排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
非投饵网箱鲢鱼、鳙鱼对藻类的遏制效果 总被引:1,自引:0,他引:1
利用鲢鱼(Hypophth almichthys molitrixi)、鳙鱼(Aristichthys nobilis)滤食藻类生物的特殊功能,在相同水体条件的围隔网箱内投放不同数量的鲢鱼、鳙鱼,观测其对水中藻类生物滤食的强度与作用。结果表明:未养鱼的对照网箱内,藻类数量逐渐增加,到第16天时数量比箱外增加45.29%;网箱内放养鲢鱼、鳙鱼能够有效地抑制藻类的增加,第4天时放养鲢鱼、鳙鱼各处理的藻类数量比对照减少73%~83%,第7天时减少比例达到82%~88%。网箱养殖鲢鱼、鳙鱼与否的水色和藻类优势种群都有明显的改变。 相似文献
2.
3.
农用土地资源利用的可持续性评价--以河北省曲周县为例 总被引:1,自引:0,他引:1
从人口与土地、土地与粮食以及农业与环境几个方面剖析了河北省曲周县土地资源利用的可持续性。结果表明:虽然曲周县总耕地和人均耕地面积均持续减少,但由于障碍因素的控制,土地生产力在中低产田的改造中持续提高,人均粮食水平总体呈增长态势,表明曲周县的土地资源利用对保证粮食供应方面的发展是可持续的。但人口的增长和因污水灌溉造成的土壤Cd、Cu和Zn等的明显污染倾向,对土壤质量的维持构成较大威胁。个别地区的地下水硝酸盐含量超过标准也预示着化肥投入的合理性必须引起重视。 相似文献
4.
基于深度学习与目标跟踪的苹果检测与视频计数方法 总被引:2,自引:2,他引:0
基于机器视觉技术自动检测苹果树上的果实并进行计数是实现果园产量测量和智慧果园生产管理的关键。该研究基于现代种植模式下的富士苹果视频,提出基于轻量级目标检测网络YOLOv4-tiny和卡尔曼滤波跟踪算法的苹果检测与视频计数方法。使用YOLOv4-tiny检测视频中的苹果,对检测到的果实采用卡尔曼滤波算法进行预测跟踪,基于欧氏距离和重叠度匹配改进匈牙利算法对跟踪目标进行最优匹配。分别对算法的检测性能、跟踪性能和计数效果进行试验,结果表明:YOLOv4-tiny模型的平均检测精度达到94.47%,在果园视频中的检测准确度达到96.15%;基于改进的计数算法分别达到69.14%和79.60%的多目标跟踪准确度和精度,较改进前算法分别提高了26.86和20.78个百分点;改进后算法的平均计数精度达到81.94%。该研究方法可有效帮助果农掌握园中苹果数量,为现代化苹果园的测产研究提供技术参考,为果园的智慧管理提供科学决策依据。 相似文献
1