3种不同土壤处理除草剂对棉田杂草的防效

本试验研究了3种土壤处理除草剂对棉田杂草的防除效果,结果表明:50%乙草胺EC、48%仲丁灵EC对棉田杂草的防除效果均较理想,药后45d对棉田杂草的株防效和鲜重防效均达80%以上且对棉花幼苗均未造成明显药害,植株生长正常。     

保护性耕作技术（二）

5.保护性耕作技术流程:前茬作物秸秆或根茬处理→根据不同地域、不同条件进行合理深松→免(少)耕施肥播种处理→杂草控制及防治病虫害处理。二、保护性耕作的起源与发展20世纪初,美国拉开了西部大开发的序幕。机械化翻耕土地,加快了土地开发,获得了几十年不错的收成。然而,由于     

深松技术是机械化保护性耕作技术的关键措施

机械化保护性耕作技术是一种先进的耕作技术，其主要技术内容包括深松技术与表土处理技术、秸秆及残茬处理技术、免少耕播种技术、杂草与病虫害控制技术。其中，深松技术是机械化保护性耕作技术最基础的措施。     

谈农业保护性耕作新技术

1保护性耕作发展概况 保护性耕作是一种新型旱地耕作法,主要包括免耕播种施肥、深松、控制杂草、秸秆及地表处理等4项内容。保护性耕作起源于20世纪30年代的美国,目前美国、加拿大和澳大利亚等国已基本采用了以机械化为支撑的保护性耕作。     

谈农业保护性耕作新技术

1保护性耕作发展概况 保护性耕作是一种新型旱地耕作法,主要包括免耕播种施肥、深松、控制杂草、秸秆及地表处理等4项内容。保护性耕作起源于20世纪30年代的美国,目前美国、加拿大和澳大利亚等国已基本采用了以机械化为支撑的保护性耕作。     

温室大棚中杂草识别系统的应用研究

介绍了一种基于计算机视觉的快速杂草识别算法，能够快速正确地将杂草叶面从复杂的土壤背景中识别出来，从而满足实时地为后续变最控制提供信号的要求。利用AOI测试工具，采集了不同土壤、作物残留物以及各种光照条件下温室大棚内的杂草的图像进行处理，通过提取图像中每一个像素R、G、B的3个分量值计算出(2G-R—B)颜色特征值，将彩色图像转变成灰度图像显示。     

玉米田草害的防治及注意事项

针对当地玉米田杂草发生种类及其危害特点，采取以农业防除为基础，以“封杀结合”化学除草为重点，以人工、机械防除为补充，以及各项措施相协调的综合防除策略，有效地控制了玉米田杂草的危害。     

一种基于DSP的杂草图像分割方法

0引言 大面积喷洒农药不仅造成了农药的大量浪费，而且严重地污染了环境，同时，农药在作物中的残留威胁着人类的健康生活。因此，利用机器视觉识别出杂草并实现农药自动喷洒的定量定点化成为精细农业研究的重点。其中，将作物和杂草从数字图像中快速准确地分离出来，对后续杂草识别处理以及实现定量定点喷洒农药具有重要意义。     

基于多特征融合的田间杂草分类识别

提出了一种基于模糊BP综合神经网络的田间杂草分类识别方法。对分类特征进行模糊化处理,充分考虑了杂草的分类特征本身存在的不确定性。使用遗传算法对网络结构进行优化处理,提高了该综合神经网络的收敛性和稳定性。并基于特征级数据融合方法进行杂草识别。对田间7种杂草进行识别的实验结果表明,7种杂草的混合识别率达到94.2%;另外,对玉米及其伴生杂草进行分类测试,混合识别率达到96.7%,具有较好的识别精度。     

智能除草收草机设计

目前，除草作业以人工为主，效率低且劳动成本高，为了解决现代农业中农药残留、铲除杂草不彻底、杂草易再生等问题，研究设计了一种智能除草收草机。该文对智能除草收草机总体结构进行设计分析，主要包括机架、除草结构、铲草过滤结构和收集结构等。除草结构包括推草和割草两部分，此部分是将杂草进行铲除；铲草过滤结构是将杂草铲起并进行过滤；收集结构是将过滤后的杂草进行收集。该机械的设计可有效替代化学除草方式，减少化学药剂残留，符合绿色农业的发展要求，适宜推广应用。     

基于图像处理的田间杂草识别研究进展与展望

杂草是导致农作物减产的一个重要因素,准确的识别是杂草治理的前提和基础,随着计算机和信息技术的进步,机器视觉和图像处理相结合成为了当前杂草检测和识别的主流方法。本文从图像的预处理、分割、特征提取和分类4个角度,详细介绍了当前国内外田间杂草识别的研究进展以及各种分割、提取、识别方法的优缺点。另外,针对目前田间杂草检测中存在的光照环境影响、叶片的遮挡和重叠以及分类器的优化等问题进行了分析和讨论,最后根据目前杂草识别的研究趋势提出了建议与展望。     

杂草自动识别除草机器人设计——基于嵌入式Web和ZigBee网关

为了提高除草机器人自主导航能力和杂草识别率,将嵌入式Web和ZigBee技术引入到了机器人的控制系统中,设计了一种新型杂草自动识别除草机器人。除草器人利用摄像头采集导航图像,利用作物颜色特征在RGB颜色空间对图像进行分割,使用OTSU方法检测作物的中心线,以农作物行中心线为基准线进行自动行走,实现了机器人的自主导航功能。机器人利用杂草识别摄像头识别杂草,使用ARM9处理器对图像进行处理,利用ZigBee发送控制指令,最后由执行末端刀盘去除杂草。为了验证机器人杂草识别和导航性能的可靠性,对机器人的性能进行了测试,结果表明:图像计算和实际机器人测试的位姿结果非常接近,杂草的识别率在99.8%以上,算法的性能可靠,杂草识别精度高,除草机器人的实时性较好。     

保护性耕作条件下小麦、玉米、大豆田间杂草防治存在的问题及对策研究

综述了小麦、玉米、大豆传统耕作条件下的田间杂草防治现状和保护性耕作下杂草防治存在的问题及应采取的对策。认为目前保护性耕作条件下小麦、玉米、大豆田间草害治理上面临的问题有：杂草数量增多，杂草发育参差不齐，发生程度加重，增加了防除难度；杂草群落演替加快，恶性杂草发生趋于严重；除草剂用量增加，一定程度加重了环境污染；杂草的危害致使农作物减产，商品性降低。具体对策包括：加强保护性耕作小麦、玉米、大豆田间杂草演替规律和恶性杂草灾变预报研究；筛选适合小麦、玉米、大豆田间的高效、低污染除草剂；减少小麦、玉米、大豆田间杂草种子来源；加强小麦、玉米、大豆抗除草剂转基因品种研究；加强与杂草竞争性强的小麦、玉米、大豆新品种的研究；加强化学、机械、农业、人工除草相结合的环保型杂草综合控制技术研究。     

基于分形维数的玉米和杂草图像识

提出了利用分形维数来识别玉米和杂草的方法.将田间采集到的原始图像转化到HSI空间,利用H分量的不变特性进行图像变换,以消除光照的影响,有利于图像的分割处理.为了识别出玉米和杂草,比较了3种分形维数的计算公式和计算方法,利用Matlab编写的分形软件得到了玉米和杂草的平均分形维数,试验结果表明:Bouligand-Minkowski方法最佳,其中玉米和杂草的平均分形维数分别为1.204和1.079.利用SVM方法进行识别,正确率可以达到80%.     

规模化猪场粪污处理模式

本文提出了规模化猪场粪污处理的三种模式：还田、无动力－自然处理以及机械化处理。阐述了三种处理模式的原理和工艺设计参数。讨论了三种处理模式的适用条件和各自的优缺点。基于我国的自然经济状况，认为我国大多数规模化猪场适宜于采用无动力－自然处理模式。     

基于DSP和单片机的实时变量喷药系统设计

为防治玉米农田杂草危害,设计了一种基于DSP识别和单片机控制的杂草实时变量喷药系统。数字信号处理器(DSP)实时数据处理能力强,单片机控制能力强。DSP作为喷药系统上位机图像处理模块的CPU,对田间玉米杂草图像实时采集、处理,分离出杂草,生成杂草位置信息表,发送给作为系统下位机控制模块CPU的单片机;单片机通过电磁阀控制6个喷头的开闭实现精准变量喷药。田间试验表明:系统在室外田间复杂情况下可以满足实时精准喷药要求,在作业机械速度为4km/h时,喷药精确度可以达到91.4%。     

浅谈架空严重的填筑体渗漏处理

以乌江彭水水电站围堰渗漏处理为例，论述了该工程渗漏处理方案的选择思路及具体施工措施，分析了围堰渗漏的原因，经膏浆灌浆处理后，该围堰的渗漏量基本上得到控制，满足工程渗漏的要求。     

基于图像处理技术的稻田杂草盖度计算研究

针对稻田杂草群落分析中杂草盖度指标采集困难的问题,研究利用图像处理技术对稻田杂草盖度测算的方法。利用超绿特征值和最大类间差法获取田间绿色植被二值图像,通过多次腐蚀并清除较小区域的操作将杂草与栽培作物分离,再通过盖度计算公式求出杂草盖度。对样方图像进行盖度测量实验发现,利用图像处理方法计算的杂草盖度与方格法计算的结果平均偏差仅为0.512%。结果表明,图像处理方法可以实现复杂环境稻田杂草群落分析中杂草盖度的计算。     

基于支持向量机的玉米田间杂草识别方法

提出了一种基于图像处理和支持向量机(SVM)技术的玉米和杂草识别方法.首先根据玉米与杂草、土壤彩色图像的特征提出一类图像灰度化方法,并通过对灰度图像的除噪处理有效地分离目标对象.然后从处理好的图像中提取出目标对象的形状特征参数作为输入特征向量,进而提出玉米田间杂草识别的支持向量机方法.试验结果表明了方法的有效性,通过适当选取核函数识别率可达到98.3%.     

基于机器视觉的田间杂草形状特征识别技术研究进展

农田杂草总体上是指生长在田间、分布广泛、对农作物有危害、非人工有意栽培的草本植物。我国农田杂草危害面积大约为4000万hm^2，主要发生在水稻、小麦、玉米、大豆、棉花五大作物农田，造成严重减产。因此应对杂草及时地加以控制，以保证作物的产量和质量。