谱完成,具有主观性强、耗费人工的缺点。针对上述问题,该研究提出了基于深度学习的智能分级方法,设计一种具有4层卷积的神经网络结构,实现了大理石花纹特征的自动提取,并基于智能手机开发了牛肉大理石花纹检测软件。该研究共采集样本图像1 800张,按3:1:1分为校正集、验证集和测试集。为进一步验证模型,将该方法与传统机器视觉方法进行了比较,提取了牛肉大理石花纹的大、中、小脂肪颗粒个数,脂肪总面积和脂肪分布均匀度5个参数,并建立了多元线性回归模型。试验结果表明,该研究所用方法大理石花纹检测准确率更高,验证集检测正确率为97.67%。最后编写了手机软件,将模型移植入Android手机,在手机平台上调用模型进行大理石花纹检测。试验表明,该软件对测试集样本的检测准确率为95.56%,单张检测时间低于0.5 s。该研究结合卷积神经网络分类能力强和智能手机运行速度快等优点,开发了牛肉大理石花纹的手机评价系统,具有较好的实用性和便携性,可提高牛肉大理石花纹检测效率,有助于提高农畜产品检测的智能化水平。