排序方式: 共有94条查询结果,搜索用时 31 毫秒
41.
浅谈高校动物标本的管理与保养 总被引:2,自引:0,他引:2
根据多年来保存动物标本的实践经验,简要分析了造成动物标本损坏的主要原因,阐述了动物标本的科学管理与保养的方法。 相似文献
42.
基于多特征融合和深度置信网络的稻田苗期杂草识别 总被引:9,自引:4,他引:5
杂草的准确识别是田间杂草精准防控管理的前提,机器视觉技术是实现杂草准确识别的有效手段。该文以水稻苗期杂草为研究对象,采集稻田自然背景下和不同光照条件下的6种杂草图像共928幅,包括空心莲子草、丁香蓼、鳢肠、野慈姑、稗草和千金子。采用1.1G-R颜色因子将杂草RGB图像进行灰度化,选择自动阈值自动分割得到杂草前景二值图像,通过腐蚀膨胀形态学操作进行叶片内部孔洞填充,应用面积滤波去除其他干扰目标,最后将杂草二值图像与RGB图像进行掩膜运算得到去除背景的杂草图像;提取杂草图像的颜色特征、形状特征和纹理特征共101维特征,并对其进行归一化处理。在双隐含层和单隐含层的深度置信网络(deep belief networks,DBN)结构基础上,对DBN隐含层节点数选择方法进行研究。针对双隐含层DBN节点数,选择恒值型、升值型和降值型3种节点组合方式进行优化研究,当网络结构为101-210-55-6时杂草识别率为83.55%;通过对单隐含层节点参数优化得到网络结构为101-200-6时杂草识别率达到91.13%。以同一测试样本的运行时间值作为模型的测试时间对3种不同模型进行耗时测试,SVM模型、BP模型和DBN模型测试结果分别为0.029 7、0.030 6和0.034 1 s,试验结果表明基于多特征融合的DBN模型的识别精度最高,且耗时较其他2种模型相差不大,可满足实时检测的速度要求,所以在实际应用中应优先选择基于多特征融合的DBN模型。该研究可为稻田杂草识别与药剂选择性喷施提供参考。 相似文献
43.
为确定淹水胁迫下适应性相对较强的苜蓿(Medicago sativa)品种,以‘金皇后’(B1)、‘阿尔金刚’(B2)、‘维多利亚’(B3)、‘巨能551’(B4)和‘巨能耐湿’(B5)为材料,研究了淹水处理对不同苜蓿品种群体质量和品质的影响。结果表明,随着淹水时间增加,不同苜蓿品种草产量之间差异显著,与0d相比1d淹水处理下B3,B4,B5的产量增加,随水淹胁迫时间的增加产量逐渐下降,而B1,B2则随淹水时间延长持续降低,5d时各品种草产量表现为B5B1B4B3B2;短期淹水对B1,B3,B5株高有促进作用,之后随时间延长逐渐降低,淹水5d时明显高于B2,B4。淹水5d时,B1,B4,B5的叶片数显著高于B2,B3,而B5的生长速率较0d仅降低15.38%,生长速率显著高于其他品种,其节间数、分枝数、根长和根重也均显著高于其他各品种;同时淹水5d时,B5光合能力显著强于其他品种,表现为B5B1B4B2B3;而品质上,B1,B4,B5在水淹胁迫后牧草品质均显著优于B2和B3。综上所述,‘巨能耐湿’(B5)在淹水胁迫下抗逆和恢复能力表现较好,群体质量相对较高,对产量品质影响较小,适宜在我国淮河以南多雨地区推广种植。 相似文献
44.
晋枣组培快繁研究及染色体稳定性观察 总被引:1,自引:0,他引:1
以晋枣(Ziziphus jujuba Mill cv Jinzao)当年生枣头为外植体,采用两因素三水平正交方法,建立晋枣组织培养无性系;用酶解去壁低渗法观察组培苗和原种苗根尖的染色体数量。结果表明,外植体在不同浓度的外源植物激素组合培养基中表现差异很大,外源激素组合直接影响晋枣外植体的生长势,并且外源激素浓度过高、过低均不利于新芽体的形成。适宜晋枣的继代培养基为MS+蔗糖30g/L+琼脂5.5g/L+IBA0.2mg/L+6-BA1.0mg/L+TDZ0.01mg/L,并且组培苗和原种苗的染色体数目均未变化,仍为2n=24。 相似文献
45.
广东省水稻种植机械化现状及促进对策分析 总被引:2,自引:1,他引:1
近年来广东省水稻种植机械化发展迅速,但是由于起步较晚、基础薄弱,2009年种植机械化水平仅为1.73%与全国16.77%的平均水平仍有较大差距。从种植机械化水平、种植方式、各区域发展情况等方面阐述了广东省水稻种植机械化的发展现状,并对制约其发展的主要因素进行分析,最后从政策、技术及宣传和推广等方面提出推动广东省水稻种植机械化发展的促进对策。 相似文献
46.
基于线性自抗扰的稻田除草对行控制系统设计与试验 总被引:2,自引:2,他引:0
为降低水稻机械除草的行间伤苗率,该文基于线性自抗扰技术开展水稻田间除草对行控制系统研究。在苗带信息获取的基础上,针对水田作业环境设计了一种基于线性自抗扰的对行液压控制系统。采用内、外滑梁结构,实现对行执行机构对除草部件作业路径的避苗调控。应用Amesim与Matlab联合仿真方法,构建了对行液压控制系统仿真平台,分别对线性自抗扰算法和PID算法进行了控制器设计及仿真比较,仿真结果表明:在加入扰动情况下,线性自抗扰控制系统达到期望的对行调控时间比PID减少0.1s,且抗干扰性及鲁棒性均优于PID控制算法。田间试验结果表明:行进速度和作业深度对伤苗率影响显著,最优作业参数组合为行进速度0.5 m/s,调节间距60 cm,作业深度20 cm,此时伤苗率为3.6%;性能比较试验表明:有对行控制系统的平均伤苗率为3.9%,没有对行系统控制的伤苗率为18.6%。该系控制统满足机械除草对行控制的要求,可为水田作业环境下的精准控制问题提供借鉴。 相似文献
47.
48.
不同光质与光照度对水稻温室立体育秧秧苗素质的影响 总被引:4,自引:2,他引:4
水稻温室立体育秧技术具有节省秧田、减少土地浪费,利于标准化集中育秧等特点,但立体育秧中秧架各层之间光线互相遮挡造成的秧苗采光不足的问题,需要采用补光技术来改善秧架内光照条件以保证秧苗生长。该文基于植物光学理论分析确定水稻秧苗生长所需的红蓝光通量比(简称红蓝光比)范围,运用光照分析理论确定温室内光照度,并采用Ecotect软件进行温室内光环境模拟仿真。在理论分析和仿真结果的基础上研究不同补光条件对水稻秧苗生长质量的影响,采用LED植物补光灯分别对立体秧架上除顶层外的各层秧苗进行补光,设计红蓝光比、光照度及秧层间距3个因素的正交试验,分析不同红蓝光比、光照度和秧层间距对水稻秧苗素质的影响。试验结果表明,红蓝光比10:1、光照度2 500 lx的光处理对水稻苗茎伸长生长促进作用更好;红蓝光比8:1的光处理则对水稻幼苗干物质积累和根系盘结作用更好,而且比红蓝光比10:1和6:1的光处理的壮苗指数要高。分析得出各个因素对水稻秧苗素质影响的主次顺序为:红蓝光比光照度秧层间距,最佳的补光条件为:红蓝光比8:1,光照度2 500 lx,秧层间距45 cm。该文的研究结果为水稻工厂化立体育秧技术提供了参考。 相似文献
49.
50.
为提高水稻苗带中心线检测的适应性和实时性,满足巡田机器人导航的低成本、轻量级计算、高实时性需求,针对水稻苗带中心线检测结果容易受到光照变化和机器震动等原因产生图像噪声影响的问题,该研究以返青期和分蘖初期水稻秧苗为研究对象,提出基于区域生长顺序聚类-随机抽样一致性算法(random sample consensus,RANSAC)的水稻苗带中心线检测方法。首先,对采集的水稻秧苗图像运用归一化超绿特征法(excess green,ExG)和最大类间方差法(Otsu)分割水田背景和秧苗区域,应用先腐蚀后开运算的形态学方法去除秧苗图像噪声点;然后,采用基于水平带的秧苗轮廓质心检测方法提取秧苗特征点,利用区域生长顺序聚类方法将同一秧苗行的特征点聚成一类;最后,通过RANSAC算法拟合苗带中心线,从而得到巡田机器人视觉导航基准线。试验结果表明:该方法对返青期和分蘖初期水稻苗带中心线检测率均在97%以上,比已有YOLOv3算法提高6.12个百分点,比基于区域生长均值漂移聚类算法降低2.41个百分点;平均误差角度为2.34°,比已有YOLOv3算法高1.37°,比基于区域生长均值漂移聚类算法低0.12... 相似文献