2019 年我国马铃薯市场形势回顾及2020 年展望

2019 年我国马铃薯批发均价处于近6 年来最高水平，月度价格始终高于2018 年同期，贸易顺差同 比大幅增加。预计2020 年市场供求关系趋于偏松，5～12 月薯价将同比下跌。     

2018 年马铃薯市场形势回顾及2019 年展望

2018 年马铃薯市场形势呈现薯价同比先低后高、新产季马铃薯价格水平高、贸易顺差同比大幅减少等3 个显著特点。预计2019 年1～4 月马铃薯价格同比上涨，5～12 月种植规模的扩大致使马铃薯上市量同比增加、价格将同比下跌。     

基于改进VGG卷积神经网络的棉花病害识别模型

为实现自然条件下棉花病害图像准确分类,提出基于改进VGG-16卷积神经网络的病害识别模型。该模型在VGG-16网络模型基础上,优化全连接层层数,并用6标签SoftMax分类器替换原有VGG-16网络中的SoftMax分类器,优化了模型结构和参数,通过微型迁移学习共享预训练模型中卷积层与池化层的权值参数。从构建的棉花病害图像库中随机抽取病害图像样本作为训练集和测试集,用以测试该方法的性能。试验结果表明:该模型能有效提取出棉花病害叶片图像的多层特征图像,并通过Relu激活函数的处理更能凸显棉花病害的边缘信息与纹理信息,分辨率为512像素×512像素图像在样本训练与验证试验效果最好。在平均识别准确率方面,本研究模型较BP神经网络、支持向量机、AlexNET、GoogleNET、VGG-16NET效果最好,达到89.51%,实现对棉花的褐斑病、炭疽病、黄萎病、枯萎病、轮纹病、正常叶片的准确区分。该模型在棉花病害识别领域具备良好的分类性能,可实现自然条件下棉花病害的准确识别。     

基于IMU的细粒度奶牛行为判别

针对奶牛行为判别自动化水平不足、准确率低的问题,采用惯性测量单元(IMU)和卷积神经网络(CNN),对细粒度奶牛行为判别进行研究。结果表明:1)在KNN、SVM、BPNN、CNN和LSTM 5个模型中,CNN模型在奶牛行为分类测试集上的准确率最高。2)含有三轴加速度计、陀螺仪和磁力计的IMU更加适用于奶牛行为分类,其分类效果优于含一种传感器的IMU。3)传感器频率与分类模型的性能相关,频率越高,正确率越高,当传感器频率设置为25 Hz时,奶牛行为判别效果最好。4)在1、2和4 s这3种时间窗中,使用4 s时间窗的奶牛行为分类模型性能最好。5)采用最优配置时,卷积神经网络模型能够有效的判别奶牛站立、躺卧2种状态,正确率为99%;可以对奶牛卷食、咀嚼、站立反刍、躺卧反刍、躺卧休息、站立休息6类行为进行判别,正确率为85%。采用IMU和卷积神经网络算法,可以有效的对细粒度奶牛行为进行判别,为奶牛养殖的自动化、智能化管理提供支撑。     

中国粮食生产政策体系现状及完善建议

粮食安全是关系国计民生的重要问题,历来受到中国政府的重视。为了从根本上保障粮食供给,夯实国家粮食安全的基础,中国制定了一系列确保和促进粮食生产政策。深入分析了目前中国包括粮食补贴政策、粮食价格政策、产粮大县奖励政策、农业保险政策、土地政策和税费改革等在内的粮食生产政策体系及其实施效果,并通过与发达国家粮食生产政策体系对比研究,提出完善中国粮食生产政策体系的建议:完善粮食补贴政策、改进粮食最低收购价及粮食存储政策、建立健全政策性农业保险制度、强化粮食产销区的利益协调和优化粮食市场调控机制。     

2020 年上半年我国马铃薯市场形势分析及下半年走势预测

2020 年上半年我国马铃薯市场行情延续2019 年向好趋势，月度价格总体同比明显提高、均价创近 10 年来新高、贸易顺差同比大幅增加。预测下半年随着各秋薯产区陆续收获，马铃薯市场价格将低 于2019 年同期水平。     

奶牛跛行自动识别技术研究现状与挑战

奶牛跛行是奶牛发生肢蹄病的外在表现。人工识别跛行奶牛存在效率低、成本高、主观性强等问题。奶业对奶牛跛行自动识别技术需求日益强烈。本文从机器视觉技术、压力分布测量技术、可穿戴技术、行为分析技术和跛行分类技术5个方面，分析了奶牛跛行自动识别技术的原理、功能、特点及研究现状。总结发现，当前奶牛跛行自动识别技术研究大多集中在传感器研发和算法开发，而性能验证和决策支持的研究较少，面临的主要挑战包括高质量跛行识别数据获取难度大，缺乏早期跛行识别技术手段，奶牛个体差异干扰模型识别精度，牧场非结构化环境对识别系统性能要求高，以及技术应用效果难评估等。因此，为促进奶牛跛行自动识别技术的发展，建议推动牧场跛行监测数据共享，研究奶牛个体跛行判别模型的构建方法，开发融合跛行检测、体况评分等多功能的一体化智能通道，并分析评价跛行自动识别技术应用在保障动物福利、环境生态、粮食安全等方面的重要意义。     

大蒜价格波动规律及短期预测

为了解大蒜价格的波动规律及未来的变化趋势,采用X-12季节调整法加法模型和H-P滤波法对2009年1月至2016年6月的大蒜月平均价格进行分析,运用Holt-Winters对大蒜价格进行短期预测,并提出政策性建议。结果表明:大蒜价格长期趋势虽然有阶段性下跌,但总体上呈波动上涨趋势;大蒜价格呈现明显的周期性波动;季节因子对大蒜价格的影响比较明显;突发事件、气候等是影响价格不规则性波动的主要因素;短期内大蒜价格将震荡小幅上涨。政府应加快推进信息进村入户并建立信息发布平台、提高大蒜产业的组织化程度、发展大蒜精深加工企业、合理规划主产区大蒜的种植面积,以保证大蒜市场的平稳运行。     

改进自适应分水岭方法分割棉花叶部粘连病斑

针对棉花叶部病斑相互之间存在粘连问题,该文提出了一种自适应分水岭分割方法。该方法在H-minima分水岭分割方法基础上,结合最小二乘圆法误差理论,对图像中每个连通分量进行最小二乘圆拟合,并计算最小二乘圆误差值,通过最小二乘圆误差值大小判断每个连通分量的轮廓不规则度,针对不同轮廓不规则度确定H-minima变换的极小值阈值,根据不同极小值阈值实现棉花叶部粘连病斑的分水岭分割。不同数量粘连病斑分割试验结果表明:该方法实现了棉花叶部粘连病斑数量从2个粘连至5个粘连病斑的自动分割,分割准确率为91.25%,平均运行时间为0.088 s。不同分割方法对比结果显示:该方法能实现对棉花轮纹病、褐斑病、炭疽病、叶斑病和棉铃疫病共5种病害的粘连病斑自动分割,并将距离分水岭分割方法、梯度分水岭分割方法、标记分水岭分割方法、Chan-Vese方法、高斯混合方法与该文方法比较,正确分割率分别为67.8%、36.4%、83.7%、70.3%、82.1%、93.5%,该方法优于其他5种分割方法,有效抑制了过分割问题;在复杂背景、光照不均匀、病斑大小不一致等复杂条件下,该文方法也能较好地实现粘连病斑的分割。该方法不仅能对棉花叶部粘连病斑自动分割,也能为其他作物叶片粘连病斑分割提供参考。