双限性蚕品种——洞·庭×碧·波在重庆的推广

重庆市幅员面积大,气候属中亚热带湿润季风气候,但处于长江流域的河谷地带,在夏秋季常遭受高温干旱的袭扰,对养蚕成绩影响极大。因此使用恰当的蚕品种、合理利用气候因素,趋利避害,才能最大限度增加蚕农的收入。     

原蚕地面育试验再报?

为了减少蚕种生产成本,在2014年原蚕地面育试验基础上在2015年再次进行试验,通过调查与分析：原蚕地面育省工省时,日系或华系品种的原蚕均可以实行地面饲育,但应采用不完全自动上蔟技术。     

我的盆景创作

就象我的名字一样,我从小就很喜爱树木,对盆景更是情有独钟。同时也很喜爱家乡的风情,我生长在广东的一个水乡,每当罗鼓喧令,龙舟竟渡,爆竹警醒飞     

蜂群箱体关键参数在线监测系统与性能测试

随着信息技术的发展,利用大数据分析、物联网监控、传感器感知、无线通信等技术构建一种蜂箱蜂群实时在线监测系统,是减少因开箱检查造成蜂群应激反应的可行解决方案。本研究针对蜂箱封闭环境进行实时监测困难的现状,利用STM32F103VBT6 32位微控制器,同时融合了温湿度传感器、微麦克风以及激光对射传感器,开发了一套低功耗、可连续工作的蜂群箱体关键参数在线监测系统,实现了养蜂生产过程中多参数信息获取以及蜂箱内蜂群的环境参数和生活状态的实时在线监测。系统主要包括核心处理模块、数据采集模块、数据发送模块以及数据库服务器等。数据采集模块包括蜂箱内部温湿度采集单元、蜂群声音采集单元、蜜蜂进出巢数量计数单元等,通过接入移动通信网络进行数据传输。系统现场部署性能测试结果表明,研制的系统能够实时监测蜂箱内温湿度,有效区别进出蜂箱的蜜蜂并记录进出巢门的蜜蜂数量,且自动获取的蜂群声音与标准的蜂群声音分布相吻合。本系统符合设计要求,采集参数准确可靠,可以作为蜂群相关研究的数据采集方法。     

基于多智能体的分布式推理模型设计与实现

本文探讨了利用多智能体系统(Multi-Agent System,简称MAs)的开放性和协调性建立推理机制模型的思想,研究了协商基础上的推理机制问题.根据协商的思想,设计了分布式推理的算法以及推理机模型,并介绍了网络环境下MAS分布式推理机组件的实现方法.     

家蚕新品种芳绣×白春在重庆市试繁试养报告

为加快更新夏秋蚕品种,从2012年春季,我们引进夏秋细纤度新蚕品种芳绣×白春,进行试育,并在秋季进行试育与试繁工作。通过几年的对比试育、对比试繁,此对蚕品种在好蛹率、公斤茧制种量、克蚁产茧、净度等均表现出优势,可以在重庆规模繁育推广。     

基于分组注意力模块的实时农作物病害叶片语义分割模型

针对传统农作物病害识别方法准确率低、鲁棒性差等问题,该研究首先提出一种基于分组激活策略的分组注意力模块,利用高阶特征指导加强低阶特征,通过分组计算组内加强系数,减少不同组之间的抑制作用,加强特征表达能力。对比试验表明,分组注意力模块特征强化效果优于传统注意力模块。基于分组注意力模块,该研究提出一种实时高效农作物病害叶片语义分割模型,该模型融合了编码-解码语义分割模型和多流语义分割模型的优点。采用ResNet18模型作为特征提取网络对农作物病害叶片的语义分割像素精度达到93.9%,平均交并比达到78.6%。在单张NVIDIA GTX1080Ti显卡的硬件环境下,输入分辨率为900×600像素的图片,该模型运行速度达到每秒130.1帧,满足实时农作物病害叶片语义分割需求,为现代农业病害识别、自动施肥和精准灌溉等应用提供参考。     

实施配套新技术快速建立高产示范桑园

垫江县地处四川盆地的边缘 ,也处在伏旱出没最为频繁的地带 ,素有“十年九旱”之说法 ,特别遇到如 1 994年、1 999年、2 0 0 1年的严重秋旱 ,对旱作物桑树、蔬菜等造成严重的影响 ,使农民直接减收 30 0～ 80 0万元 ,减少税收 4 0～ 1 1 0万元 ,更造成了 1 0 0名工人无岗位 ,这是蚕业生产受恶劣天气的影响最明显的事例。虽然目前人类暂时无法控制天气的无常变化 ,但是我们可以采取相应的技术方案、降低恶劣气候的影响程度。为了认真贯彻《重庆市蚕种管理条例》、《重庆市蚕种质量考核办法》 ,努力提高蚕种质量 ,彻底改变垫江蚕种场目前的制种…     

基于物联网的关键生境信息融合的赣南脐橙智慧生产决策系统开发

为了实现对赣南脐橙生产的高效管理,提升赣南脐橙生产的决策支持水平,研发基于物联网的关键生境信息获取与融合的赣南脐橙智慧生产决策系统,对脐橙生产关键参数数据进行获取与融合处理,从而更好地支持脐橙种植生产。该决策系统包括环境实时监测、农田片区管理、生产机械设备管理和专家体统等功能模块,实现了对脐橙智慧生产的决策支持。     

基于CNN和迁移学习的农作物病害识别方法研究

互联网是一个巨大的资源库,也是一个丰富的知识库。针对农作物小样本引起的过拟合问题,本研究引入了知识迁移和深度学习的方法,采用互联网公开的ImageNet图像大数据集和PlantVillage植物病害公共数据集,以实验室的黄瓜和水稻病害数据集AES-IMAGE为对象开展相关的研究与试验。首先将批归一化算法应用于卷积神经网络CNN中的AlexNet和VGG模型,改善网络的过拟合问题;再利用PlantVillage植物病害数据集得到预训练模型,在改进的网络模型AlexNet和VGG模型上用AES-IMAGE对预训练模型参数调整后进行病害识别。最后,使用瓶颈层特征提取的迁移学习方法,利用ImageNet大数据集训练出的网络参数,将Inception-v3和Mobilenet模型作为特征提取器,进行黄瓜和水稻病害特征提取。本研究结合试验结果探讨了适用于农作物病害识别问题的最佳网络和对应的迁移策略,表明使用VGG网络参数微调的策略可获得的最高准确率为98.33%,使用Mobilenet瓶颈层特征提取的策略可获得96.8%的验证准确率。证明CNN结合迁移学习可以利用充分网络资源来克服大样本难以获取的问题,提高农作物病害识别效率。