基于PCA-GA-SVM的甘蔗收获机运行状态识别

由于甘蔗收获机在收获过程中智能化水平较低,依靠人工操作很容易对甘蔗收获机的运行状态产生误判,从而造成物流通道堵塞、能源浪费、收割效率低。针对这些问题,提出一种基于主成分分析(PCA)、遗传算法(GA)和支持向量机(SVM)状态识别模型。首先,通过实地采集甘蔗收获机刀盘轴、行走轴、切段轴和风机轴扭矩和行驶速度特征信息,然后通过PCA进行数据降维,最后利用GA优化参数C、γ,使用每个特性信息来训练SVM,对甘蔗收获机运行状态进行分类。结果表明:PCA-GA-SVM状态识别模型对甘蔗收获机运行状态的识别准确率为93.75%,建模时间为3.688 s,与SVM(81.25%,9.487 s)、PCA-SVM(87.5%,5.817 s)和GA-SVM(90%,8.969 s)进行对比,该模型具有最高准确识别率和最快建模速度,具有较大的应用价值。     

宜宾水牛的品种保护和开发利用

笔者就宜宾水牛的现状开展了调研,测定了宜宾水牛的体尺,发现宜宾水牛存在存栏量少、品种退化、血缘杂乱等问题,针对以上问题提出了相应对策,旨在促进宜宾水牛资源保护和开发利用。     

运用直线加平台法确定黑土区玉米氮磷施肥量

施肥量的确定一直是玉米高产栽培研究的主要课题之一。分别运用肥料效应函数法和直线加平台法,对按照直线加平台法设计的在黑土上春玉米的田间试验结果进行了统计分析,发现利用直线加平台法设计的田间试验结果也可以用来建立肥料效应函数,并根据肥料效应函数求得相应的施肥量。利用肥料效应函数得到的最高产量推荐施氮量和最大利润推荐施氮量分别为107.4 kg hm-2和103.2 kg hm-2,而最高产量推荐施磷量和最大利润推荐施磷量分别45.5 kg hm-2和41.3 kg hm-2。利用直线加平台法得到氮、磷的推荐施肥量分别为73.9和38.0 kg hm-2,明显低于用肥料效应函数法求得的推荐施肥量。对于肥料效应函数无法处理的试验数据,利用直线加平台法仍然可以对实验数据进行处理并得出实验结果,后者是肥料效应函数法的补充。     

采收期对圆黄梨果实贮藏品质和采后生理的影响

不同采收期圆黄梨果实在常温（20±1）℃和冷藏（0±0.5）℃条件下的试验结果表明：圆黄梨有一定程度的呼吸跃变,乙烯释放量较小;在盛花期后128～142 d内,采收越早,贮藏期间果心褐变程度越轻,乙醇含量越低,但SSC含量相对偏低,果实风味稍差;盛花期后135 d采收的果实贮藏期间能保持较高的硬度和TA含量,风味良好,果柄新鲜程度较高。北京地区贮藏圆黄梨果实最佳采收期为盛花期后135 d。     

引水管道建设过程中水土保持措施的研究

以深圳市北线引水工程为例,从防治水土流失的角度入手,结合引水管道穿越城区的设计、施工中的具体工程问题,在分析归纳工程措施效果的基础上,提出了引水管道建设中水土保持的原则和方法。     

抗虫玉米杂交种邢抗6号的选育与应用

邢抗6号是河北省邢台市农科院玉米研究室以自育抗虫玉米自交系"邢K3618"为母本,"5314"为父本杂交而成.2001年3月通过河北省农作物品种审定委员会审定.审定号为:冀审玉2001001号. 1 自交系选育 抗虫玉米自交系是以美国种质组成的"冀库6号"为基础材料选出的.1989年开始群体内混合授粉,1990年进行选株自交,并于当代进行成对测交(测验种为冀单16)得到S1代系和测交种各54个.1991年根据测交种产量结合各系田间表现选留了20%的自交系继续自交.在1992年发现K13、K36、K37等姊妹系在田间生长情况下,初步表现对玉米螟有一定抗性,且各系间存在抗性差异.经连续南繁北育和定向选择,至1995年各姊妹系性状已基本稳定.其中邢K3618抗病性强、结实性好且抗螟性突出,被确定为骨干自交系.5314为黄早四改良系.     

不同储藏条件下稻谷脂肪酸值变化和霉变相关性研究

对不同水分、温度下模拟储藏的晚粳稻谷和晚籼稻谷进行定期的脂肪酸值测定和霉变情况观察。结果表明:储藏温度越高,稻谷含水量越大,其脂肪酸值上升速度越快,也越容易发生霉变。相比较而言,含水量分别为14.5%、13.5%晚粳稻谷和晚籼稻谷,在20℃储藏3个月,脂肪酸值变化很小,也未发生霉变。在相同储藏温度下,同一水分晚粳稻谷的脂肪酸值比晚籼稻谷更容易上升,也更容易发生霉变。脂肪酸值与稻谷霉变相关,一般而言,当稻谷脂肪酸值超过25 mgKOH/100g,开始霉变,所以脂肪酸值可作为稻谷是否发生霉变的指标。     

抗虫玉米邢抗2号

邢抗2号是河北省邢台农科所历经10年培育的高产、稳产、抗虫、抗病玉米杂交种。1999年2月河北省品种审定委员会审定。     

基于YOLO v3与图结构模型的群养猪只头尾辨别方法

在利用视频监控技术对群养猪只进行自动行为监测时,对猪只准确定位并辨别其头尾位置对提高监测水平至关重要,基于此提出一种基于YOLO v3(You only look once v3)模型与图结构模型(Pictorial structure models)的猪只头尾辨别方法。首先,利用基于深度卷积神经网络的YOLO v3目标检测模型,训练猪只整体及其头部和尾部3类目标的检测器,从而在输入图像中获得猪只整体及头尾部所有的检测结果;然后,引入图结构模型,描述猪只的头尾结构特征,对每个猪只整体检测矩形框内的头尾部位组合计算匹配得分,选择最优的部位组合方式;对部分部位漏检的情况,采取阈值分割与前景椭圆拟合的方法,根据椭圆长轴推理出缺失部位。在实际猪场环境下,通过俯拍获得猪舍监控视频,建立了图像数据集,并进行了检测实验。实验结果表明,与直接利用YOLO v3模型相比,本文方法对头尾定位的精确率和召回率均有一定提高。本文方法对猪只头尾辨别精确率达到96.22%,与其他方法相比具有明显优势。     

超市梨果销售现状、存在问题与对策

为了解梨果贮藏后市场销售情况及货架期存在的问题,3～6月,国家梨产业技术体系贮藏保鲜岗位专家、中国农业科学院果树研究所王文辉研究员及其团队成员对超市梨果货架期存在的问题及销售情况进行了调研,并对部分梨样品进行品质测定.