青海同仁地区甘西鼠尾草栽培技术及种植效益分析

对甘西鼠尾草的主要栽培技术,包括选地整地、播种灌溉、中耕锄草和病虫害防治进行综述,并对产量产值和种植效益进行系统分析,为甘西鼠尾草的进一步开发利用提供依据。     

基于经验模态分解和小波神经网络的温室温湿度预测

温室温湿度的准确预测有助于及时调节温室小环境,温湿度预测模型是温室控制的重要基础,提高预测精度有助于提高生产水平。针对温室系统具有非线性、非平稳性等特点,提出一种基于经验模态分解(empirical mode decomposition,简称EMD)和小波神经网络(wavelet neural network,简称WNN)的温室温湿度组合预测方法。首先,利用经验模态分解方法将原始时间序列分解成一系列分量;然后对各分量分别构建小波神经网络模型进行预测;最后叠加各子序列得到预测值。结果表明,运用EMD-WNN组合的温度模型有效性为0. 993 4,湿度模型有效性为0. 978 1,且优于单独WNN模型和BP神经网络模型的预测结果,可有效提高短期温室温湿度预测的精度。     

藏药材吉子思保种子萌发试验研究

[目的]探讨不同条件下藏药材吉子思保种子的萌发情况。[方法]选用吉子思保野生种和驯化种作为研究对象,比较研究野生种及驯化种种子的发芽率和发芽势,并考察不同处理方法的催芽作用。[结果]驯化后的吉子思保种子的饱满程度、发芽率优于野生种子。驯化吉子思保种子在15℃条件下发芽率最高,为77．67％;赤霉素液浸种对种子的催芽时间优于清水对照组;低温积层4个月对种子的催芽作用最优。[结论]采用驯化吉子思保种子,利用赤霉素液浸种,低温积层4个月,开展吉子思保种植有助于推动藏药产业化生产,满足市场对藏药的需求。     

基于改进UNet++模型的葡萄黑腐病病斑分割和病害程度分级

为了解决葡萄病害图像边缘分割模糊和发病初期分割难的问题，基于PlantVillage数据集中的葡萄黑腐病图像，提出一种基于改进UNet++的葡萄黑腐病病斑分割模型。该模型在提取图像特征时：一方面，采用自适应软阈值化方法消除噪声影响，提高葡萄病斑边缘的分割精度；另一方面，采用长、短连接结合的方式构建UNet++中的跳跃式连接结构，降低模型的计算复杂度。同时，在模型的横向输出层中融合多尺度特征，增强病斑的语义信息，进一步提高目标分割精度。在该模型的损失函数中，将Dice损失函数和交叉熵损失函数进行线性加权组合，以解决病斑像素面积与叶片面积不平衡的问题。采用五折交叉验证进行模型训练与测试。结果显示，本文模型的像素准确率达到98.433%,平均交并比达到92.056%,病斑交并比为81.230%,Dice系数为0.941,均优于传统的UNet++模型。采用病斑占叶面积的比例对病害程度进行分级。结果表明，本文模型对病害等级的划分准确率达97.41%。该模型能精确实现对葡萄黑腐病病斑边缘和小病斑的分割，以及病害程度分级，具有良好的稳健性。