关中地区规模化奶山羊养殖场机器挤奶现状及建议

对陕西省关中地区31个不同规模的奶山羊养殖场使用机器挤奶的相关数据及资料进行分析。结果表明,不同奶山羊养殖场规模、挤奶设备、挤奶时间、质检方式和羊奶售价等方面均存在差异;机器挤奶流程、挤奶次数和环境卫生等影响到奶山羊乳房健康和羊奶品质。应加强对养殖场挤奶机器的管理,规范机器挤奶技术流程,提高奶山羊养殖场生产效益。     

基于机器视觉的火龙果自动分级系统设计

针对目前水果机械化分级效率低、效果差的现状和机器视觉技术在水果分级检测的应用前景,提出了利用机器视觉的技术对火龙果进行分级的方法。通过利用CCD摄像机和DSP处理器对火龙果进行缺陷检测及大小和色度的分级。试验结果表明:基于机器视觉的火龙果自动分级系统可以高效率、高准确率地实现对火龙果的自动分级,为后续产业化机器视觉水果分级系统提供了技术支持。     

机器学习及其在农业中应用研究的展望

机器学习是一种面向机器的数据分析方法,自动化机器学习的研究促进了人工智能的发展。大数据的快速积累,促进了机器学习算法的井喷式发展。如何选择合适的机器学习算法解决行业问题,成为了当前应用的难点。笔者整理了机器学习新材料,对各种机器算法的特点和算法之间的差异,进行了仔细的梳理,总结了各种算法的需求背景和优缺点,以及主要的应用场合。在此基础上,分析了机器学习在农业应用的案例,综述了机器学习在农业应用,指出了目前存在的发展瓶颈,并提出了进一步研究应用的建议。     

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。     

基于机器视觉的育肥猪分群系统设计与试验

为控制育肥猪出栏时的体质量差异,该研究开发了一套基于机器视觉技术的育肥猪分群系统,该系统通过机器视觉技术和卷积神经网络模型代替传统地磅对猪只体质量进行估测,可有效避免粪污对设备精度的影响及腐蚀;以前一天全部猪只体质量数据从小到大排列的第30%个数据作为当日的分群基准质量,将大于等于基准质量的视为长势较快的猪只,小于基准质量的视为长势较慢的猪只,每次采食按照猪只长势快慢分为2群进行饲喂;该系统依托于LabVIEW软件开发平台和物联网系统构建,平均每头猪只通过系统时间为6.2 s。为验证该系统的实际应用效果开展了为期30 d的现场试验,将饲喂于装有分群系统猪栏中的120头长白育肥猪作为试验组,由分群系统按猪只长势快慢分群饲喂;将饲喂于传统猪栏中的120头长白育肥猪作为对照组,按照传统人工调栏的方式进行饲喂。试验开始时试验组和对照组猪只平均体质量分别为32.21、31.76 kg,标准差分为别2.61和2.49 kg;结束时试验组和对照组猪只平均体质量分别为57.68、57.41 kg,标准差分为别5.26和5.51 kg,总料肉比分别为2.31和2.34,期间试验组猪只体质量的标准差小于对照组,但是2组猪只平均体质量、标准差、总料肉比均不存在显著差异,表明采用该系统对猪只进行分群饲喂控制猪只体质量差异效果等同于人工调栏,同时可以节省人力成本,缓解农业劳动力短缺的压力。该研究也可为母猪饲喂站、种猪测定站等智能化养猪设备的研发提供参考。     

高起点规划高标准建设 创建林果生产全程机械化三新示范园区

沛县以"一项行动、两大工程"为抓手,高起点规划、高标准建设林果生产全程机械化三新示范园,加快"机器换人"步伐,促进林果生产农机装备转型升级。     

宁波农业“机器换人”示范创建成绩亮眼

近日,浙江省农业农村厅公布了2019年农业"机器换人"示范单位名单,宁波市奉化区、象山县被评为浙江省农业"机器换人"示范县(区),慈溪市为农业主导产业"机器换人"示范市,海曙区集士港镇、象山县鹤浦镇为农业"机器换人"示范乡镇,海曙鄞江卧心牧场等13个基地为农业"机器换人"示范基地。自2017年开展农业"机器换人"示范创建以来,宁波市共成功创建省农业"机器换人"示范县5个、农业主导产业"机器换人"示范县1个、示范乡镇21个、示范基地57个,创建步伐领跑全省。     

基于机器视觉的无人机油菜长势调查研究

精准农业以实时准确地获得作物生长信息为前提,可精确调控各种环境因素,促进农业物资合理利用和实现高产。在各种生长信息中,作物长势相关的参数是研究的重点。基于无人机的作物长势调查能够适应农田的复杂环境,在作业效率和降低成本上也有明显的优势。为此,开发了基于机器视觉的油菜长势调查方法,利用无人机搭载数码相机拍摄油菜图像,经过机器视觉分析处理后区分不同生育时期的油菜。以H分量值作为与生物量相关的特征参数,用于反映油菜的长势。在实际的应用中,建模样本的H值与实测生物量之间存在极显著的相关性,建立的模型准确计算出检验样本的生物量,为油菜的长势调查和产量预测提供了依据。