辣椒秋延晚种植法

<正>一、播种期温室秋延晚辣椒栽培,应在5月底6月初播种育苗,7月底-8月上旬定植,苗龄65-70天,10月下旬开始供应市场,至12月底拉秧,其产品经过短期贮藏,可陆续供应到春节。二、品种选择选择耐高温及抗病毒能力强、后期较耐低温弱光、薄皮味辣的品种。我团秋延后辣椒品种以改良猪大肠为主,此品种属中熟品种,生育期110-120天,植株直立,株高70厘米,果面有光泽,     

虎林市山野菜的品种介绍与加工方法

<正>山野菜长期生长在广阔的森林当中,是纯天然的绿色食品。黑龙江的山野菜集中分布在小兴安岭、张广才岭和完达山脉。地处完达山脉的虎林市东方红林区位于黑龙江东北边境,地广人稀,小镇坐落在深林里。原始生态未受破坏,自然环境好。是多种山野菜的生长繁殖的地方。东方红的山野菜品种丰富,可食用的有30多种,其中著名的有薇菜、刺嫩芽、猴腿等10余种。生活在大山里的人们早已把山野菜当成美味佳肴。山     

基于深度学习的水产病害可视化知识图谱构建与验证

知识图谱本质上是基于图的语义网络，表示实体与实体之间的关系，在知识问答、语义检索等领域起着至关重要的作用。针对目前水产病害领域存在实体关系交叉关联、多源异构数据聚合能力差、利用率低、知识共享困难等问题，该研究基于自然语言处理和文本挖掘提出了一个基于神经网络深度学习模型的水产病害专业领域知识图谱构建方法并进行试验验证。首先，构建水产病害专业领域本体，并预定义实体类型、属性和关系的集合，确定知识抽取边界；其次，在本体基础上，分别利用规则方法和深度学习方法对半结构化和非结构化知识进行抽取。对于非结构化知识，提出“水产病害+关系+BMES”文本标注体系，将关系抽取融合于命名实体识别任务中直接对三元组建模，将实体关系抽取转化为序列标注问题，不仅提高标注效率，还实现了实体和关系的联合抽取。同时通过标签匹配和映射对三元组建模获得RDF数据，解决了重叠关系抽取的难题。利用BERT-BiLSTM+CRF端到端模型进行试验，试验结果证明该三元组抽取方法具有较高的召回率（89.64%），准确率（94.04%）和F₁值（91.34%），优于CNN+BiLSTM+CRF和BiLSTM+CRF等模型，抽取效果有了显著提升，并将抽取到的知识存储到 Neo4j 图数据库中，实现知识可视化管理及知识推理分析。该研究构建的水产病害知识图谱精度高、粒度细，能够帮助机器理解数据、解释现象、知识推理，从而发掘深层关系、实现智慧搜索与智能交互。     

虎林县果树生产特点及发展前景

虎林县果树生产特点及发展前景常晓燕何玉红刘玉波近几年黑龙江省虎林县的果树生产从无到有，已经形成了一定规模，到１９９５年底全县果树总面积达到６０００余亩，产量１７００吨，产值４２０万元，果树生产的形势是好的，那么如何利用好虎林的自然条件使果树生产顺利发...     

马铃薯高产法

<正>马铃薯属于茄科、茄属草本植物,又叫洋芋、土豆等。它是喜凉、短日照作物,是粮食作物之一,也是重要的薯类作物。经过多年的实践经验,总结出一套无公害马铃薯高产栽培技术。1播前准备1.1选地马铃薯对土壤要求不严格,但对土壤的孔隙度有很高的要求,所以,应选择土壤肥沃、土层深厚、易于排灌的沙壤土为好。1.2轮作倒茬马铃薯不能连作,也不能与茄科作物和甜菜、胡萝卜等块根作物轮作。它可与禾谷类作物、豆类     

基于Web平台数据实时显示的研究

本文对数据采集系统的应用层进行了研究,抛弃了传统的C/S构架设计模式,采用B/S结构。重点探讨如何在W eb平台上实现实时动态数据显示,并给出了实现的方案。     

葡萄早结果栽培技术

<正>一、园地选择:葡萄最适宜土壤书疏松、富含有机质的沙壤土。二、品种选择鲜食品种有红地球、巨峰、乍娜等品种。酿酒葡萄有赤霞珠、梅鹿辄、蛇龙珠、雷司令等。三、选栽壮苗健壮优质苗木是缩短营养生长期的重要因素之一,是保证幼树提早结果的先决条件。因此,要求苗木根系分枝多旦旺盛、发达,无病虫害。扦插苗:留芽4-5个,有饱满芽3个以上,地上部茎粗0.7厘米以上,粗度3-5毫米的侧根6条以上,根长25厘     

基于微服务架构的农业转移支付项目管理系统设计与实现

【目的】 中央农业转移支付资金量庞大,项目类别多,为提高农业转移支付项目监测监管水平,提升农业转移支付项目管理水平,本文在深入研究分析农业转移支付项目管理业务的基础上,研究开发建立全国农业转移支付项目管理系统,为部级、省级、市级和县级农业主管部门项目管理人员提供方便快捷的项目管理工具。【方法】 农业转移支付项目具有类型多样,结构复杂等特点,系统开发采用微服务架构实现系统的技术构建。系统划分为9个相互独立又在业务逻辑上相互联系、能够协同工作的功能模块,分别为：①项目通知模块。该模块提供部级向各省级下发转移支付各类通知,实现分类查询等功能;②项目方案模块。该模块提供省级向部级上报各类项目实施方案征求意见和重点项目方案上报;③任务清单模块。该模块提供部级向省级下达项目任务清单;④资金安排（省级填报）模块。该模块提供省级向部级上报各专项任务资金安排使用详细数据;⑤资金执行（县级填报）模块。该模块提供县级-市级-省级-部级逐级上报项目资金执行信息;⑥绩效目标模块。该模块提供部级向省级分解下发绩效目标,省级向部级上报绩效目标;⑦专项调度模块。该模块提供省级向部级上报专项调度任务相关数据信息;⑧统计查询分析模块。该模块主要对转移支付县级填报的项目信息进行统计分析,并将相关统计、分析结果以专题图表的形式展现;⑨系统配置模块。该模块主要提供各大专项项目名称、支出方向和任务的动态调整配置。【结果】 通过对系统架构设计、业务流程设计、功能模块设计和数据库设计进行深入分析设计,构建了“中央—省级—市级—县（区）级”动态监测管理管理体系,解决了农业转移支付项目难于精细化管理的问题。【结论】 基于微服务架构的农业转移支付项目管理系统,实现了中央农业管理部门对农业转移支付各专项任务的精细化管理,系统可支撑全国各地3000用户同时登录使用,系统上传上报反应速度为2.29 s。系统为中央农业主管部门强化监管目标、提高监管效率、有针对性地组织转移支付项目绩效评价现场核查提供重要的技术支撑,对各级农业主管部门提高农业农村投资项目管理信息化建设具有参考和借鉴意义。     

农业农村科研协同创新基础设施总体框架与战略价值

党中央国务院高度重视农业科技创新，把解决农业“卡脖子”问题放在国家战略高度，协同创新是解决“卡脖子”问题行之有效的路径。从构建农业农村协同创新基础设施的政策背景和国内外研究现状出发，深度剖析我国农业科技创新面临的农业科研大数据、高性能计算、原创算法模型、数据应用创新和数据安全防护等瓶颈问题，基于人工智能、区块链、云计算、大数据等先进信息技术构建“数据”+“算法”+“算力”深度融合的新型基础设施，构建了服务多学科交叉融合的农业农村科研协同创新平台，简化并加速人工智能（AI）模型和数据的迭代和流动，实现大规模异构计算资源调度技术、多模态数据融合方法和友好的开发支撑环境。该平台致力于协助不同学科领域的科研工作者，将数据、模型、算法和算力等资源深度整合，打造即开即用的交互式云端开发环境，应用到教学、科学研究、科学数据集和算法研究等多个场景，形成人工智能融合多学科的生态闭环。