基于计算机视觉的水下海参识别方法研究

海参识别是海参捕捞自动化和智能化的前提和关键。海参生活环境复杂且海参体色随环境变化,为解决复杂多变环境下海参识别的难题,提出基于视觉图像和海参特性的水下海参识别算法。利用海参体色随环境变化而海参刺颜色稳定呈黄绿色的特点,在图像预处理的基础上设计图像融合算法突出海参刺,然后通过边缘检测获取海参刺轮廓并计算轮廓质心坐标,进而通过椭圆拟合实现海参的识别。不同于已有的利用海参主干进行海参识别的方法,提出的基于直接最小二乘的海参刺质心椭圆拟合识别算法以海参刺的分割和椭圆拟合为途径,解决海参体色随环境变化而引起的识别率降低的问题。试验结果表明,该算法对自然环境下的海参识别平均准确率为93.33%,具有一定的实用价值。     

山东省名牌农产品发展的成功之路

随着我国加入WTO和农产品买方市场的形成,我国农产品“卖难”问题突出,农产品的品牌化经营及品牌发展问题被提出来。越来越多的企业开始重视培养自己的独立品牌。山东作为中国的农业大省之一,有着非常多的农产品名牌。山东省的农产品品牌建设成果在全国位居前列,它发展的成功经验对全国的农产品品牌建设有着很好的启示作用,对其他困境中求生存的农产品品牌有着很好的指导作用。     

基于改进Faster R-CNN的海参目标检测算法

海参目标检测是实现海参自动化捕捞的前提。为了解决复杂海底环境下背景和目标颜色相近以及遮挡导致的目标漏检问题,本文在Faster R-CNN框架下,提出了Swin-RCNN目标检测算法。该算法的骨干网络采用Swin Transformer,同时在结构上融入了多尺度特征提取层和实例分割功能,提高了算法的自适应特征融合能力,从而提高了模型在复杂环境下对不同尺寸海参的识别能力。实验结果表明：本文方法对海参检测的平均精度均值（mAP）达到94.47%,与Faster R-CNN、SSD、YOLO v5、YOLO v4、YOLO v3相比分别提高4.49、4.56、4.46、11.78、22.07个百分点。     

转型期中国大豆生产资源配置效率及其区域特征研究

大豆是世界上最重要的油料和高蛋白作物。基于非参数方法双产出模型,将大豆生产资源配置效率分解为规模效率、纯技术效率和要素可处置度,在分析转型期中国大豆生产资源配置效率的基础上进一步研究其结构优化策略。结果表明：制约中国大豆生产资源配置效率的因素是生产规模效率。因此,中央政府应加大力度保护和提高各大流域耕地资源利用效率,抑制长江流域大豆低效生产状况,提高松辽、黄河流域大豆生产资源配置效率,进一步加快农业剩余劳动力转移,充分发挥大豆生产的规模效率,适时做出进一步激励大豆生产的政策安排,同时这也是弥补市场失灵、促进中国大豆高产稳产的有效手段之一。