中国茶文化旅游行业互联网思维经营策略

随着物质生活水平的不断提高,人们精神需求不断上升,旅游业与文化产业关系密切,具有文化特征的休闲旅游活动开始受到关注。茶文化旅游的出现对文化产业化发展有着重要作用,游客不仅可以直观的体验茶文化内涵,而且可以促进当地茶叶产品消费,克服当前我国茶叶产品在国际市场认知度较低的问题。但由于受到区域地理、茶叶生产方式及信息水平影响,我国茶文化旅游产业化发展缓慢,现阶段主要集中于传统的"景点观光",无法发挥现代互联网科技对旅游体验的积极影响。鉴于此,本文以现代互联网思维为背景,首先介绍了我国茶文化旅游行业文化产业概念及发展状况;其次针对互联网思维对中国茶文化旅游行业影响提出相应发展路径,以期对茶文化旅游的产业化经营有所借鉴和参考。     

乡村振兴背景下创意农业发展研究——以湖南省郴州市为例

郴州作为典型农业中小城市的代表,发展创意农业符合自身情况。研究深入分析了郴州发展创意农业的优势与主要问题,探索其发展路径,以期对其它以农业为主的城市发展创意农业提供借鉴。     

基于图像处理的茶叶智能识别与检测技术研究进展分析

作为茶叶智能化生产的关键难题之一,基于图像处理的茶叶智能识别与检测技术受到广泛关注。通过综述图像处理技术在茶叶嫩芽识别定位、茶叶病虫害检测、茶叶品种识别与品质检测等方面的研究应用,分析比较各方法的优缺点,总结现有研究存在的主要问题有嫩芽分割受光照影响较大、难以分割含与嫩芽颜色相近背景的图像、枝叶遮挡情况识别效果不理想、缺乏真实背景下茶叶病斑识别算法等。指出基于图像处理的茶叶智能识别与检测技术未来的研究重点:增加不同地域茶叶及品种的样本数据以提高算法普适性;采取多信息融合的方法以求获得更全面的茶叶嫩芽信息;枝叶遮挡严重情况下的识别策略可考虑借助机械装置或风机拨开枝叶,从而避免因枝叶遮挡而导致识别率低的现象发生。     

对商水县农业供给侧结构调整的思考

阐述了商水县种植业结构现状,并在此基础上分析了当地农业供给侧结构性调整取得的成效,并介绍了农业供给侧结构性调整的主要做法,以供参考。     

种植年限对设施蔬菜土壤养分和环境的影响

为了给设施蔬菜地合理施肥提供依据,研究了不同种植年限设施蔬菜地土壤理化性质、微生物数量及酶活性变化,以露地土壤为对照(CK),采集种植1 a(年)、3 a、5 a、7 a、9 a、11 a、13 a、15 a、17 a、20 a以及20 a以上的0~20 cm设施蔬菜土壤样品,采用常规土壤理化性质检测方法测定了土壤理化性质和酶活性,采用平板计数法,分析土壤微生物数量。结果表明,设施菜地种植年限与土壤容重呈正相关,与土壤孔隙度呈负相关;设施菜地土壤pH值随种植年限的增加逐年降低,两者呈显著的负相关性;土壤EC值、土壤有机质和速效磷含量都随种植年限的增加而逐年增高,并与种植年限呈显著的正相关性;与CK相比,种植13 a的蔬菜样地土壤全氮和速效钾含量均显著地增加;连续种植20 a以上,设施蔬菜土壤含盐量比对照土壤显著地增加了486.49%。土壤细菌和放线菌数量、过氧化氢酶和碱性磷酸酶活性呈现出先增加后减少的趋势,且都在种植年限为11~13 a时达到最大;真菌数量随着种植年限的增加而增加,而土壤脲酶活性则随种植年限的增加呈下降趋势;转化酶活性随着种植年限的增加保持不变。土壤微生物数量与酶活性之间存在一定程度的相关关系,其中土壤真菌数量与土壤酶活性之间的相关性最为显著。综上所述,种植年限不同的设施菜地,土壤养分失衡,呈现酸化趋势,盐分含量逐年增加,土传真菌病害潜在发生,对设施蔬菜生产不利。     

南方电网充电桩建设规模未来4年将增长10倍

未来4年,南方电网投资251亿元投建充电设施,建成大规模集中充电站150座,充电桩38万个,为现有数量的10倍以上。据估算,此举将有效带动电网建设、元器件及设备制造、运营运维、整车销售与售后服务等相关产业投资2000亿元左右。     

自媒体融合农业技术推广应用研究

农业推广工作本质是信息传播,随着互联网的快速的发展,自媒体以一种不同其他的媒介方式出现在各个产业链中。"互联网+农业推广"的自媒体传播模式的出现将为农业推广工作带来新的机遇。本文主要叙述了自媒体与我国农业技术推广融合的现状,及当前存在的问题,农民在采用农业技术时的心理状态,针对存在的问题以及农民心理变化提出相关决策。     

基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。