排序方式: 共有78条查询结果,搜索用时 15 毫秒
1.
2.
精准识别农业生产环境信息和农业生产特征,对气象、土壤和作物等多源数据进行综合分类,是提高农业资源利用效率和优化农业种植结构的基础。本研究基于近20年(1998~2017年)气象数据和华北五省的玉米单产统计数据,首先构建了华北平原气候资源和玉米生产时空分布特征数据库,研究区内的降雨量、活动积温、日照时数、太阳辐射和玉米单产均存在显著的时空变化;利用作物精细种植区划方法,将华北平原夏玉米种植区分为极不适宜区、不适宜区、较适宜区、适宜区、极适宜区五大类,各类面积分别占总体的比例约为10%、11%、25%、30%、24%;进一步通过环境类别归属度分析方法,将每一大类分为5小类,概率大于75%的相对稳定区域约占总面积的63%,小于75%的波动区域约占37%;极不适宜区、不适宜区和较适宜区,三类时空分布比较稳定,隶属度为100%分别占各类面积的87.67%、70.41%和84.28%,波动区主要发生在极适宜区和适宜区,以及适宜区和较适宜区之间。本研究构建的华北平原夏玉米精细区划结果,对提高研究区资源利用效率和优化玉米产业布局具有重要的指导意义。 相似文献
3.
多变环境下基于多尺度卷积网络的猪个体识别 总被引:2,自引:0,他引:2
【目的】通过实现复杂多变环境下非接触式猪个体身份识别,提高畜牧行业的生产效率。【方法】以猪舍环境下猪的脸部图像为基础,提出了一种基于多尺度卷积神经网络在多变环境下的猪个体身份识别模型。利用改进的多尺度网络结构,该模型实现了深度和宽度的扩展,网络深度达到了86层。网络不仅使用了对称和非对称的两种方法拆分卷积核和多通道的方法并行提取猪脸特征,还利用网络融合技术和Batch Normalization结构过滤掉通道中的冗余信息。避免了深层网络参数激增,增强了模型对猪脸特征的提取能力并提高模型的识别速度。利用预处理后的11 695张猪脸数据集训练并验证模型,通过设置7组不同环境下的对比实验,分析改进的模型在复杂环境下的识别效果。【结果】86层的基于多尺度分类网络的识别模型权重大小和每轮样本的训练时间分别为498.4 M和66 s,比16层的VGG网络权重小1140 M,每轮训练速度快8 s。利用7组测试集的对比实验的结果表明,提出的模型在7种环境下的识别率都高于其他网络,尤其是在真实养殖环境下识别率高达99.81%。当猪脸图像中出现遮挡和旋转的情况时,提出的模型识别率皆高于92%。【结论】提出的针对脸部特征的猪个体身份识别模型是有效的,并在多变环境下具有较高的识别率和鲁棒性,为实现一体化管理及追踪溯源的研究提供参考。 相似文献
4.
5.
6.
一、除草剂产业发展的现状全球农药市场持续增加,农药市场销售额高达300亿美元左右,年增长率为1.2%。其中除草剂为150亿美元左右,占50%,年增长率1.2%。随着我国农业现代化的发展和农业劳动力的逐步转移,栽培耕作方式趋向于规模化和集约化,对农药的需求量显著增加。其中,除草剂近年来的增长率远高于杀虫剂和杀菌剂发展水平,约占到农药产量比重的1/3。目前全国农田化学除草面积已达0.53亿hm2,较1980年增加了10多倍,上市的除草剂有效成分约为100个,分属磺酰脲、酰胺、三氮苯等20大类,除草剂产业发展迅速。近年来,沙尘暴频繁出现,研究表明沙尘的… 相似文献
7.
作物生态适宜性定量化评价方法及通用工具 总被引:2,自引:0,他引:2
该文研究了作物生态适宜性定量化评价方法。针对环境适宜程度的量化问题,提出了四基点生态距离计算方法,模拟了限制性因素及一般性因素的区别;在评价结果分级中,提出了二次阈值方法,将生态学意义清晰与不清晰的部分进行分离;提出了作物生态适宜性评价过程的数字化表达方法。在以上3项工作的基础上,研发了作物生态适宜性评价工具软件。以北京市冬小麦适宜性评价为例进行了应用,结果表明该评价方法和工具可以容纳主要的评价因子及主流的评价算法,具有实用性。 相似文献
8.
9.
通过田间试验得出,冬麦后复种蔬菜经济效益显著。复种亩纯收入超过1000元的为复种菜花和韭葱,复种菜花的亩产值为2300元,亩纯收入1785元,复种韭葱亩产值为1449元,亩纯收入1049元;超过800元的为复种青萝卜,亩产值为1147元,亩纯收入862.5元;400元以上的为复种黄瓜,亩产值为1159.0元,亩纯收入610.8元,冬麦后移栽西瓜,亩产值989.4元,亩纯收入506.25元,复种毛豆亩产值为728.2元。亩纯收入459.1元,复种胡萝卜亩产值为708元,亩纯收入428元;亩纯收入300元以上的有复种梅豆。亩产值为880.2元,亩纯收入363.1元,复种大白菜亩产值为678.7元,亩纯收入362.4元;冬麦后直播小黄豆,亩产值彻.3元,亩纯收入221.4元。其它复种蔬菜效益较低,不宜推广。 相似文献
10.
畜禽养殖疾病诊断智能传感技术研究进展 总被引:1,自引:0,他引:1
畜牧业是我国农业的重要组成部分,目前我国畜牧业向着规模化、集约化发展,同时也增加了畜禽疾病诊断的难度。为提高畜禽养殖中的动物福利水平,并降低畜牧养殖中因动物疫病与健康异常带来的经济损失与公共卫生安全风险,近年出现了一批通过数字化、智能化手段实现畜禽疫病诊疗的自动化方法,如机器视觉分析、动物音频分析、红外温度感知、深度学习分类等,这些方法可以有效提高对患病或异常畜禽动物的诊断效率、缩短诊断周期、降低畜牧养殖中人工巡检劳动力。畜禽疫病自动诊疗方法不同于常规的基于病理学知识的诊断方法,其主要通过各类传感器自动获取畜禽在养殖过程中的图像、声音、体温、心率、排泄物等各类特征信息,而后通过梅尔倒谱系数、Logistics回归分析等数学模型和支持向量机、深度学习等智能算法对采集的信息进行综合分析与处理,并对动物的健康状态做出评价与预测。文章分别从畜禽形态诊断技术、行为诊断技术、声音诊断技术、体温诊断技术、其他生理参数诊断技术等几个方面总结阐述了目前动物疫病智能诊断技术研究的进展和一些基础的方法原理,这些方法基于动物外型与体尺、行为与动作、鸣叫与声音、体温、排泄物、呼吸与心率等数字化特征,通过数学模型对传感器采集到的特征进行实时分析与分归类,基本实现了对理想环境下动物健康状态的评价。目前的畜禽动物疾病自动诊疗技术研究成果丰富,但相关诊断方法大多是在理想环境下进行,而实际的生产养殖环境中干扰因素很大,目前的诊断方法大多无法很好地排除干扰并精确提取出所需特征信息;并且目前的数字化禽畜疾病诊断方法多是基于禽畜的一种特征信息进行分析诊断,这使得诊断系统的诊断准确度受到影响,诊断结果说服力不足。同时目前的大多数数字化禽畜疾病诊断方法还存在诊断泛化能力差、抗干扰能力差等问题,这些问题制约了其推广与应用。未来畜禽疾病自动诊断的研究重点是提高其传感算法的精度和数学模型的适用性与鲁棒性,并进一步发展基于多种特征耦合与数据融合的智能化畜禽疾病诊疗专家系统,争取实现实时、高效、智能、精准的畜禽健康诊断。 相似文献