“江南二号蛋鸭”大肠杆菌病的诊断与防治

<正>鸭大肠杆菌病又称“蛋子瘟”,是鸭类的一种常见疾病,一年四季均可发生,病原是由于大肠杆菌引起的蛋鸭和雏鸭的一种较为常见的侵害消化系统的传染病,这种病的发生与饲养管理有着紧密的关系。例如气温的忽冷忽热、青贮饲料的供给不足或突然改变、各种微量元素的缺乏、鸭群饲养过度拥挤、夏季闷热、冬季严寒、长途调运鸭群等因素,均会加速该病的发生与传播。成年母鸭群一般是在产蛋初期感染发病,开始呈散发个体发病状态,     

基于Deep Learning网络态势感知建模方法研究

网络组织和生长方式多变,现代网络呈拓扑结构复杂化、网络设备异构、信息交互频繁等特征,增加网络态势分析与决策难度,需加强对网络态势感知分析的研究,通过与BP神经网络比较进行深度学习网络态势研究,结果表明,深度学习较BP神经网络在网络态势感知方面有较大优越性。     

人工智能在农药精准施药应用中的研究进展

传统农药施药方式大多依靠人工经验识别单位种植面积内作物的主要病虫草害并针对该症状均匀连续喷洒农药。该方法难以根据作物的不同病虫草害种类和严重程度及时调整农药种类及用量,可能会导致不足或过量用药,喷洒在非症状区域的农药还会对生态环境造成污染。精准施药技术在平衡使用农药与保护生态安全之间给出了一种有效的解决方案,值得大力推广。近年来,人工智能技术的发展推动了精准施药相关研究。为进一步总结人工智能在农药精准施药关键技术中的应用进展,探索人工智能在农药精准施药未来发展方向,本文分析了人工智能在农药精准施药关键技术领域的应用现状,并展望了人工智能在农药精准施药应用中的发展趋势。     

基于Deep Learning网络态势感知建模方法研究

网络组织和生长方式多变,现代网络呈拓扑结构复杂化、网络设备异构、信息交互频繁等特征,增加网络态势分析与决策难度,需加强对网络态势感知分析的研究,通过与BP神经网络比较进行深度学习网络态势研究,结果表明,深度学习较BP神经网络在网络态势感知方面有较大优越性.     

基于人工智能的作物病害识别研究进展

传统依靠人工经验的作物病害识别方式难以适应大规模种植环境,迫切需要寻求新的解决方案。近年来,人工智能技术在许多领域取得了丰硕成果,在作物病害识别领域也取得较好的效果。为深入了解人工智能技术在作物病害识别领域中的研究现状,该文主要从传统的机器学习方法和深度学习方法2个角度分析人工智能技术在作物病害识别领域的研究进展,主要包括这2种方法的技术理论、主要工作流程、应用现状及优缺点,同时展望了人工智能技术在未来作物病害识别领域的发展趋势。