一种基于偏好免疫网络多特征辨识的油茶果分选识别方法

针对油茶果采摘、脱壳后机器视觉分选效率不高的问题,提出一种多特征偏好人工免疫网络算法,该算法应用人工免疫网络的多目标优化与偏好数据库特征,提取油茶目标的颜色、形态多特征输入免疫网络进行仿真测试。试验结果表明,本文提出的多特征偏好免疫网络的识别率最高达到90%以上。相比单特征分选方法有了较大的提升,证明本文分选方法的有效性,并为农林业目标智能化分选辨识提供一种可行的方案。     

误差分配方法的分析与应用

不管是生活中,还是零件制作过程中,都需要测量。在测量的过程中,都会产生各种不同的测量误差,最后得出的综合误差是各个测量过程中产生的误差共同作用的结果。文章分析了误差分配方法,并对其应用进行研究,供参考。     

基于NRC模型下不同程度热处理豆渣的营养价值与分子结构功能团特征的相关关系

本试验旨在研究基于NRC模型下不同程度热处理豆渣的营养价值与分子结构功能团特征的相关关系。利用烘箱对豆渣进行不同温度(100、115、130℃)下不同时间(2、4、6 h)的热处理,采用NRC(2001)模型预测不同程度热处理豆渣的代谢蛋白质产量、可消化养分含量和能值,同时利用傅里叶变换红外光谱(FTIR)技术分析不同程度热处理豆渣的分子结构功能团特征,并分析它们之间的相关关系。结果表明:1)随着温度的升高以及加热时间的延长,豆渣的代谢蛋白质产量、可消化养分含量和能值呈现出降低的趋势。2)温度和时间对豆渣的分子结构功能团存在显著的互作效应(P<0.05)。3)酰胺Ⅰ带与结构性碳水化合物峰面积比值(AmideⅠ_STCHO)和酰胺Ⅰ带与总碳水化合物峰面积比值(AmideⅠ_CHO)可以共同作为预测因子估测瘤胃可降解蛋白质(R^2=0.35,P<0.05)、过瘤胃蛋白质(R^2=0.35,P<0.05)、小肠可吸收过瘤胃蛋白质(R^2=0.33,P<0.05)和瘤胃可降解蛋白质可合成菌体蛋白质(R^2=0.35,P<0.05)含量。综上所述,不同程度热处理豆渣的分子结构功能团与其代谢蛋白质产量、可消化养分含量和能值之间存在相关关系,初步证明可以利用分子结构功能团对热处理豆渣的营养价值进行快速分析和估测。     

茶薪菇长袋堆垛式高产高效栽培新技术

文章结合西北地区的实际情况,从栽培场所与季节选择、栽培种制备、培养料配制、装袋灭菌、接种发菌、出菇管理和采收等环节总结长袋堆垛式高产高效栽培茶薪菇技术要点。     

新疆西梅栽培研究进展

西梅的果实是一种具有较高经济价值的储藏器官。新疆是西梅的主要产区之一,为使西梅的果实能具有较高的品质和产量,在适宜砧木的选择、优良品种的搭配、建园模式、高效栽培树形、土肥水管理和病虫害防治等方法和技术上都要有较高的要求。文章综述目前西梅的研究,结合新疆生产现状总结出提高西梅果实品质和产量的一系列方法和措施。     

河西走廊戈壁温室番茄无土栽培基质筛选

为提高番茄无土栽培质量,以番茄品种"金福莱"为试材,研究了6种不同配比基质对河西走廊温室无土栽培番茄生长的影响。结果表明:采用处理Ⅳ(沙∶玉米秸秆∶食用菌下脚料∶商品基质∶鸡粪=4∶5∶5∶6∶3)的基质配比(体积比),番茄光合速率、蒸腾速率、胞间CO_2和气孔导度数值最大,植株保持较强的生长势与结果能力,番茄株高、茎粗、单株结果数、单株产量和折合667 m~2产量等性状均显著优于其他处理,分别为178.60 cm、1.13 cm、16.36个、3.12 kg和7 531.68 kg;其果实的可溶性糖、可滴定酸、可溶性固形物、VC和番茄红素含量最高,分别为4.15%、0.58%、7.30%、302.2 mg/kg和152.4 mg/kg,明显优于其他处理;因此,在河西走廊戈壁温室番茄无土栽培中推荐使用此配比基质。     

茎用芥菜新品种1年2代繁育研究初报

为了探索福建省茎用芥菜1年2代繁育技术，选择6个茎用芥菜品种，分别进行冬春季正常繁育和夏秋季高山加代繁育的2代繁育试验，并对比各品种2代繁育的生育期、株高、株幅和种子产量。结果表明：所有参试茎用芥菜品种只要通过打破种子休眠、衔接好2代繁育的播种期都能完成1周年2代繁育，夏秋季高山加代繁育的全生育期比冬春季正常繁育平均缩短约50 d；冬春季繁育比夏秋季高山加代繁育株高增加31.2%～132.9%，株幅增加1.5%～21.8%，所有参试品种冬春季繁育的种子产量都极显著高于相应夏秋季高山加代繁育，种子产量增加17.8%～153.6%。     

基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。     

松茸人工抚育促繁技术规程

<正>四川松茸主要分布在四川甘孜藏族自治州、阿坝藏族羌族自治州、凉山藏族自治州等地[1],是一种味道鲜美、营养丰富的珍稀名贵食用菌。自1984年开发以来,受到市场高价的诱惑,农民遍山搜寻、轮番抢挖,对松茸展开了掠夺式采集,使四川松茸的产量急剧下降[2]。为了更好地保护与开发松茸资源,笔者在阿坝州开展了多年松茸人工抚育的试验研究,总结出一套松茸人工抚育促繁技术规程。1适用范围规程规定了四川藏区松茸林地清理,自然留种,人工辅