农业机械化工程专业研究生的教学改革与创新能力培养

该文指出了当前我国农业机械化专业研究生教学中不利于研究生创新能力培养的诸多问题；提出了我国、农业机械化专业研究生教学改革的发展方向，应拓宽教学内容、改革教学方法、加强实践能力培养、改革考核方式，以提高研究生的创新能力。     

新昌县建设名茶之乡新举措

新昌是中国名茶之乡。新千年第一年 ,该县名优茶生产迎来了开门红 ,全年实产 5 .5 1万担 ,产值2 .2 4亿元 ,同比产量增 1 4.8%、产值增 1 5 .5 % ,双创历史新高。尽管珠茶继续滑坡 ,产量从上一年 4.7万担下降为 3.81万担 ,减产 1 9% ,产值从 1 60 0万元降为 1 0 0 0万元 ,减值 37.5 % ,是近 2 0年来的最低点 ,使茶叶总产量从上一年 9.5万担下降为 9.32万担 ;但茶叶总产值从上一年 2 .1亿元增至 2 .34亿元 ,仍然增加了 2 4 0 0万元 ,每亩生产茶园从3390元提高到 3770元 ,名优茶已占茶叶总产量的5 9.1 % ,名优茶产值已占茶叶总产值的 95 .7% ,…     

新昌县出台茶业奖励政策效果好

“中国名茶之乡”的新昌县，前年冬季县委与县政府把茶业定位在战备性主导产业后，去年早春。又出台了茶业一系列的奖励政策与措施，从茶区到市场、农户到企业、生产到管理、县内到县外等涉茶单位与个人，凡作出出色贡献与显著成绩符合条件的，政府都给予嘉奖，从而激发了广大茶     

自然环境下山核桃果实的图像识别提取方法

研究了自然环境下成熟山核桃果实的机器视觉图像识别方法。通过分析顺光、逆光、遮挡等环境下拍摄的山核桃成熟待采时的果实图像,确定了2R-G-B色差模型,用最佳阈值函数进行图像分割,经形态学滤波后采用Canny算子进行边缘检测,提取出复杂背景下山核桃果实的轮廓。试验结果表明,该方法对山核桃果实的有效识别率达86.7%,可为山核桃采摘机器人的研发提供技术参数。     

基于嵌入式的智能农业环境监控系统开发

设计了一个智能农业环境监测系统,系统通过Internet和GPRS网络,远程实时监测农作物种植地传感器采集的数据,嵌入式Linux终端接收Zigbee网络各节点的环境数据,将数据存入到数据库中,同时可以发送给远程监控中心。远程监控中心将接收到的数据存入数据库,并且进行数据分析,实现远程调控,优化作物生长环境。     

基于近红外光谱和机器视觉融合技术的板栗缺陷检测

为提高合格和缺陷板栗分级检测识别精度,提出了近红外光谱和机器视觉的多源信息融合技术的板栗缺陷检测方法。试验以湖北京山板栗为试验对象,利用BP神经网络方法建立了基于近红外光谱、机器视觉和多源信息融合技术的板栗分级检测模型。试验结果表明,3种识别模型对对训练集板栗回判率分别为96.25%、96.67%和97.92%;对测试集板栗的识别率为86.25%、83.75%和90.00%。基于近红外光谱和机器视觉的多源信息融合技术进行板栗分级检测的方法是可行的,融合模型较单独采用机器视觉技术或近红外光谱分析技术建立模型的识别率均有显著提高。     

基于近红外光谱的番茄农药残留无损检测方法研究

以湖北地区番茄样品为研究对象,对获取的光谱特征信息进行分析,确定了矢量归一化法为最优光谱预处理方法;对各个信息的主成分因子进行了优化,通过主成分分析提取主成分得分向量构成模式识别的输入,利用BP神经网络方法建立番茄有机磷农药残留的无损检测模型。结果表明,当光谱信息主成分因子数为3时,建立的模型最优,预测的识别率达到0.96,训练误差为0.015,相关系数达到0.971。     

东深供水工程优化运行研究与实践

根据东深供水工程实际运行情况,建立最优运行模型,确定最优运行原则,筛选出关键影响因子,制定配套专项方案,最终建立了优化运行管理机制,达到了大型梯级调水工程优化运行的目的,年均节约电费约3 035万元,社会和经济效益显著。     

基于高光谱成像技术的马铃薯外部缺陷检测

为了实现马铃薯的准确快速分级,提出基于高光谱成像技术的马铃薯外部缺陷检测方法。通过反射高光谱成像技术采集马铃薯干腐、表面碰伤、机械损伤、绿皮、孔洞以及发芽等6类外部缺陷样本及合格样本的高光谱图像。提取合格及各类缺陷样本感兴趣区域的光谱曲线并进行光谱特性分析,采用主成分分析法确定了5个特征波段(480、676、750、800和960nm),以5个波段的主成分分析的第二主成分图像作为分类图像,识别率仅为61.52%;为了提高识别率,提出波段比算法与均匀二次差分算法相结合的方法,使缺陷识别率提高到95.65%。试验结果表明:通过高光谱成像技术可以准确有效地对常见马铃薯外部缺陷进行检测,为马铃薯在线无损检测分级提供了参考。     

基于机器视觉的板栗分级检测方法

为实现合格和缺陷板栗的分级,研究了1种基于BP神经网络与板栗图像特征的板栗分级方法。试验以罗田板栗为研究对象,提取的颜色及纹理等8个特征值,通过主成分分析提取相应的主成分得分向量构成模式识别的输入。利用BP神经网络方法建立了板栗分级模型。试验结果表明,在图像信息主成分因子数为3,中间层节点数为12时,建立的模型最佳,模型训练时的回判率为100%,预测时识别率达到了91.67%。研究结果表明基于机器视觉技术的针对缺陷板栗分级检测方法是可行的。