基于有源RFID的猪场溯源管理系统

研究旨在通过猪场溯源管理系统的建立,提供真实可靠的生猪饲养信息,供国家质监部门对猪肉质量进行监控和消费者查询.对系统采用.net面向对象编程技术、SQL Server2005数据库技术、动物射频编码技术和有源RFID标识技术进行设计开发,实现对猪只基本信息、饲料使用信息、兽药使用信息和免疫信息的真实记录,有源RFID标...     

生猪养殖阶段可追溯系统的天线设计

[目的]针对生猪养殖阶段特点,设计基于RFID技术的畜产品可追溯系统。[方法]阐述电子标签和读写器的天线设计方法,并采用不同的天线对可追溯系统进行通信测试。[结果]数据传输率等参数设置相同时,外接天线的通讯距离比PCB天线要远;3种外接天线比较而言,同轴天线和壁挂天线的通讯距离较远;500kbps数据传输卒时通讯距离在28m范围内,250kbps数据传输率时通讯距离在40m范围内。从硬件成本角度考虑,壁挂天线价格远高于同轴天线,在相同通讯距离要求时,系统选用同轴天线。[结论]在生猪养殖阶段采用该研究设计的有源电子标签和读写器,可提高猪肉产品的安全性,并对彻底实现食品的“源头”追踪和提供食品安全的透明化管理提供技术支撑。     

基于TM影像的大浪淀水库悬浮物含量的模型反演

以沧州大浪淀水库为研究对象,将实测的悬浮物含量和遥感数据进行分析处理,构建了悬浮物含量与TM2＋TM3多光谱模型,并对模型进行了反演,其结果符合水体实际水质分布情况,表明所建模型可应用于该水体悬浮物含量的监测需要。     

平原水库总氮质量浓度的定量遥感研究

以沧州大浪淀水库为研究对象,将实测的总氮含量和TM遥感数据反射率进行回归分析处理,构建了总氮含量与各波段多光谱定量遥感模型,并对（TM3＋TM4）波段指数模型进行了定量反演,其结果符合水体实际水质分布情况,表明所建模型可应用于该水体总氮含量的监测需要。     

植物生长调节剂的合理使用

阐述了常见植物生长调节剂的合理使用技术。     

封洲禁牧控制湖区血吸虫病效果观察

通过对都昌县沿湖周边5192．4hm有螺草洲实施封洲禁牧，结合疫区人、畜同步查治，两年(2001～2002)来，耕牛血吸虫病感染率下降了87．81％；人群血吸虫病感染率下降了56．7％；草洲钉螺阳性率和阳性螺密度分别下降了84．29％和75％，结果表明封洲禁牧是大湖区草洲灭螺难的特殊情况下，切断传染源，净化草洲，达到有螺无害(或微害)，控制血吸虫病流行的有效措施。     

都昌县周溪镇柴棚村血吸虫病综合治理效果观察

都昌周溪镇柴棚村通过实施“鄱阳湖区结合经济开发综合治理血吸虫病试点项目村”,由农业、林业、水利、卫生等部门参加,采取人畜同步查治,农业工程灭螺、矮围水淹灭螺、林业造林灭螺、改水改厕等综合防治措施,通过四年的试点工作,居民血吸虫病的感染率由10．51％下降到3．5％,下降66％;耕牛血吸虫病的感染率由6．45％下降到2．4％,下降了62％;钉螺面积733700千方米,下降至293400千方米,下降了60％,钉螺的感染率和感染螺密度分别下降了43％和78％,综合治理的控制效果十分明显,同时产生可观的经济效益。     

自治区召开林业科技及宣传工作座谈会

自治区林业科技及宣传工作座谈会于一九八一年四月二十一日至二十八日在乌鲁木齐市召开。参加会议的有来自全疆林业科研、生产、教学以及兄弟单位的代表,自治区科委主管部门、新华分社、新疆广播电台也派人出席了会议,共五十余人。     

不同体重菲牛蛭氨基酸及水蛭素含量的差异性研究

研究不同体重菲牛蛭氨基酸及水蛭素含量的差异,为菲牛蛭的开发利用提供基础研究数据。随机挑选5组活体体重分别为(2.00±0.10)、(4.00±0.10)、(6.00±0.10)、(8.00±0.10)、(10.00±0.10) g的菲牛蛭,分别测定蛋白质、水解氨基酸、游离氨基酸、水蛭素含量。结果表明,2.00 g和4.00 g的菲牛蛭蛋白质显著低于6.00、8.00、10.00 g的菲牛蛭(P0.05)。在17种水解氨基酸中,不同体重菲牛蛭的天冬氨酸、甘氨酸、蛋氨酸、酪氨酸、苯丙氨酸、脯氨酸6种氨基酸和水解氨基酸总量有显著差异(P0.05),而药用氨基酸含量差异影响不显著(P0.05);不同体重菲牛蛭中除α-氨基正丁酸外的40种游离氨基酸含量差异显著(P0.05)。不同体重菲牛蛭中水蛭素含量差异显著(P0.05),菲牛蛭体重与其含有的水蛭素含量呈现对数函数关系。不同体重菲牛蛭的蛋白质、氨基酸及水蛭素含量存在显著的差异(P0.05),当菲牛蛭体重达到8.00 g以上时,其水蛭素含量呈现缓慢增加的趋势,养殖中至少筛选体重8.00 g以上的菲牛蛭能达到较高的价值。     

基于深度学习的水稻稻瘟病识别研究

本文以水稻稻瘟病图像为研究对象,提出一种基于深度学习的水稻稻瘟病识别方法。基于Tensor Flow开源框架,使用TensorFlow-Keras建立起深度学习模型,通过对水稻的常见健康状态、稻瘟病的图片集学习获取模型特征,最终获得的模型可以用于检测判断。深度学习模型采用ReLU作为激活函数,并对模型中的超参数学习率进行网格搜索,获取更合适的模型超参数。对改进后的模型进行测试,测试验证率达78%。本研究提出的方法可有效识别水稻稻瘟病,为水稻病害防治提供了有效的技术支持。