利用多时序激光点云数据提取棉花表型参数方法

当前,能够实现作物表型参数高效、准确的测量和作物生育期表型参数的动态量化研究是表型研究和育种中亟待解决的问题之一。本研究以棉花为研究对象,采用三维激光扫描LiDAR技术获取棉花植株的多时序点云数据,针对棉花植株主干的几何特性,利用随机抽样一致算法（RANSAC）结合直线模型完成主干提取,并对剩余的点云进行区域增长聚类,实现各叶片的分割;在此基础上,完成植株体积、株高、叶长、叶宽等性状参数的估计。针对多时序棉花激光点云数据,采用匈牙利算法完成相邻时序作物点云数据的对齐、叶片器官对应关系的建立。同时,对各植株表型参数动态变化过程进行了量化。本研究针对3株棉花的4个生长点的点云数据,分别完成了主干提取、叶片分割,以及表型参数测量和动态量化。试验结果表明,本研究所采用的主干提取及叶片分割方法能够实现棉花的枝干和叶片分割。提取的株高、叶长、叶宽等表型参数与人工测量值的决定系数均趋近于1.0;同时,本研究实现了棉花表型参数的动态量化过程,为三维表型技术的实现提供了一种有效的方法。     

边缘计算在智慧农业中的应用现状与展望

互联网技术快速发展使得数据量剧增,云计算的数据集中处理模式存在实时性不足、能耗过高以及数据安全等一系列问题。边缘计算是在靠近数据源端执行计算的分散处理模式,与云计算相比具有低延迟、低成本、安全性高、个性化设计等优势。随着智慧农业迅速发展,结合深度学习的农业应用屡见不鲜,如作物病害检测、生长环境监测、作物自动采摘、无人农场管理等,边缘计算可以为农业多场景、复杂任务提供高效、可靠的新型数据处理方案。该研究概述了边缘计算的发展,计算架构及主要优势;介绍了边缘计算在农业中的应用背景,结合文献量分析,归纳了边缘计算在农业上的主要应用场景及相关智能农业装备,调研了现有常用边缘计算设备及性能参数,总结了适合边缘计算的主流深度学习算法及模型压缩方法。研究表明边缘计算在智慧农业中的应用有效促进了农业的数字化、智能化,未来在多场景、多功能边缘计算智能农业装备开发等领域将面临重大挑战和机遇。     

东方红林业局大力发展养蜂业

黑龙江省东方红林业局根据木材采伐任务逐年减少 ,下岗职工增多的实际情况 ,调整了产业结构 ,大力发展种植业、养植业和加工业。该局调查认为 ,本局林地面积大 ,蜜源植物丰富 ,泌蜜量大 ,特别是在实施“天保”工程以后 ,养蜂业前景可观。于是 ,在 2 0 0 2年 3月 2 0日正式成立了养蜂协会 ,由局常务副局长田树温同志为养蜂协会名誉会长 ,对困难养蜂户给予贷款 ,并以优惠价解决养蜂户做蜂箱的木料。东方红林业局现有蜂群 60 0 0余群 ,计划在年底发展到 1万群以上 ,争取在 2年内发展到 3万群东方红林业局大力发展养蜂业@张万能…     

超声波循环提取大豆异黄酮的研究

大豆(Glycine max)种子中含有高生物活性的异黄酮类物质,但传统的提取方法耗时费事,效率低.实验采用超声波在常温常压下循环提取大豆中的异黄酮,时间短,效率高,并对超声波提取大豆异黄酮的工艺参数进行了研究,为超声波提取大豆异黄酮走向工业化提供了一定的理论和技术依据.     

猕猴桃细菌性溃疡病病菌越冬场所的研究

通过对病园的越冬病株枝、叶、芽、叶痕、根、野生猕猴桃病枝、土壤等进行采样、分离,再接种、鉴定,证明猕猴桃细菌性溃疡病菌在田间的越冬场所有：田间病株枝、叶、芽、叶痕、野生猕猴桃病株、田间病残体、土壤表土层。病株根系经多次分离未获得稳定的致病菌株。为生产上制定防治措施提供了依据。     

臭氧在农产品贮藏保鲜上的研究进展

介绍了臭氧的产生和特性,综述了臭氧在农产品保鲜上的研究进展及其保鲜的机理,并分析了臭氧保鲜存在的问题和应用前景.     

乐果防治桑白蚧 安全无毒效果好

<正> 桑白蚧Pseudoaulacspis Pentagona Targioni是桑树上常年为害的主要害虫,如果防治不及时,常引起枯枝、枯拳或整株死亡。桑白蚧雌成虫因其背上有蜡质介壳,在防治时非常辣手,一般采用清刷树干,涂抹柴油、机油、桐油等。这些方法的不足之处是:一、在使用时间不当时,对桑树的发芽和生长有不良影响;二、清刷不易彻底;三、费时费工,一个工只能防治0.8—1亩,亩平至少开支2元。     

淀粉薯鄂薯6号施用两种生物菌肥的效应研究

研究两种生物菌肥对鄂薯6号在枝江、鄂州和咸宁3个地方生长、产量和品质的影响。结果表明,处理较对照土壤氮磷钾含量提高。施用生物菌肥对鄂薯6号后期产量形成没有明显的促进作用,但能显著降低田间发病率,尤其固体菌肥作用更明显。鄂薯6号在枝江产量最高,鄂州、咸宁次之;在品质方面,枝江最好,咸宁、鄂州次之。3个地点之间的差异主要源于各地土壤养分状况及气候环境的影响,相对较高的钾含量和相对较低的氮含量有利于产量的形成。     

变化气候条件下沼气池散热动态仿真

根据某地气象参数,用样条函数插值法对地表温度进行拟合,将其作为动态边界条件,用UDF(用户自定义函数)导入计算流体仿真软件进行沼气池散热的动态仿真及数值模拟。评价了有无保温及不同保温层厚度时的沼气池散热损失,从而确定该地区沼气池为维持一定发酵温度实际所需加热功率,为沼气池加热设计提供参考,同时,对不同地区不同气候条件下,提供了一种用于计算沼气池全年动态散热的方法,有助于太阳能辅助加热沼气系统的推广应用。     

基于YOLO v8n-seg和改进Strongsort的多目标小鼠跟踪方法

多目标小鼠跟踪是小鼠行为分析的基本任务,是研究社交行为的重要方法。针对传统小鼠跟踪方法存在只能跟踪单只小鼠以及对多目标小鼠跟踪需要对小鼠进行标记从而影响小鼠行为等问题,提出了一种基于实例分割网络YOLO v8n-seg和改进Strongsort相结合的多目标小鼠无标记跟踪方法。使用RGB摄像头采集多目标小鼠的日常行为视频,标注小鼠身体部位分割数据集,对数据集进行增强后训练YOLO v8n-seg实例分割网络,经过测试,模型精确率为97.7%,召回率为98.2%,mAP50为99.2%,单幅图像检测时间为3.5ms,实现了对小鼠身体部位准确且快速地分割,可以满足Strongsort多目标跟踪算法的检测要求。针对Strongsort算法在多目标小鼠跟踪中存在的跟踪错误问题,对Strongsort做了两点改进：对匹配流程进行改进,将未匹配上目标的轨迹和未匹配上轨迹的目标按欧氏距离进行再次匹配;对卡尔曼滤波进行改进,将卡尔曼滤波中表示小鼠位置和运动状态的小鼠身体轮廓外接矩形框替换为以小鼠身体轮廓质心为中心、对角线为小鼠体宽的正方形框。经测试,改进后Strongsort算法的ID跳变数为14,MOTA为97.698%,IDF1为85.435%,MOTP为75.858%,与原Strongsort相比,ID跳变数减少88%,MOTA提升3.266个百分点,IDF1提升27.778个百分点,与Deepsort、ByteTrack和Ocsort相比,在MOTA和IDF1上均有显著提升,且ID跳变数大幅降低,结果表明改进Strongsort算法可以提高多目标无标记小鼠跟踪的稳定性和准确性,为小鼠社交行为分析提供了一种新的技术途径。