排序方式: 共有28条查询结果,搜索用时 31 毫秒
1.
2.
3.
4.
蝙蝠蛾幼虫食料初步筛选及其取食研究 总被引:1,自引:0,他引:1
为获得适合低海拔地区蝙蝠蛾规模化人工饲养的幼虫食料,对常见且营养丰富的食料或中药材进行初步筛选,并分析比较蝙蝠蛾5龄幼虫对所筛选食料的取食情况与效果,结果表明:在试验的15 d内,胡萝卜(CK)、人工饲料及太子参干品不发生变质;幼虫不取食太子参干品,喜食胡萝卜与白菜叶,但白菜叶湿度极大不利幼虫生长;白菜叶组、番薯组、鲜玉米粒组和人工饲料组幼虫增重极显著高于槟榔芋组及胡萝卜组;鲜玉米粒组、人工饲料组的食物转化率均高于8%,番薯组约为7%,三者的食物转化率极显著高于胡萝卜组。 相似文献
5.
6.
7.
8.
随着狐貉养殖的发展,常见病也逐渐增多,除了犬瘟热、脑炎外,肠炎病也是威胁狐貉业养殖的大敌。肠炎病主要分病毒性肠炎和细菌性肠炎两方面。1病毒性肠炎病毒性肠炎主要由细小病毒引起。 相似文献
9.
10.
基于改进卷积神经网络模型的玉米叶部病害识别(英文稿) 总被引:3,自引:2,他引:1
准确识别玉米病害有助于对病害进行及时有效的防治。针对传统方法对于玉米叶片病害识别精度低和模型泛化能力弱等问题,该研究提出了一种基于改进卷积神经网络模型的玉米叶片病害识别方法。改进后的模型由大小为3×3的卷积层堆栈和Inception模块与ResNet 模块组成的特征融合网络两部分组成,其中3×3卷积层的堆栈用于增加特征映射的区域大小,Inception模块和ResNet 模块的结合用于提取出玉米叶片病害的可区分特征。同时模型通过对批处理大小、学习率和 dropout参数进行优化选择,确定了试验的最佳参数值。试验结果表明,与经典机器学习模型如最近邻节点算法(K- Nearest Neighbor,KNN)、支持向量机(Support Vector Machine,SVM)和反向传播神经网络(Back Propagation Neural Networks,BPNN)以及深度学习模型如AlexNet、VGG16、ResNet 和Inception-v3相比,经典机器学习模型的识别率最高为77%,该研究中改进后的卷积神经网络模型的识别率为98.73%,进一步提高了模型的稳定性,为玉米病害检测与识别的进一步研究提供了参考。 相似文献