排序方式: 共有12条查询结果,搜索用时 0 毫秒
1.
2.
甲霜灵、福美以及其复配对辣椒疫病菌的毒力测定 总被引:5,自引:0,他引:5
室内恒温条件下,采用孢子囊萌发抑制法测定了甲霜灵、福美双及其复配对辣椒疫病的毒力,用Horsfall的毒力试验设计和Wadley的增效比率法评价了2种杀菌剂的联合作用。结果表明,EC50剂量甲霜灵与福美双混用表现增效作用,其中70:30混剂配比的增效比率为3.18。接种试验也证明其对辣椒疫病具有较好的防治作用。 相似文献
3.
利用理论推导和试验数据相结合的方法,通过多元非线性回归分析得出轴流泵装置调速性能模型。根据水泵基本方程,结合假定条件推导出轴流泵装置扬程、效率关于转速、流量的特性方程。利用高精度水力机械试验台分别对2种不同类型的轴流泵装置试验测试,分析得出效率和扬程特性曲线随转速变化呈非线性变化的结论。利用试验数据作为观测值,特性方程作为预测模型,利用nlinfit函数和遗传算法相结合的多元非线性回归算法计算得出特性方程的待定系数。对2个算法的分析比较发现,单独利用多元非线性回归算法所求得的系数解趋于局部最优,而结合遗传算法后能得到全局最优解。将所求待定系数代入预测模型,分别将2种轴流泵装置的扬程、效率调速特性试验数据与预测值进行比较,得出:全流量范围内扬程误差绝对值在0~0.8 m之间,效率误差绝对值在0~8%之间;设计工况点附近扬程误差绝对值在0~0.5 m之间,效率误差绝对值在0~5%之间。 相似文献
4.
疏花是梨生产中的重要农艺措施,机械化智能疏花是当今高速发展的疏花方式,花朵与花苞的分类与检测是保证疏花机器正常工作的基本要求。本研究针对目前梨园智能化生产中出现的梨树花序检测与分类问题,提出了一种基于改进YOLOv5s的水平棚架梨园花序识别算法Ghost-YOLOv5s-BiFPN。通过对田间采集的梨树花苞与花朵图像进行标注与数据扩充后送入算法进行训练得到检测模型。Ghost-YOLOv5s-BiFPN运用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network,BiFPN)替换原始的路径聚合网络(Path Aggregation Network,PAN)结构,对网络提取的不同尺寸目标特征进行有效的融合。同时运用Ghost模块替换传统卷积,在不降低准确度的同时减少模型参数量和提升设备运行效率。田间试验结果表明,改进的Ghost-YOLOv5s-BiFPN算法对梨树花序中花苞与花朵的检测精度分别为93.2%和89.4%,两种目标平均精度为91.3%,检测单张图像时间为29 ms,模型大小为7.62 M。相比于原始YOLOv5s算法,检测精度与召回度分别提升了4.2%和2.7%,检测时间和模型参数量分别降低了9 ms和46.6%。本研究提出的算法可对梨树花苞与花朵进行精确的识别和分类,为后续梨园智能化疏花的实现提供技术支持。 相似文献
5.
6.
7.
8.
9.
10.