荣成市积极探索深化农村体制改革的新路子——强企兼并贫困村 携手共奔小康路

山东省荣成市全面实施村企一体化战略,取得明显成效。近几年,这个市先后有14家渔业公司,11家工业企业兼并了37个行政村,从而在全市形成了一个以农业为基础、农工渔贸一体化发展的农村经济新格局,在探索深化农村改革方面迈出了新的步伐。 荣成市经济发展快,对外开放程度高,有“山东第一虎”之称。经济的高速发展,使这个市涌现出一大批产值过亿元、利税过千万元的渔业公司和工业企业。但是在农村经济发展中也出现了一些不容忽视的问题,特别是渔业、工业收入与纯农     

加大科技创新力度,努力实现汉中烟叶科技上水平

科技创新是企业发展、壮大的动力和源泉,只有持续的创新才能立足于发展的最前沿,文章阐述了汉中烟叶科技创新的一些做法并提出了一些意见和建议,以期推动汉中烟草持续稳定健康发展。     

基于D—S证据理论的决策级多特征融合苹果分级方法

针对单特征苹果分级的不确定性和低正确率,通过图像处理提取大小、形状、颜色和缺陷4类能反映苹果外观品质的主要特征,引入信息融合的思想,以单特征初步分级的结果作为证据,用D-S证据理论的方法进行决策级融合处理,实现苹果的多特征综合分级,进一步提高可靠性和分级正确率.80个测试样本的分级试验表明,苹果分级正确率达92.5％,与单特征分级相比,此方法正确识别率高、稳定性好、效果显著.     

基于图像处理和蚁群优化的形状特征选择与杂草识别

利用叶片形状特征区分杂草和作物是杂草识别的一个重要方法。为了提高杂草识别的精度和效率,通过形态学运算和基于距离变换的阈值分割方法分离交叠叶片,从单个叶片中提取包括几何特征和矩特征的17个形状特征,用蚁群优化（ACO）算法和支持向量机（SVM）分类器进行特征选择和分类识别,选取有利于分类的较优特征并实现特征的优化组合。棉田杂草试验结果表明,该方法能实现分类特征的有效缩减,经优化组合得到的最优特征子集用于杂草识别的准确率达95%以上,识别率高,稳定性好,对识别杂草时如何兼顾准确率和实时性具有参考意义。     

毛竹林下羊肚菌栽培主要技术措施

羊肚菌为珍稀食用菌,市场前景广、经济效益好,目前主要是大田栽培。针对浙江省七山一水两分田,毛竹林资源丰富,而竹林经济效益不佳等现实问题,探索出毛竹林套种羊肚菌的高效栽培技术。对羊肚菌在毛竹林下栽培的生长环境、林地条件、栽培基质和生产措施等方面进行了归纳总结,提出了栽培管理技术要点。     

绿肥类型和翻压还田量对汉中烟叶产量·产值的影响

[目的]研究绿肥翻压还田对烟叶生产发育指标和产量产值的影响。[方法]2014年5~9月在陕西省汉中市洋县进行田间小区试验,采用绿肥翻压不减氮、绿肥翻压减氮相结合的方法,分别研究了黑麦草和紫花苕子两种绿肥类型、不同翻压量对烤烟生长发育和产量产值的影响。[结果]绿肥翻压处理在团棵期烟株的生长发育情况不如常规施肥处理,而旺长期和成熟期烟株的长势较常规处理好。黑麦草翻压处理在促进烟株长势,提高烟叶产量产值,提升上等烟比例及单叶重的效果优于紫花苕子。绿肥翻压不减氮处理较减氮处理更有利于提高烟株的农艺性状、产量、产值及经济学性状。[结论]常规施肥+黑麦草翻压30 000 kg/hm~2或常规施肥+黑麦草翻压52 500 kg/hm~2减氮26.25 kg/hm~2处理效果好,适合在汉中地区的地形和气候条件下种植。     

关于汉中现代烟草农业建设的思考

文章分析了汉中烟叶生产现状和存在问题,总结了近几年来现代烟草农业建设的经验,对汉中现代烟草农业建设进行了思考并提出了建议,以期推动汉中现代烟草农业建设水平。     

临夏旅游业SWOT分析及开发策略

本文通过对临夏回族自治州旅游业开发现状进行全面系统的SWOT分析，针对临夏旅游业开发过程中存在的主要问题，提出创新融资方式，深化旅游体制改革；定位目标市场，多渠道全面营销；塑造旅游形象，实施品牌战略体系的开发策略建议。     

基于图像处理和蚁群优化的形状特征选择与杂草识别

利用叶片形状特征区分杂草和作物是杂草识别的一个重要方法。为了提高杂草识别的精度和效率,通过形态学运算和基于距离变换的阈值分割方法分离交叠叶片,从单个叶片中提取包括几何特征和矩特征的17个形状特征,用蚁群优化（ACO）算法和支持向量机（SVM）分类器进行特征选择和分类识别,选取有利于分类的较优特征并实现特征的优化组合。棉田杂草试验结果表明,该方法能实现分类特征的有效缩减,经优化组合得到的最优特征子集用于杂草识别的准确率达95%以上,识别率高,稳定性好,对识别杂草时如何兼顾准确率和实时性具有参考意义。     

基于特征优化和LS-SVM的棉田杂草识别

为了提高杂草识别的精度和效率,提出了一种基于特征优化和最小二乘支持向量机（LS-SVM）技术的棉田杂草识别方法。在对原始图像灰度化、滤波去噪和阈值分割等处理的基础上,提取植物叶片的6个几何特征和7个Hu不变矩,用粒子群优化（PSO）算法对形状特征进行优化选择,缩减LS-SVM训练样本数据,然后用训练好的分类器进行杂草识别。实验结果表明,该方法在有效缩减形状特征的同时,能够保持高于原始特征集的识别率,平均正确识别率达到