移动互联网环境下农机企业危机沟通的思考*

从危机沟通的渠道、危机沟通的具体策略、危机沟通的后续行动三个方面,为中国农机企业的危机沟通提供可行建议。以形象修护理论为基础,结合移动互联网环境传播特点以及中国农业机械化发展的实际情况,分析新浪新闻手机客户端、今日头条手机客户端上的两条农机质量纠纷视频。推荐农机企业使用的8条具体策略包括:否认事件不实部分;表明事件的意外属性;阐明自身出发点;阐明自己的贡献及所做出的努力;提出物质补偿;提出改进措施;承担有错部分;主动向用户征询意见。提出危机沟通应在线上、线下两种渠道进行,危机沟通应与具体行动相结合。     

浅谈如何加强农业科研院所中的科研管理工作-以辽宁省盐碱地利用研究所为例

科研管理工作是农业科研院所工作中重要的组成部分,其是保证科研计划能够顺利开展的重要工作,在科技项目实施、科技成果报奖、品种审定等实施中起到不可或缺的作用,根据实施过程中可能出现的一系列问题进行有针对性的提出整改意见,确保科研规划顺利进行。本文以辽宁省盐碱地利用研究所为例,阐述了其如何加强科研管理工作的建议。     

荷斯坦牛新遗传缺陷单倍型HH7分子筛查

HH7(Holstein Haplotype 7)是在荷斯坦牛群中新发现的一种隐性遗传缺陷单倍型,由27号染色体上CENPU基因4个碱基缺失突变引起,隐性基因纯合时能引起胚胎早期流产,严重影响着奶牛养殖者的经济效益。本研究利用竞争性等位基因特异性PCR(KASP法)对随机抽取的166头荷斯坦公牛样本进行了检测分析,结果表明,在所检测的荷斯坦公牛中未发现HH7携带者个体。提示新缺陷单倍型HH7在北京地区的荷斯坦牛群中比例可能很低,但在全国牛群中的分布情况尚不清楚,建议继续开展相关研究,并在种牛遗传物质引进时重点关注,避免将新缺陷基因引入进来,造成有害基因的广泛传播。     

电子鼻技术在肉与肉制品检测中的研究进展和应用展望

电子鼻因具备操作简单、能够快速、无损检测的特点，满足人们对肉与肉制品安全指标高效和高精确度检测提出了更高的要求。本文阐述了电子鼻技术的检测原理和其在硬件和软件系统方面的发展；从肉与肉制品的新鲜度检测、掺假检测、风味评价、病原微生物污染检测四个方向，对近年来电子鼻技术在肉与肉制品检测的应用研究进展进行了分析，突出了电子鼻技术应用的可行性和先进性；指出电子鼻技术在肉与肉制品检测中面临的检测效果参差不齐，电子鼻仪器体积大、价格高昂，模型通用性和普及性不够等不足。最后，本文从硬件系统和软件系统两方面，对未来电子鼻技术的发展及其应用前景进行了展望，包括硬件系统方面提高电子鼻传感器阵列电极膜材料的性能，增强电子鼻耐用性和识别气味的灵敏度；软件系统方面不断探索引入新的模式识别算法，使电子鼻技术实现对气味更快、更准确的识别分析。     

茶树植保机械及减量施药技术研究进展

农药防治是茶树病虫害综合防治的重要组成部分,其在病虫害突发或爆发时具有快速高效的防治优势。茶树叶片表面具有亲水性,常量施药会造成茶叶农残超标、生态环境破坏等问题,实现茶树减量施药是减少茶叶农残的有效手段。系统综述了茶树生物特性、茶树病虫害预测诊断及防治方法、茶树植保机械及施药技术,强调提高茶树低容量喷雾的农药有效利用率是实现茶树减量施药的关键。针对目前茶园地面工况复杂及农药利用率低的问题,本文从低容量仿形喷雾机、茶树病虫害喷雾决策及智能终端等六个方面提出茶树病虫害施药技术及装备的研究建议,指出低量化、精准化及智能化是未来茶树植保喷雾机械及施药技术的发展方向。     

松阳县古松树的松材线虫病现状调查与分析

古松树是历史的见证,是文化的承载,其保护工作具有重要意义,但因松材线虫的传播侵染,其生存状况不容乐观。本研究以松阳古松树为对象,基于分子检测技术,对其松材线虫病现状进行了调查与分析。结果表明,有12个乡镇近60%的古松树均已感病,疫情较为严重,需及时开展抗病保护工作。     

微流控芯片在农产品安全检测中的应用

近年来,随着食品工业的迅猛发展,国内外食品安全事故也频繁发生。开发安全可靠、便携有效的检测方法对食品安全至关重要。微流控芯片集样品前处理、分离和检测等过程为一体,实现了样品前处理和检测分析的自动化、集成化、小型化、低消耗、高效率和便携化,满足了现场、实时检测的需求。本研究对微流控芯片在食品成分、农药残留、兽药残留、食品添加剂和重金属检测中的应用进行归纳总结,为农产品安全检测提供参考。     

基于声振信号对称极坐标图像的苹果霉心病早期检测

为实现苹果早期霉心病较高精度的检测，该研究采用对称极坐标法（Symmetrized Dot Pattern，SDP）将苹果声振信号变换为雪花图，然后采用AlexNet、VGG16和ResNet50卷积神经网络以迁移学习方式深度挖掘SDP雪花图像的特征信息，将其输入到支持向量机（Support Vector Machine，SVM）分类器，对霉心程度≤7%的苹果进行检测。研究结果表明，当时间间隔系数为25和角度放大因子为50°时，健康果与早期霉心果声振信号的SDP图形状特征差异最大，在此条件下获取的SDP图经卷积神经网络AlexNet、VGG16和ResNet50提取特征并构建了不同核函数的SVM霉心果检测模型，在各类SVM模型中，ResNet50-SVM-gaus（高斯基）模型用相对较少的训练时间和参数量可取得训练集霉心果较高分类准确率，经超参数优化训练该模型对健康果和早期霉心果测试集不平衡样本（10∶1）的总体分类准确率达到96.97%，平均查准率、平均查全率、平均加权调和均值、Kappa系数和马修斯相关系数值分别为80.19%、90.36%、86.21%，82.54%和82.68%，该模型不仅对多数类的健康果保持较高分类准确率，而且对少数类的早期霉心果也具有较高判别能力。这些研究结果为声振法应用于果蔬内部病害的早期在线检测系统研发提供了技术支撑。     

基于原型网络的小样本禽蛋图像特征检测方法

机器视觉因具有检测速度快、稳定性高及成本低等优点，已发展成为禽蛋无损检测领域主流检测手段。使用该技术对禽蛋进行无损检测时，需要依赖大量禽蛋图像作为数据支撑才能取得较好的检测效果。由于养殖安全等限制，禽蛋图像数据的采集成本较高，针对该问题，提出了一种适应于小样本禽蛋图像检测的原型网络（Prototypical network）。该网络利用引入注意力机制的逆残差结构搭建的卷积神经网络将不同类别的禽蛋图像映射至嵌入空间，并利用欧氏距离度量测试禽蛋图像在嵌入空间的类别，从而完成禽蛋图像的分类。本文利用该网络分别验证了小样本条件下受精蛋与无精蛋、双黄蛋与单黄蛋及裂纹蛋与正常蛋的分类检测效果，其检测精度分别为95%、98%、88%。试验结果表明本文方法能够有效地解决禽蛋图像检测中样本不足的问题，为禽蛋图像无损检测研究提供了新的思路。     

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。