高标准农田抗洪灾能力调研分析

我国是洪涝灾害频繁发生的国家之一。近年来,极端天气气候事件多发频发,尤其是暴雨的强度和频度增加,应持续加强农业防灾减灾能力建设。本研究拟将洪灾对农田的不利影响进行量化表征,通过调研获取高标准农田项目区与相邻未建高标准农田区域在同一次洪灾中的减轻灾害损失的量化指标,对比分析相关指标,从而获得高标准农田防御或减轻灾害的能力。调研案例结果表明：在洪灾中,一般情况下,高标准农田项目区的田间基础设施（灌溉与排水设施和田间道路）受损程度比未建高标准农田区域低1个等级,主要为轻度或中度损毁;高标准农田项目区的田间积水深度、积水时间、散墒时间均小于未建高标准农田区域,平均分别减少35%、50%、40%,综合而言,高标准农田项目区的受涝渍程度比未建高标农田区降低43%;在设计洪水标准范围左右,高标准农田区平均减产15%,比未建高标准农田区域少约30%;但如同时遭遇特大洪水、极端暴雨或不利地形条件影响,高标准农田项目区也可能遭受田间基础设施重度损毁、农田严重涝渍、在田作物绝收等严重损失。     

基于归一化植被指数的农田边界识别方法

农田边界识别对智能农机装备作业具有重要的指导性作用，为实现农田边界的精准识别，提出一种基于归一化植被指数的农田识别方法。由于农田图像地物信息复杂，普通RGB图像处理结果受环境影响较大，模型鲁棒性差，为解决这一问题，通过测绘无人机获取农田多光谱数据，基于不同区域归一化植被指数(NDVI)的差异，利用大津阈值分割法实现农田的有效分割。针对杂草和树木等过分割问题，通过计算联通区域的大小与长宽比的方法，在保证农田识别精度的情况下，减少其他因素干扰，最后通过Canny边缘检测算法提取农田边界。通过验证，本研究方法对农田的识别准确率达95%以上，可以为智能农机装备提供作业环境数据。     

基于高光谱成像技术的苹果表面轻微损伤检测

为了研究检测苹果表面轻微损伤的有效的方法,以红富士苹果为试验样本,通过高光谱成像采集系统采集苹果样本的高光谱图像,根据正常苹果表面区域和刚损伤、损伤后(3,10,24h)的损伤区域光谱反射率平均曲线得到有效光谱区域;用掩膜法对图像进行背景分割,并基于有效光谱区域做主成分分析,选取第四主成分(PC4)提取损伤区域,运用阈值分割的方法建立提取损伤区域的算法模型;应用该算法模型对正常苹果和损伤苹果进行检测。检测结果表明:正常苹果样本正确检测率达到100%,损伤苹果样本的正确检测率为97.5%,总体检测精确度高达98.75%,说明利用高光谱成像技术可以有效快速检测出苹果表面的轻微损伤。     

基于改进区域卷积神经网络的田间玉米叶部病害识别

目的 引入区域卷积神经网络Faster R-CNN算法并对其改进,以实现在田间真实环境下背景复杂且具有相似病斑特征的玉米病害的智能诊断。方法 在玉米田间和公开数据集网站获取具有复杂背景的9种常见病害图像1 150幅,人工标注后对原始图像进行离线数据增强扩充;对Faster R-CNN算法进行适应性改进,在卷积层加入批标准化处理层,引入中心代价函数构建混合代价函数,提高相似病斑的识别精度;采用随机梯度下降算法优化训练模型,分别选取4种预训练的卷积结构作为Faster R-CNN的特征提取网络进行训练,并测试得到最优特征提取网络,利用训练好的模型选取不同天气条件下的测试集进行对比,并将改进Faster R-CNN与未改进的Faster R-CNN和SSD算法进行对比试验。结果 在改进Faster R-CNN病害识别框架中,以VGG16卷积层结构作为特征提取网络具有更出色的性能,利用测试集图像检验模型,识别结果的平均精度为 0.971 8,平均召回率为0.971 9,F1为0.971 8,总体平均准确率可达97.23%;晴天的图像识别效果优于阴天的。改进Faster R-CNN算法与未改进的Faster R-CNN算法相比,平均精度高0.088 6,单张图像检测耗时减少0.139 s;与SSD算法相比,平均精度高0.0425,单张图像检测耗时减少0.018 s,表明在大田环境中具有复杂背景的玉米病害智能检测领域,改进Faster R-CNN算法综合性能优于未改进的Faster R-CNN算法和SSD算法。结论 将改进后的Faster R-CNN算法引入田间复杂条件下的玉米病害智能诊断是可行的,具有较高的准确率和较快的检测速度,能够避免传统人工识别的主观性,该方法为田间玉米病害的及时精准防控提供了依据。     

山东寿光不同农业利用方式下土壤铅的累积特征

采用田间实地调查、地统计学和ICP-MS等方法,研究了基于GIS分析的山东省寿光市农业土壤中铅的含量及其空间分布特征,并比较了农业利用方式的影响.结果表明,研究区域农田中铅的平均含量为(17.97依1.22)mg·kg-1,与1990年山东省土壤背景值比较,有8.59%的样本出现了累积趋势,而以国家土壤质量域级标准(GB 15618-1995)为基础进行分析则尚未发现超标样本;研究区域内4种主要农业利用方式比较,小麦/玉米/棉花为主的传统种植模式下土壤的铅含量最高,达(19.83依5.34)mg·kg-1,其后依次为露天菜地、设施菜地和对照土壤;研究区域内土壤铅含量在空间分布上以东北部、西部和西南部较高,且有由东北和西南向中部逐渐降低的趋势.设施种植条件下,土壤铅含量有随设施年限增加而升高的趋势(P<0.05),年累积速率为0.40mg·kg-1,导致这种结果的原因可能在一定程度上与含铅量较高的有机肥大量施用有关.总体来说,目前研究区域土壤中铅含量尚处于正常范围,但从长远看仍需要注意其累积问题.     

苏南地区变量施肥电子处方图系统的构建与应用

为在苏南地区农村推广变量施肥技术提供一种可能的实施途径,根据苏南地区的农业生产实践经验,探讨一种简易的农田施肥处方的获取途径,并结合百度地图API构建变量施肥电子处方图系统,对系统结构和实现方法进行了详细介绍,重点讨论农田电子地图的构建与应用普通精度GPS模块实现田块快速定位识别的方法。以江苏省南京市双鱼龙庄13.3hm2试验田为测试对象,在Android设备上构建相应的电子处方图系统,并进行基于自然田块的定位识别性能测定试验和变量施肥试验。试验结果表明:系统测试数据稳定,定位信息经过卡尔曼滤波算法处理后,当测试点距离农田边界2m时,定位识别正确率达到86.8%,距离边界2m时,定位识别正确率达到100%。系统指导变量施肥机施肥,其实际播量相对误差小于5.9%。说明本系统能够有效识别作业位置,具备指导田间变量施肥的能力。具备在苏南地区农村推广应用的前景。     

电压凹陷的改进S变换检测方法

提出了一种利用改进S变换模时频矩阵检测电压凹陷特征量的方法.为达到最优分析性能,在保证基频幅值向量平直性的基础上,使其过渡时间最小,以此确定改进S变换的窗宽系数,从而能够准确检测出持续时间小于2个周期的短时电压凹陷幅值.提出利用基频幅值差分向量检测电压凹陷的起止时刻,以克服现有S变换方法对噪声敏感和定位效果受突变幅度影响的缺陷.通过与S变换方法的比较,证明了本文方法明显提高了电压凹陷幅值检测能力和起止时刻定位能力.     

基于改进Mask R–CNN的多片烟叶部位的同步识别

为解决烟叶智能分级识别中需对多片散放烟叶同步进行部位识别的问题,提出一种基于改进Mask R–CNN的多片烟叶的部位同步识别方法：在Mask R–CNN区域建议网络中引入K–means聚类算法,对已标注目标检测框进行聚类,实现对预设的5种尺度的锚点尺寸和3种比例的锚点长宽比的优化,使其更加符合烟叶图像数据的分布特性,达到提高生成建议框的精确性、缩短识别时间的目的。基于采集的烟叶图像数据集,验证改进Mask R–CNN方法的有效性。结果表明,当IoU为0.5时,改进MaskR–CNN单样本耗时313ms,比MaskR–CNN的326ms快,在测试集上的均值平均精度(mAP)提高了3.56%。与FasterR–CNN和SSD目标检测算法相比,在准确率和召回率上也表现出优势。     

湘潭县农田土壤重金属污染及生态风险评价

为探讨湘潭县农田土壤重金属的污染特征及潜在生态风险,以湘潭县农田土壤为研究对象,分析了土壤中As、Hg、Zn、Pb、Cu、Cr、Cd、Ni 8种重金属元素含量和污染特征,并利用潜在生态危害指数法评价了该区域农田中土壤重金属的综合潜在生态风险。结果表明:8种重金属中Cd含量平均值高于风险筛选值,低于风险管制值,其他7种重金属含量的平均值均低于风险筛选值,且Cd和Hg累积程度较高,其最小值分别是背景值的1.53倍和1.04倍。在单项污染风险评价中,超过90%的样本Cr、As、Hg、Pb含量小于风险筛选值,90.4%的样本Cd含量大于风险筛选值,且Cd含量高的区域主要分布在东部地区,没有Cr、As、Hg、Pb和Cd含量大于风险管制值的样本;综合污染风险评价结果显示92%的样本可能存在食用农产品不符合质量安全标准等的土壤污染风险。综合潜在生态风险系数的平均值为314.9,处于强潜在生态风险水平。通过以上分析说明,该区农田土壤重金属整体呈现出高生态风险状态,这种现象主要是由该区农田土壤中Cd的污染程度比较高造成的。     

云南省种植马铃薯农户氮磷钾养分投入及其土壤养分平衡状况分析

【目的】了解云南省马铃薯农户种植状况,为进一步优化马铃薯种植提供参考。【方法】采用实地访问和田间调查的调研方法,对云南省典型马铃薯种植区域的农户产量、肥料用量和养分平衡等数据进行了分析。【结果】云南省马铃薯种植户的氮、磷、钾养分平均用量分别为222.5、111.3和60.8 kg/hm~2。滇北氮肥和钾肥用量较高。农田氮、磷平均盈余量分别为139.2、60.6 kg/hm~2,钾的亏缺量为59 kg/hm~2。【结论】云南省马铃薯种植应调整氮磷钾施肥比例,减少氮肥用量、增加钾肥施用量。     

基于改进YOLOv5＿OBB的中华绒螯蟹旋转目标检测

【目的】提出一种基于改进YOLOv5＿OBB的旋转目标检测方法,快速、准确地检测和定位中华绒螯蟹。【方法】首先,在YOLOv5＿OBB的主干网络中引入高效通道注意模块;其次,采用BiFPN网络结构进行特征融合模块设计,实现高效的双向跨尺度连接和加权特征融合;最后,采用变焦损失(varifocal loss)解决正负样本不均衡问题。【结果】改进后YOLOv5＿OBB模型的P(precision)、R(recall)和mAP(mean average precision)分别达到95.4%、95.2%和90.1%,比原模型分别提高了1.0%、1.9%和1.3%。【结论】该模型能够实时、准确地检测和定位中华绒螯蟹,实现自动化养殖。     

基于无人机多光谱影像的小麦封垄前种植行识别方法改进

【目的】 为实现小麦精准管理,准确识别其种植行位置具有重要意义。本研究分别针对传统Hough变换法和绿色像元累积法存在的缺陷进行改进,并对改进前、后不同方法在小麦种植行识别上的精度进行对比分析,为小麦种植行精准提取提供技术支撑。【方法】 本研究开展了小麦水、氮耦合试验,在小麦拔节前期,基于四旋翼无人机携带RedEdge M传感器获取小麦不同生长条件下多光谱影像。基于上述数据,首先采用超绿超红差分指数和Otsu方法对影像分割、分类,获取植被/土壤二值图;其次,采用3×1线型模板进行形态学开运算,降低边界不规则度并去除噪音;然后,结合无人机影像中小麦种植行排布特点,分别针对传统Hough变换法的峰值检测过程和绿色像素累积法的角度检测过程进行优化,提出改进的小麦种植行识别方法;最后,分别将两种方法改进前、后的识别结果与目视解译种植行位置结果进行对比,基于检出率和作物行识别精度（crop row detection accuracy,CRDA）评价4种方法的优劣。【结果】 采用超绿超红差分指数与Otsu方法可以很好对植被/土壤进行分类,分类结果的总体精度达到93.75%,Kappa系数为0.87;形态学运算可以很好地去除图像噪声,减少后期种植行识别误差;改进后Hough变换法通过利用先验知识对峰值检测范围进行约束,有效提升了种植行检测精度,种植行平均检出率从30%提升至67%,CRDA平均值从0.22提升至0.44;改进后绿色像元累积法通过考察整幅影像的绿色像元累积特征,有效提升角度检测精度,种植行平均检出率从14%提升至93%,CRDA平均值从0.12提升至0.69;4种方法的识别精度从高到低依次为改进后绿色像元累积法、改进后Hough变换法、改进前Hough变换法、改进前绿色像元累积法。【结论】 本研究较好地改进了传统种植行识别方法,为种植密度大、行间距小的小麦种植行识别提供了技术支撑。     

条耕种植对薄层黑土农田土壤物理性质与玉米产量的影响

【目的】探究不同种植年限与种植方式对松辽平原南部薄层黑土农田土壤改良与产量的影响。【方法】采用田间定位试验,分析条耕（ST）、免耕（NT）与常规垄作（CT）3 种种植方式下土壤物理性质与产量性状的变化。【结果】种植 2 年地块,ST、NT 与 CT 处理的耕层厚度与田间持水量无显著差异,而种植 4 年地块 ST处理耕层厚度和田间持水量分别较 CT 增加 15.46% 和 30.28%,与 NT 无差异。0~20 cm 耕层土壤,ST 处理下种植 2、4 年地块土壤穿透阻力分别较 CT 增加 57.57%、42.86%,较 NT 处理分别降低 5.2%、19.22%,3 种耕作方式处理下种植 2 年和 4 年地块土壤容重与土壤孔隙度均无显著差异。20~40 cm 亚耕层土壤,仅种植 4 年地块的ST 处理土壤容重较 CT 降低 11.56%,与 NT 无差异,而 ST 处理下种植 2、4 年地块的土壤穿透阻力分别较 CT 降低 5.22%、19.62%,土壤孔隙度相应分别提高 11.80%、15.92%。产量上,种植 2 年地块 ST 处理较 CT、NT 分别增产 3.62%、3.52%,而种植 4 年地块,ST 处理较 CT、NT 分别提高 16.08%、9.29%。产量构成因素分析结果表明,单位面积有效穗数增加是条耕种植玉米实现增产的主要原因,随机森林模型结果进一步表明,耕层厚度与耕层穿透阻力分别是种植 2 年和 4 年条件下影响玉米产量最主要的因子。【结论】松辽平原南部薄层黑土农田种植玉米,采用条耕种植方式有利于薄层黑土农田良好耕层结构构建与产量水平提升。     

安全利用区和严格管控区稻米重金属健康风险评价

为了解广西某重要粮食产区重金属污染情况及其稻米的健康风险,协同采集该区域33对土壤表层样品和稻米样品,测定土壤和稻米中Cd、Hg、As、Pb和Cr含量并协同划分土壤环境质量类别,采用健康风险模型评价安全利用区和严格管控区稻米对儿童和成人的健康风险。结果表明：该区域农田土壤超过《土壤环境质量农用地土壤污染风险管控标准（试行）》（GB 15618—2018）筛选值的重金属元素为Cd和As,Cd和As超过筛选值的点位占比分别为60.61%和12.12%,Cd超过管制值的点位占比为36.36%,其他元素均未超过筛选值;稻米中仅元素Cd超过标准限值（0.2 mg·kg^-1）,超标率为39.39%。调查区域优先保护类、安全利用类和严格管控类农田土壤面积占比分别为22.51%、40.69%和36.80%。安全利用区和严格管控区的稻米对儿童和成人均存在非致癌和致癌健康风险,且严格管控区稻米的非致癌和致癌健康风险均高于安全利用区稻米,严格管控区稻米的平均非致癌风险指数和致癌风险指数分别是安全利用区稻米的4.44倍和3.74倍,其中安全利用区稻米的健康风险主要来源于Cd,严格管控区稻米的健康风险则来源于Cd和As。针对安全利用区农田需要采取如水分管理、种植低累积品种和施用钝化剂等措施降低稻米Cd的健康风险,而严格管控区农田则需进行种植结构调整,从而保障当地居民身体健康。     

绵羊群体中不同布鲁氏菌病血清学诊断方法比较研究

布鲁氏菌病(Brucellosis)是由布鲁氏菌属细菌(Brucella)引起的人畜共患传染病,在世界范围内广泛分布,造成重大经济损失和严重公共健康问题。利用菌体细胞或光滑型脂多糖(S-LPS)作抗原,检测待检动物血清中抗体血清学诊断方法,是布鲁氏菌病检疫主要手段。但目前尚无完美的单一检测方法用于动物布鲁氏菌检测。本研究针对RBT,SAT,i ELISA和c ELISA四种常用检测方法,在绵羊群体中(n=204),利用敏感性、特异性、Youden指数、AUC值等参数评估其准确性。应用单一方法检测时,i ELISA敏感性最高(93.15%);SAT特异性最高(98.47%);i ELISA的Youden指数和AUC值最大,分别达到88.75%和0.94。四种不同检测方法中,i ELISA和c ELISA之间符合率最高(87.25%),SAT和i ELISA之间Kappa值最高(0.72)。两种方法组合作平行试验时,所有组合以SAT+i ELISA的Youden指数值和AUC值最大,分别达到92.27%和0.96;系列试验时,RBT+i ELISA的Youden指数值和AUC值最大,分别达到83.70%和0.92。研究结果将为布鲁氏菌病净化过程中检测组合的筛选提供参考,从而提高诊断准确性。     

基于改进Bernsen 二值化算法的 植物病害叶片病斑检测

针对大区域田间复杂背景下植物病害远程识别中的叶片病斑检测难问题,提出一种基于改进Bernsen二值化算法的植物病害远程检测方法。通过物联网采集不同区域的植物叶片图像,根据在RGB和HIS颜色空间中叶片病斑与正常叶片和背景的色调差异的特点,利用改进Bernsen二值化算法分别在图像的R、G、B、H 4个颜色通道上提取病斑,然后进行病斑图像融合,得到病斑图像。采用该方法对多幅物联网视频植物病害叶片图像进行病斑分割。实验结果表明,该算法在复杂背景环境下能够有效分割植物病斑图像,去除大量复杂背景,得到病斑图像。该方法能够为大区域植物病害远程智能监控系统提供技术指导。     

基于空地多视角RGB影像协同的病害香蕉植株监测

【目的】利用空地RGB影像探索病害香蕉植株精准监测方法,为构建面向大面积香蕉种植区域中发病香蕉高效精准监测的智能系统提供技术支撑。【方法】通过无人机和地面移动设备拍摄,建立空地多视角病害香蕉植株RGB影像数据集,综合注意力机制和深度可分离卷积策略开发出检测大面积种植区域中病害香蕉植株数量的轻量化深度学习模型,运用多视角目标校对计算实际病害香蕉植株数量及发病率信息。【结果】改进后的模型比YOLOv3、YOLOv4和YOLOv5中最优基础模型性能指标更优。在空地多视角病害香蕉植株目标检测试验中,该模型全类平均精确率（m AP）达94.95%。基于该模型完成了大面积种植区域病害香蕉植株的监测,且发现病害香蕉植株多位于曾遭受过病害影响而形成的秃斑一样的区域内或其边界上,表明病害香蕉植株具有传染性。此外,完成了规范化小型试验地块中处于缓苗和营养生长期的中蕉4号香蕉的病害信息统计,模型检测所得香蕉发病率误差为0.31%,需人工巡检校对的数量大幅下降82.98%～100.00%,且发现该品种香蕉也表现出典型的多年生作物生长特征。【建议】为解决大面积种植区域中病害香蕉植株精准监测难和检测模型泛化能力不...     

三亚市农田土壤养分现状及施肥建议

测土配方施肥项目的实施,对摸清三亚市农田土壤状况及肥料使用具有较大意义。通过对三亚市农田土壤样本的采集和检测分析表明,三亚市农田土壤总体显偏酸性,平均pH值5.33;耕层土壤有机质含量范围在0.15%～6.17%,平均为1.66%,标准差0.22;有效磷含量范围在0.36～375.76 mg/kg,平均为33.07 mg/kg,标准差为21.13;速效钾含量范围在0.42～677.68 mg/kg,平均为66.96 mg/kg,标准差为37.06;碱解氮含量平均值为86.81 mg/kg,其变幅范围为1.36～683.53 mg/kg,标准差为12.23。通过全市各镇的土壤养分含量,制定了各镇不同作物的施肥指标建议。     

基于中分辨率影像的农田管理单元自动提取研究

【目的】结合"面向对象"的农田管理思想,提出农田管理单元(farmland management unit,FMU)的概念及自动提取方法,并在此基础上探讨和评价中分辨率影像用于农田管理单元自动提取的可行性及效果。【方法】以江苏省2006年一景Landsat5TM影像中两块典型区域为例,通过决策树分类和多尺度分割等方法实现FMU自动提取。结合人工解译研究区SPOT-5高分辨率影像得到的地块边界信息,对FMU图斑内像元异质性和地块边界吻合度相关指标进行计算和分析。【结果】试验区内作物地块的总体分类精度均超过90%。两块试验区内反映FMU图斑异质性的平均标准差和平均极差分别较全区作物地块整体低70%以上和45%以上;反映FMU地块边界吻合度的误分地块率和面积偏差率均低于10%。此外,多尺度分割中层权重、分割尺度、形状因子和紧凑度因子的设置对FMU的自动提取效果有不同程度的影响。【结论】基于中分辨率影像的FMU自动提取方案基本可行,在研究区内能够获得单元内异质性较低且单元边界与地块边界吻合度较高的提取结果,符合农田管理的要求。     

基于机器视觉的叶菜类蔬菜菜垄识别算法

针对目前叶菜类蔬菜田间作业自动化程度低,缺乏适用自主导航技术等问题,提出一种基于机器视觉的叶菜类蔬菜菜垄识别算法。利用改进超绿算法(Gray=2Cg-Cr-Cb)对菜地图像进行灰度化,通过二值形态学变换和连通区域提取获得菜垄区域和边界,基于Huber损失函数进行边界曲线拟合,最终提取导航基准线。图像处理结果表明:1)本研究提出的识别算法在不同光照环境下具有较好的鲁棒性,自然综合光照条件下导航基准线提取成功率为97.5%;2)基于Huber损失函数获取到的导航基准线,平均均方根误差为0.668像素,比最小二乘法高72.5%,平均角度偏差为0.273°,比最小二乘法高72.6%,且处理速度与最小二乘法相似。试验证明本研究算法可实现在自然光照条件下对叶菜类蔬菜图像的菜垄识别和导航基准线提取。