有机物质增施对蔬菜连作土壤肥力、盐碱化及CO_2含量的影响

[目的]了解不同有机物质增施对蔬菜连作地耕层土壤肥力、盐碱化、土壤CO2含量及蔬菜产量、产值的影响。[方法]于2008年11月至2009年6月,在云南通海县九街镇开展田间小区试验。[结果]结果表明,蔬菜连作种植造成了耕层土壤养分耗竭,地力衰退,土壤盐碱化;从连续3季蔬菜种植管理养分来说,有机物质增施有利于土壤养分含量提高,以满足作物对养分的需求,有机物质增施总体上促进耕层土壤pH值降低,从而有利于蔬菜连作土壤酸碱性改良,但耕层土壤Na＋含量反而增加;动物粪肥增施有利于土壤CO2含量提高,从而促进土壤呼吸。不同有机物质增施对蔬菜生产的影响表现为烟杆〉家禽、家畜粪便〉废弃蔬菜叶〉稻草,其中稻草对蔬菜具有较大的负面影响,有机物质增施总体上有利于蔬菜产量、产值提高;对连续3季蔬菜生产的影响表现为第3季蔬菜〉第2季蔬菜〉当季蔬菜。[结论]通过有机物质增施来培肥和改良土壤效果在短时间内不明显,尤其是稻草施用对当季蔬菜的生长反而有一定的负面效应,在蔬菜种植中应谨慎使用,从养分长期管理角度来说,有机物质增施有利于土壤养分含量的增加,改善蔬菜连作土壤生态环境,促进蔬菜健康生长,提高产量、产值。     

棉花异性纤维图像分割方法

通过直方图分析,建立了适用于棉花异性纤维图像的增强模型;提出了改进Otsu法,并对Otsu方法的分割效果进行了深入分析.实验结果表明,所有棉花异性纤维图像的灰度直方图基本都呈单峰特性;所建的增强模型可以显著提高异性纤维目标与皮棉背景之间的对比度;改进Otsu法将最佳阈值的搜索范围从0～255缩减到150～230,使此环节的计算速度提高了2倍多.     

异丁酸钠对奶牛泌乳性能和血液指标的影响

文章旨在研究异丁酸钠对奶牛泌乳性能和血液指标的影响。选用20头体重为(567±11.8)kg、已产奶(148±4.5)d且日均产奶量为(22.3±0.81)kg的的健康中国黑白花奶牛进行一项重复4×4拉丁方饲养试验。处理为:对照(不做添加)和低[LIB,20g(/头·d)]、中[MIB,40g(/头·d)]、高[HIB,60g(/头·d)]添加量。试验每个阶段为期30d(预饲15d,正饲15d)。本试验条件下,异丁酸钠的添加对干物质采食量(DMI)没有影响,MIB添加组的产奶量最高,但处理组之间差异不显著;除乳脂中各处理之间差异不显著外,乳蛋白、乳糖、乳非脂固形物和乳灰分的HIB添加组的均低于其他3个处理的,且差异显著(P0.05);其中,均以LIB添加组的最高。血中葡萄糖和生长激素的浓度呈线性增加(P0.05),而游离脂肪酸的浓度呈线性下降;LIB、MIB和HIB三个添加水平的血清总胆固醇浓度均低于对照,以MIB组的最高;MIB组的血浆总蛋白(P0.01)、白蛋白含量最低;LIB组的血清尿素氮水平低于对照,但随着添加量的增加提高了;但对血浆甘油三酯没有影响。结果表明,该日粮中添加异丁酸钠时,MIB组的泌乳母牛产奶量最高,且不会影响到下一胎次的繁殖性能。因此建议异丁酸钠的最适添加量为40g(/头·d)。     

棉花异性纤维图像在线分割方法

图像分割是基于机器视觉检测棉花中异性纤维含量的关键技术。棉花图像的背景（棉花纤维）简单,灰度服从正态分布,目标（异性纤维）一般都比背景暗,但是细小且灰度分布方差大。该文有针对性地提出一种背景估计阈值BET（Background Estimation Thresholding）方法对棉花图像进行分割,并选择3类典型棉花图像样本与Otsu方法进行了对比试验。BET方法能得到更好的分割结果,并且算法速度快,100万次分割耗时仅8.46 s。试验结果表明该方法简单有效,速度快,可应用于大批量棉花异性纤维的实时在线     

高分辨率棉花异性纤维彩色图像的快速分割方法

针对传统的图像分割方法较难分割棉花异性纤维的问题,提出了一种高分辨率棉花异性纤维彩色图像的快速分割方法。该方法通过改进的数学形态学的边缘检测方法得到灰度梯度图,再选取迭代过程中的最佳经验值得到最佳分割阈值,从而实现了灰度梯度图的分割。实验结果表明,该方法可以直接对高分辨率棉花异性纤维彩色图像进行分割,且分割效果较好,并使此环节的计算速度提高2倍以上。     

基于自动视觉检测的棉花异性纤维分类系统

为实现棉花异性纤维的在线识别,设计了一种基于自动视觉检测(AVI)的棉花异性纤维分类系统.该系统利用棉层生成器将待检测皮棉制成约2mm厚的均匀薄层使其中的异性纤维更容易检测,利用彩色线扫描相机检测有色异性纤维,利用单色线扫描相机检测在紫外线激发下能产生荧光的白色异性纤维.采用多特征多分类器集成的模糊分类方法实现了对异性纤维的分类.实验表明,该系统对异性纤维的平均分类正确率可达到80%.     

基于改进遗传算法的棉花异性纤维目标特征选择

为提高基于机器视觉的棉花异性纤维在线分类的精度和速度,提出了一种基于改进遗传算法的特征选择方法.采用分段式染色体管理方案实现对多质特征空间局部化管理;利用分段交叉和变异算子避免出现无效染色体,提高搜索效率;通过自适应调整交叉和变异概率实现强搜索能力和快收敛速度的动态平衡.实验结果表明,该方法比基本遗传算法搜索能力更强、收敛速度更快,所得最优特征子集较小,更适用于棉花异性纤维在线分类.