基于经济效益的农业新型经营主体小麦玉米全程机械化农机配备研究

因山东省旱作灌溉区种植模式多样、技术模式不统一，规模化生产下的机械效能未能充分发挥，存在动力机械与机具配套比低、农机动力与资金浪费问题，在对小麦玉米周年轮作下全程机械化技术模式调研后，总结小麦玉米全程机械化技术路线，构建以作业成本最小为目标的农机装备优化配备模型。通过对平度市某小麦玉米种植合作社进行计算，作业成本较实际情况下降10.9%；总动力优化配备结果为23.712 kW，下降51.36%；农机配套比提高50%。研究结果可为山东省旱作灌溉区小麦玉米全程机械化技术模式优选、农机农艺深度融合、农业合作社的农机配备等方面提供技术参考。     

‘哈伯’南天竹组织培养和快速繁殖

为建立‘哈伯’南天竹组织培养和种苗繁育技术体系,以半木质化带芽茎段为外植体材料开展植株再生研究。通过观察对比试验法、L₉(3⁴)正交试验设计完全随机法、极差分析、显著性检验、LSD多重比较,探讨了‘哈伯’南天竹组培的最适培养基配方。试验结果表明：最佳诱导培养基为MS + 6-BA 2.0 mg/L + IBA 0.1 mg/L +蔗糖30 g/L,诱导萌动率71.77%,成活率85.51%;最佳增殖培养基为WPM +6-BA 1.5 mg/L + IBA 0.01 mg/L + 蔗糖30 g/L,增殖系数6.3;最佳生根培养基为1/2 MS+ IBA 0.5 mg/L + NAA 1.0 mg/L + 蔗糖20 g/L + AC 0.2 g/L,生根率97.63%;试管苗移入泥炭土:珍珠岩=3:2(V/V)混合基质中,移栽成活率96.67%。该试验建立了高效稳定的组培快繁技术体系,得到的组培苗后代能够稳定的保持母本优良性状,为工厂化育苗提供了技术支撑。     

基于自然保护地体系的国家森林步道安徽段总体规划编制初探

该文介绍了国家森林步道安徽段的基本情况,并就自然保护地体系建设下国家森林步道安徽段总体规划编制工作进行了探讨,以期为国家森林步道总体规划编制和建设发展提供思路.     

我国食用菌生产装备的发展现状、趋势及建议

概述食用菌生产装备发展历程为:初始开发、引进消化吸收、提升与发展、稳定调整与产品创新4个阶段。根据生产流程给出食用菌生产装备体系,总结我国食用菌生产装备现状及存在问题,指出生产装备发展趋势将为多元化、智能化、标准化和国际化。提出:食用菌生产装备与栽培工艺融合是提高食用菌生产装备水平、保障食用菌安全生产、促进产业发展的重要途径。     

以“美丽中国”法理念提升草原生态环境法治体系

"美丽中国"作为在宪法中崭新宣示和确立的法理念,凸显生态环境价值的高度性、生态环境建设的系统性、生态环境保护的法治性。草原生态环境是承载"美丽中国"法理念的战略领域和空间。"美丽中国"法理念是指导我国草原生态环境法治保护的重大法理念,要按照"美丽中国"法理念的要求全面提升草原生态环境法治体系及其实施,主要是进一步提高草原生态环境法治的战略定位;完善草原产权制度、草原产业制度、草原公共设施和产品投入建设制度、草原生态环境保护制度、草原经济社会发展和社会保障制度、草原生态环境违法犯罪法律责任制度等;提高草原生态环境行政执法的到位性和执法力度;加强和完善草原生态环境司法保护。     

从英美文学作品中探究茶文化元素的应用与内涵

随着当前文化传承不断成熟,如今对于任何文学作品来说,其想要发展成为一代经典,都离不开文化元素的融入。因此,准确探究英美文学作品中的茶文化元素理念内涵极为必要。本文拟从英美茶文化体系的形成背景及理念内涵分析入手,结合英美文学作品中茶文化元素展现状况,从而探究英美茶文化元素对英美文学作品创作的实质性影响。     

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。     

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。