大棚智能除草机器人设计

针对大棚内除草环境复杂，且杂草种类繁多导致识别困难的特点，设计了一种机械式智能除草机器人。对试验田数据进行采集后，使用Yolov5模型进行150次迭代训练，最终训练出模型平均精度(map50)为82%,为了提高识别准确率，迭代次数增加到300次，最终模型平均精度(map50)为91%,机器人使用了Jetson Orin nano开发板为处理器，Intel D435深度摄像头进行数据采集，图像处理时间为1.2 ms,满足实时处理要求。采用机械式除草，减少了农药使用，该研究可为以后智能除草设备设计提供参考。     

银川地区3种羊肉氨基酸组成及营养价值分析

对同一舍饲条件下宁夏滩羊、黑山羊和杜滩寒杂交羊背最长肌的氨基酸进行检测分析,旨在为3种羊肉评价提供基础数据。结果表明:3种羊肉中氨基酸种类丰富,17种氨基酸质量比均在17 g/100 g以上,其中黑山羊肉氨基酸质量比高于宁夏滩羊和杜滩寒杂交羊,7种必须氨基酸质量比以宁夏滩羊最高,占氨基酸总量的41.44%,而蛋氨酸质量比在3种肉品中普遍较低,是限制性氨基酸;3种羊肉的EAA/TAA和EAA/NEAA比值均超过了40%和60%,其中杜滩寒杂交羊EAA/NEAA和EAA/TAA均最高,达71.64%和41.74%,其肉品营养价值高于宁夏滩羊、黑山羊;3种羊肉中呈味氨基酸质量比高,苦味、甜味和鲜味氨基酸总和占总氨基酸的比例达到96.5%以上;3种羊肉中蛋氨酸+胱氨酸(MET+CYS)的质量比均超过理想蛋白质的93%以上且接近理想状态,它们中的苏氨酸(THR)、缬氨酸(VAL)、异亮氨酸(ILE)、亮氨酸(LEU)、苯丙氨酸+酪氨(PHE+TYR)、赖氨酸(LYS)质量比分别超过理想蛋白质中相应的氨基酸。     

不同采收模式对烤后烟叶产质量的影响

为安康烟区烟叶的适熟采收及提高其烘烤质量提供科学依据,采用密集烤房"8点式"烘烤工艺方法,研究3次采收(5-5-8)、4次采收(4-4-4-6)和常规5次采收(3-3-3-3-6)对云烟97和云烟87烤后烟叶产质量的影响。结果表明:产量,云烟97和云烟87均5次采收模式最高,分别为2 798.4kg/hm2和2 265.8kg/hm2,4次采收模式与5次采收模式间差异不显著;外观质量,云烟97以4次采收模式最优,云烟87以5次采收模式和4次采收模式最优;感官质量,云烟97上部叶4次采收模式和中部叶5次采收模式的综合得分最高,分别为71.4分和71.7分,其质量档次均中等;云烟87上部叶和中部叶均以5次采收模式综合得分最高,分别为74.3分和75.5分;4次采收模式和5次采收模式上部叶的质量档次均为中等+,中部叶均为较好-。安康烟区烟叶云烟97和云烟87均以4次采收模式和5次采收模式为宜。     

天然林保护工程的发展对策和建议

随着经济快速发展对于社会的影响,人们对于环境资源重视程度逐渐增加,森林资源已经成为了环境保护的重要方式和手段。天然林是森林资源的重要组成部分,对于天然林实施保护已经成为了各方关注的话题。本文主要对天然林保护工程提出发展建议,希望能够对相关人士有所帮助。     

基于泛在末端感知的 单户故障研判定位及主动抢修

文章围绕国家电网公司因故障停电、95598工单报修时间过长、故障类型无法研判同时等日益突出的问题,采取集中、实验的调研方式,进行现场论证。操作过程中,通过采集宽带技术的提升,加强营销、运检、调控中心三个专业之间的协同,实现停电信息主动上报,最终提升客户供电服务水平。     

浅谈如何在新农村中开展林果技术服务

目前,土地流转、技术服务、推广资金、人员素质等一系列问题,严重制约了新农村林果经济的生产与发展.在建设社会主义新农村的伟大历史时期,要增加农民收入,大力发展林果经济,重点加强科技推广,林业资源开发,林业技术人员培训等,努力提高林果技术服务的水平和效果.     

试论如何提高园林绿化养护施工质量

园林绿化作为我国城市建设的重要部分,对提高我国人民的生活质量有着较好的积极作用,但是园林绿化养护施工存在一定的复杂性及专业性,整个过程要考虑到的因素较多,难以充分发挥园林绿化工程的功能效用。为促进园林绿化养护施工质量的提升,本文就针对园林绿化养护施工的主要特点进行分析,根据实际情况提出一些具体建议,希望能为园林绿化养护施工的进步和发展提供有利依据。     

基于机器视觉的马铃薯晚疫病快速识别

晚疫病是马铃薯的一种严重病害,可造成减产甚至绝收。因此马铃薯晚疫病的识别与控制对提高其产量有非常重要的意义。该文基于机器视觉技术对马铃薯叶部晚疫病进行检测,根据马铃薯叶片上晚疫病斑的颜色、纹理和形状特征参数的不同,提取叶片表面的特征参数,并建立数学模型对病害程度做出评价。在RGB、HSV颜色空间中,根据马铃薯叶片在患病早期叶片颜色发生变化且与健康叶片不同,利用颜色特征,建立马铃薯晚疫病的无病和患病模型,该模型对马铃薯患病早期的识别率为67.5%。利用灰度共生矩阵,采用纹理统计参数进行病害等级评价,用熵值和能量值描述晚疫病的严重程度,纹理特征对患病程度的识别率比较稳定,对患病中期与后期的识别率分别为72.5%与80%。利用形状特征的相对特征,根据病斑面积比进行晚疫病诊断,该方法对马铃薯叶片晚疫病患病后期的诊断取得较好效果,识别率为90%,但由于叶片患病早期的病斑面积小且分散,识别难度大,识别率仅为50%。针对颜色、纹理及形状特征在识别马铃薯叶片晚疫病时的优势与局限性,提出颜色纹理形状特征结合的识别方法,对患病中期与后期的识别率分别为90%和92.5%。通常马铃薯晚疫病的理化值检测法耗时数天,但利用机器视觉识别马铃薯晚疫病患病情况非常快速,根据颜色特征进行病害识别的时间约为4 s,纹理特征识别的时间为7 s,形状特征特征识别的时间为3 s,综合颜色纹理形状特征的识别由于计算量较大,识别时间为9 s。该研究可为基于机器视觉的马铃薯晚疫病的快速检测提供理论依据。