排序方式: 共有17条查询结果,搜索用时 15 毫秒
1.
2.
[目的]弄清废弃植物培养基厌氧消化潜力与特性.[方法]以废弃的植物培养基为发酵原料,以沼气池底部的活性污泥为接种物,在常温条件下进行了批式厌氧消化试验,研究了废弃的植物培养基与接种污泥各处理厌氧消化的产气速率、潜力和产气量.[结果]常温条件下,混合培养基与接种污泥的TS比例为8∶1、浓度12%的处理,产气量最高,为10 391.3 ml,并且发酵天数为5d左右,发酵速度较快,产气效果最好;混合培养基与接种污泥的TS比例为6∶1、浓度8%的处理,原料产气率最高,为0.230 m3/kg,并且发酵天数为4d左右,说明原料被利用的水平高.[结论]该研究为植物组培工厂废弃物的处理和配套沼气工程的工艺设计提供了科学依据. 相似文献
3.
投喂作为水产养殖过程中的一个关键环节,饵料的投喂量直接影响水产品的质量和养殖成本。然而,目前的投喂方法包括人工投喂和机器定时定量投喂,大多依靠人工经验,很难实现精准投喂。本文基于改进的ResNet34识别鱼群不同的饱腹程度。根据鱼群在不同饱腹阶段表现的摄食行为创建了含有5种不同饱腹程度的数据集,并采用数据增强操作对图像进行预处理。其次在原始模型ResNet34的基础上,本文提出使用坐标注意力机制,使模型在对图像进行特征提取的过程中能够做到专注于更大区域范围。并且使用深度可分离卷积的方式来代替传统卷积,减少模型参数量。为了评估改进的有效性,分析了改进后的模型在鱼群饱腹程度数据集上的性能,并将其与原模型ResNet34、AlexNet、VGG16、MobileNet-v2、GoogLeNet等经典卷积神经网络架构进行比较。综合实验结果表明,该模型相较于原模型参数量减少46.7%,准确率达到93.4%,相较于原模型提升3.4个百分点,同时改进后的模型在准确率、精确度、召回率等方面也都优于其他卷积神经网络。综上所述,本模型实现了性能与参数量之间的良好平衡,为后续模型在实际养殖环境中的部署并指导养殖户改善和制定投喂策略提供了可能。 相似文献
4.
5.
<正>安徽地形地貌多样,长江、淮河两大河流贯穿其中,形成淮北平原区、江淮丘陵区和皖南山区,兼有南北农业的典型特质。安徽是农机消费大省,但农机工业发展滞后。因此,推进安徽省农机工业转型升级,关系安徽省农业机械化全程全面发展,相信对全国也有借鉴作用。本文拟通过总结安徽省农机工业发展现状、分析存在的问题, 相似文献
6.
目前各地的水产小冷库建设发展迅速,数量很大,如仅一个宁波市就有73座近2万吨/次的冷库,小冷库发展得很快,但技术力量薄弱,管理跟不上。为了适应当今水产业的发展,必须对设备、质量、安全、成本等方面加强技术管理,进 相似文献
7.
8.
针对热电阻测温系统中,导线电阻所带来的测量误差难以克服的问题,通过采用恒流源驱动热电阻以及通过加减运算电路来克服导线带来的测量误差,从而获得了具有较高精度的模拟信号。通过STM32对返回的模拟信号进行定时采样滤除干扰后进行AD转换从而获得了较高精度的温度值。 相似文献
9.
10.
【目的】改善茶叶嫩芽识别困难的问题,提高模型的识别准确率。茶叶嫩芽的识别是实现茶叶自
动化采摘的核心技术之一,而茶叶嫩芽生长的姿态以及采集图像时的拍摄角度等条件都会对茶叶嫩芽的识别带
来困难,造成识别准确率低的问题。【方法】提出一种改进的 YOLOX 茶叶嫩芽检测算法 SS-YOLOX,该方法能
准确地对一芽一叶、一芽二叶等茶叶嫩芽进行识别、分类。该方法通过添加注意力模块(Squeeze and excitation,
SE)提高模型的特征提取能力,改善小目标漏检问题、引入 Soft NMS 算法改善检测框重叠度较高时的打分机
制,提高模型对不同场景下嫩芽的识别能力。【结果】消融试验表明,引入 Soft-NMS 算法、SE 模块均能提
高 YOLOX 模型模型的检测精度,以引入 SE 模块提升较为明显。通过不同嫩芽图像对比验证算法的可行性和
准确性,SS-YOLOX 模型的均值平均精度 mAP 比原 YOLOX 模型提高 2.2%,达到 86.3%,表明经过改进后,
模型的识别能力得到提升。在目标嫩芽数量较多的情况下,SS-YOLOX 模型能有效地降低漏检率和错检率。
【结论】SS-YOLOX 模型能准确识别茶叶嫩芽,且识别效果更好,可为茶叶智能化采摘提供技术基础。 相似文献