曼糯古茶山考察报告

通过对曼糯古茶山及代表性古茶树生存状况的实地调查,了解当地古茶园覆盖面积、生境及管理状况,采访当地布朗族茶农,了解濮人栽茶历史,结合文献资料进行分析,为进一步挖掘当地文化元素,保护与开发当地古茶山,发展农村旅游第3产业工作提出了一些有建设性的意见.     

江苏如东县梨树优质丰产栽培技术

<正>梨树在江苏如东县有悠久的栽培历史,也是近年来果农脱贫致富的主要渠道之一。从2008年开始,如东县科技人员对主栽品种翠冠和丰水梨的优质丰产栽培技术进行了研究和推广,总结了一套行之有效并为广大果农接受的梨树管理技术。现介绍如下:1选择合理的栽培密度20世纪80年代如东县商品梨生产中大多实行矮化密植栽培,新建梨园667m2栽67~111株,虽然早结丰产,但随着树龄的增长,密植梨园的弊病也逐渐显     

早熟丰产的甜玉米品种——卫士

卫士(Guardian)系1983年从美国引进的杂交种。经中国农科院品资所玉米豆类研究室玉米组选育,现已成为一个早熟丰产的普通甜玉米品种。特征特性:在北京地区做为春播品种试     

天然益智海盐足浴粉的研制加工

益智产品综合开发利用研究是当前益智研究的热点。天然益智海盐足浴粉增加了保健休闲产品的特色种类，作为一种保健休闲产品有着广阔的开发应用前景。通过试验探讨了天然益智海盐足浴粉的加工技术方法和产品质量指标，为其开发应用提供了理论依据。     

改进YOLOv5识别复杂环境下棉花顶芽

为提高复杂环境下棉花顶芽识别的精确率,提出了一种基于YOLOv5s的改进顶芽识别模型。建立了田间复杂环境下棉花顶芽数据集,在原有模型结构上增加目标检测层,提高了浅层与深层的特征融合率,避免信息丢失。同时加入CPP-CBAM注意力机制与SIOU边界框回归损失函数,进一步加快模型预测框回归,提升棉花顶芽检测准确率。将改进后的目标检测模型部署在Jetson nano开发板上,并使用TensorRT对检测模型加速,测试结果显示,改进后的模型对棉花顶芽识别平均准确率达到了92.8%。与Fast R-CNN、YOLOv3、YOLOv5s、YOLOv6等算法相比,平均准确率分别提升了2.1、3.3、2、2.4个百分点,该检测模型适用于复杂环境下棉花顶芽的精准识别,为后续棉花机械化精准打顶作业提供技术理论支持。     

玉米芯糖化微波与酸/碱联合预处理效果实验分析

采用微波和酸/碱预处理玉米芯,研究不同微波功率密度和时间对酸/碱预处理后秸秆糖化的影响。结果表明：微波/碱处理组中获得的还原糖平均为51.71mg,比对照提高了33.82%;微波/酸预处理组中,平均还原糖质量为8.76 mg。酸/碱预处理后进行微波处理,发酵液中的FPA酶活平均为2.23U/mL和10.90 U/mL,分别比对照提高17.26%和35.05%;CMC酶活平均为3.43 U/mL和12.41 U/mL,分别比对照下降15.96%和提高34.32%。微波处理对碱预处理后的玉米芯优于对酸预处理后的效果。     

大型核桃树振动响应特性与落果试验研究

为确定大型核桃树的振动响应特性,探究大型果树机械化摇振采收方法,以南疆大型核桃树为研究对象,利用ANSYS进行有限元分析获取各分枝振动响应特性;应用自主研发摇振收获设备进行扫频试验及落果试验研究,对各主枝进行共振频率检测,通过各分枝上的传感器获取的频率-加速度幅值曲线,确定曲线峰值对应的共振频率;最后,进行摇振落果试验,对比各主枝在不同共振频率下的落果情况。结果表明：大型果树同一主枝及其上侧枝共振频率相同,各主枝共振频率在22～26 Hz之间;同一主枝上的各检测点加速度响应曲线整体呈现先增加后减小的趋势,距离激振位置越远,加速度响应幅值越大;在共振条件下收获,能够获得更高的落果率。为此,提出一种基于大型核桃树主枝共振频率的摇振采收方法,通过获取主枝处的共振频率,以各主枝共振频率进行多次摇振收获作业,实现共振条件下以较低激振能量获得最大振动响应收获,可有效提高收获效率和采净率。研究结果可为大型果树摇振采收方法提供理论基础。     

基于Logistic算法与遥感影像的棉花虫害监测研究

【目的】借助多光谱遥感影像和Logistic算法,实现对棉田虫害的田间监测。【方法】以患虫害棉花区域为研究对象,利用无人机获取棉田多光谱遥感影像,并对影像进行预处理;结合受虫害棉花光谱特征,利用虫害敏感波段反射率与植被指数构建Logistic回归模型,开展棉花虫害识别监测研究。【结果】由土壤调节植被指数(Soil adjusted vegetation index,SAVI)模型和归一化植被指数(Normalized vegetation index,NDVI)模型构建的棉蚜虫、棉红蜘蛛、棉铃虫识别模型为最优模型,其训练样本准确率达到93.7%,测试样本准确率达到90.5%,召回率为96.6%,F1值为93.5%,对棉蚜虫、棉红蜘蛛和棉铃虫的识别模型决定系数分别为0.942、0.851和0.663。【结论】该模型可满足棉田中棉蚜虫、棉红蜘蛛和棉铃虫3种虫害的发生区域识别,且可基本满足棉田精准植保作业相关要求。     

基于改进区域卷积神经网络的田间玉米叶部病害识别

目的 引入区域卷积神经网络Faster R-CNN算法并对其改进,以实现在田间真实环境下背景复杂且具有相似病斑特征的玉米病害的智能诊断。方法 在玉米田间和公开数据集网站获取具有复杂背景的9种常见病害图像1 150幅,人工标注后对原始图像进行离线数据增强扩充;对Faster R-CNN算法进行适应性改进,在卷积层加入批标准化处理层,引入中心代价函数构建混合代价函数,提高相似病斑的识别精度;采用随机梯度下降算法优化训练模型,分别选取4种预训练的卷积结构作为Faster R-CNN的特征提取网络进行训练,并测试得到最优特征提取网络,利用训练好的模型选取不同天气条件下的测试集进行对比,并将改进Faster R-CNN与未改进的Faster R-CNN和SSD算法进行对比试验。结果 在改进Faster R-CNN病害识别框架中,以VGG16卷积层结构作为特征提取网络具有更出色的性能,利用测试集图像检验模型,识别结果的平均精度为 0.971 8,平均召回率为0.971 9,F1为0.971 8,总体平均准确率可达97.23%;晴天的图像识别效果优于阴天的。改进Faster R-CNN算法与未改进的Faster R-CNN算法相比,平均精度高0.088 6,单张图像检测耗时减少0.139 s;与SSD算法相比,平均精度高0.0425,单张图像检测耗时减少0.018 s,表明在大田环境中具有复杂背景的玉米病害智能检测领域,改进Faster R-CNN算法综合性能优于未改进的Faster R-CNN算法和SSD算法。结论 将改进后的Faster R-CNN算法引入田间复杂条件下的玉米病害智能诊断是可行的,具有较高的准确率和较快的检测速度,能够避免传统人工识别的主观性,该方法为田间玉米病害的及时精准防控提供了依据。     

近30年南四湖湿地景观类型变化特征

选取1985、2000年Landsat5 TM及2015年Landsat8 OLI遥感影像为数据源,以格网化为基础,分别利用转移矩阵和景观类型转化强度指数对南四湖湿地近30年的景观类型转移状况、生态等级变化情况进行定量时空分析,结果表明:(1)近30年来南四湖自然湿地面积逐年下降,人工湿地面积逐年上升,非湿地略有增加,由1985年自然湿地为主导的"湖泊-芦苇-荷田"景观结构转变为2015年人工湿地主导的"养殖水面-水稻田-湖泊"结构;(2)湖区主要呈现出大量自然湿地向人工湿地转移的趋势,转出面积最显著的是芦苇,为501.88 km2,主要转化为养殖水面、水稻田。转入面积最大的是养殖水面,为305.70 km2,主要由芦苇、荷田及湖泊转化而来;(3)1985~2000、2000~2015和1985~2015年景观类型转化强度指数值分别为-0.73、-0.40和-1.12,景观生态等级降低,宏观生态状况驱差,但后15年较前15年生态转差程度有所减缓,转化剧烈区域分布在最容易被人为垦殖的湖区东西两侧。