授粉专用蜜蜂的培育技术

在人类食品中，约有三分之一直接或间接地来源于昆虫授粉的植物。蜂类昆虫由于其独特的形态结构和生物学特性，是农作物理想的授粉者。在为农作物授粉的昆虫中，蜂类约占80％。然而，由于化肥、农药的大量使用及其它因素造成的生态环境恶化，自然界的野生授粉昆虫数量锐减。农业单一品种的种植又使虫媒花作物受外界因素影响较大，许多优良品种产量和品质逐年下降，见花不见果的现象较为普遍，授粉不足是其中一项重要原因。传统的解决办法是人工辅助授粉。但人工授粉一是劳动量大，成本高，授粉工时限制，没有虫媒及时；二是人工授粉一般1次很难适时、均匀授粉。因此，蜂类授粉成为农业生产的一个重要组成部分．而且能提高农作物的产量和质量。     

油茶籽热风干燥动力学研究

为研究油茶籽热风干燥特性,探讨热风温度、初始干基含水率对油茶籽干燥速率的影响,在不同初始干基含水率、不同热风温度条件下分别对油茶籽进行干燥,并比较了9种数学模型在油茶籽热风干燥中的适用性。结果表明,油茶籽热风干燥过程并没有出现恒速干燥段,干燥主要发生在降速干燥阶段。物料初始干基含水率、温度是影响干燥的主要因素,初始干基含水率越低、干燥温度越高,干燥到目标含水率所用时间越短。干燥过程中,有效水分扩散系数随温度升高而增大,热风温度从50℃升高到80℃,其有效水分扩散系数由1.3132×10-9m2/s增大到3.9223×10-9m2/s,油茶籽的干燥活化能为33.6193kJ/mol;通过比较决定系数R2、均方根误差eRMSE以及卡方检验值χ2得出,Lewis模型为描述油茶籽热风薄层干燥的最优模型,预测值与试验值的均方误差为1.36%,最大相对误差小于4%,表明模型预测的干燥曲线和试验干燥曲线一致性较好。     

苜蓿切叶蜂的授粉应用与发展前景

我国是一个发展中的苜蓿生产大国,但苜蓿种子产量一直不高,主要原因是苜蓿开花期间得不到充足的授粉。切叶蜂因其独特的生物学特性及其与苜蓿花朵的协同进化作用,已被证实是为苜蓿授粉最有效的昆虫,在畜牧业发达的国家,应用切叶蜂为苜蓿授粉已成为苜蓿种子生产过程中不可缺少的措施之一。为解决苜蓿授粉难题,国内曾引进苜蓿切叶蜂,但由于寄生蜂比率较高现难以规模化生产繁育,同时也给国内苜蓿上的野生传粉蜂带来生态危险,所以开发国内苜蓿授粉用切叶蜂资源势在必行。现在查阅国内外大量相关文献基础上,对国内外苜蓿切叶蜂的授粉应用情况进行了概述,同时对其授粉应用前景进行了展望。     

如何使定地饲养蜂群效益最大化

1养蜂现状 北京山区蜂群多为定地饲养，主要以荆条蜜源植物为主，如何使蜂群效益最大化是我们每个养蜂员最关注的问题，尤其是上了年纪的养蜂者逐年上升，年纪较大者因视力下降原因，很难进行移虫取浆工作，其主要收入以产蜜为主，王浆生产逐年下降或直到放弃，从而降低了养蜂者总体收入。     

野生无刺蜂(Trigona ventralis Smith)生物学特性及繁养研究初报

无刺蜂是重要的热带植物传粉昆虫之一,为更好地利用野生无刺蜂进行授粉,对其生物学特征及过箱饲养进行了初步的研究,研究结果证明野生无刺蜂可以在北方进行过箱饲养,同时对无刺蜂应用前景进行了展望。     

熊蜂为植物授粉的行为适应性研究

自然界中,昆虫是植物最主要的传粉者,熊蜂以其独特的形态特征和生物学特性与植物间建立巧妙的适应关系,熊蜂也因此成为现代农业生产应用授粉的主要昆虫之一。现从熊蜂的形态特征和生物学特性二方面对熊蜂在植物授粉中的行为适应性进行了描述,最后对熊蜂的授粉应用提出了展望。     

应用蜜蜂为作物授粉不撞棚的关键技术

<正>目前一些农民开始关注蜂授粉价值,并开始尝试把它作为农业实现优质、高产的一个有效技术手段加以应用。蜂授粉增产的实例在很多地方都有报道,但普通家养蜜蜂直接放入棚室进行授粉时,蜜蜂往往在棚室内乱飞乱撞,或者从通风口飞出,重者甚至撞死,蜂群损     

北京授粉蜂场南繁北采助推西瓜授粉增产提质

正1设施西瓜生产现状近年北京大兴、顺义及周边河北的清苑、武邑、阜城等区县每年种植设施西瓜面积总数约为30万棚,区域化种植、规模化生产已成为现实,每到春季的4月份,几乎形成了塑料大棚的海洋(见图1)。然而,上述不同区县西瓜棚室面积、结构均不相同,北京大兴、顺义西瓜面积多为450~500 m~2/棚,河北三县的西瓜面积为1 000~3 000 m~2/棚,特别在4月上中旬西     

基于卷积神经网络的油茶籽完整性识别方法

针对现有油茶籽色选机无法识别碎籽的问题,提出一种基于卷积神经网络的油茶籽完整性识别算法。以油茶籽完整性识别为目标,构建油茶籽图像库;基于油茶籽完整性识别任务要求,通过对Alex Net网络进行优化得到适合油茶籽完整性识别的卷积神经网络模型,该网络具有4层卷积层、2层归一化层、3层池化层和1层全连接层。为了提高网络分类准确率和实时性,从网络结构简化和超参数优化两方面对卷积神经网络进行优化,最终网络结构(CO-Net)的分类准确率、训练收敛速度和泛化性能均得到了提高。实验结果表明,优化后的网络对油茶籽完整性识别准确率达98.05%,训练时间为0.58 h,模型规模为1.65 MB,单幅油茶籽图像检测平均耗时13.91 ms,可以满足油茶籽在线实时分选的要求。     

基于机器视觉的胡萝卜表面缺陷识别方法研究

胡萝卜在生长与收获运输过程中，不可避免会出现一些外观缺陷，缺陷胡萝卜的剔除是胡萝卜上市销售前的重要环节。目前缺陷胡萝卜主要依靠人工分选，具有分选标准不稳定、劳动强度大、成本高等缺点。为了快速、准确、无损地检测缺陷胡萝卜，将机器视觉技术引入到胡萝卜分选过程中，以提高分选准确率和效率。胡萝卜表面缺陷包括青头、弯曲、断裂、分叉和开裂等，缺陷特征互不相同，所以不同缺陷需要不同的检测算法。青头检测利用胡萝卜正常区域与青头区域的颜色差异实现，胡萝卜图像在HSV颜色空间下，利用统计方法确定青头区域H、S和V的判别阈值；弯曲、断裂和分叉识别是根据正常胡萝卜与缺陷胡萝卜之间的形状差异实现，凸壳算法、Hu不变矩和Harris角点检测算法分别用来检测胡萝卜弯曲、断裂和分叉缺陷；开裂检测则是利用胡萝卜正常与开裂区域的纹理差异实现，Sobel水平边缘检测算子、Canny边缘检测算子结合形态学操作实现胡萝卜开裂区域提取。结果表明青头、弯曲、断裂、分叉和开裂的识别准确率分别为100%、91.14%、90.57%、94.57%和95.45%，总体识别准确率达94.91%，满足胡萝卜在线分选精度要求。