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。     

欢迎订阅《中国林业教育》

《中国林业教育》是由北京林业大学和中国林业教育学会共同主办的全国性林业教育刊物。本刊主要宣传党和国家的教育方针、政策,贯彻国家有关林业教育工作的指示精神,密切联系实际,探索林业教育的规律,交流推广林业教育、教学、管理、科研等方面的改革经验,介绍国内外林业教育的现状、发展趋势和教育科学研究动态。本刊是全国各级各类林业院校教师和学生、教育行政管理部门广大干部及其他关心林业教育的人员进行学术交流的主要园地。     

新能源汽车电控系统组成及故障管理技术

新能源汽车中电控系统是整车的重要组成部分，直接影响汽车整体行驶性能与安全性。提高新能源汽车电控系统故障诊断与维修是新能源汽车维修技术的重点之一。基于新能源汽车电控系统组成，对新能源汽车动力驱动系统、底盘电控系统常见的故障诊断与排除方法进行论述。研究结果可以为相关维修技术人员提供参考。     

浅析贵州省高职院校茶学专业现状及发展趋势

随着贵州茶产业迅猛发展,对专业技术人才的需求也日益明显,而高职院校正是培养专业技术型人才的主要阵地。通过总结归纳贵州省高职院校茶学专业现状,并就当前贵州省茶产业的形势情况,预测未来趋势,旨在推动贵州省高职院校茶学教育创新发展,更好服务茶产业。     

论句容葡萄产业的发展现状

近年来,随着乡村振兴战略的不断深入,在各级人民政府、农业农经等部门的大力支持与引导下,句容葡萄在种植模式上完成了由粗放种植向高效设施栽培的转型,在产业结构上完成了从单纯的一产向三产融合发展的过渡。     

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。     

基于历史角度分析茶业在我国的发展变化

在本文中将引入"历史角度"的分析模式,其归因于本文将探寻茶业在我国发展变化的趋势,进而为茶业类企业的战略规划提供路径指向。通过讨论,茶业在我国发展变化的趋势可预测为:便利性与休闲性进一步加强、产品信息发布形式更趋多样、政策旱向的差异化特征增强。实现路径包括:理清市场需求结构变化趋势、建立以旅游为核心发展主线、以信息发布实施供给侧改革、形成区域植根性的政策供给等四个方面。     

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。