微孔渗灌防堵塞处理技术初步实验研究

微孔渗灌具有节水、节能、节省投资等优点,不断被农民在果园中自发应用。但是,该灌水技术存在着堵塞这一致命弱点,使其推广受到制约。为了改变这种状况,使这一灌水技术更具发展潜力,我们在大田内进行了微孔管防堵塞处理技术研究,初步得出开孔直径为１０ｍ ｍ 、孔口采用加垫加双套的处理方法,有利于防止孔口产生物理性及化学性堵塞,孔口出流为缝隙式出流,其出流能力稍大于土壤的入渗能力,并有利于防堵的结论     

低压微孔地埋管灌溉技术要素试验研究

结合地上滴灌与渗灌技术优势,提出并进行了地下低压微孔管灌技术要素试验研究,结果认为,条件许可的地方工作压力选择１．５７～２．３５ ｋＰａ 变水头,管径２０ ｍ ｍ ,孔距６０ ｃｍ ,孔径０．７ ｍ ｍ 为最佳管道技术要素;微孔管内的悬浮物质及固体物质易于清洗;管道各孔口出流均匀,土壤湿润理想;并可方便施肥     

基于智能手机平台的猪饲料配方系统设计与实现

设计依猪只个体日龄、体重等参数而异的饲料配方是实现猪精细饲养的关键,目前已有很多具备此功能的饲料配方软件,但它们大多数基于PC平台。结合智能手机便于携带、可移动性好等优点开发的基于智能手机平台的猪饲料配方软件,便于携带且操作简单,使用NRC1998模型精确预测了猪营养需要量,配方结果更准确科学,饲料原料营养成分数据用XML文件贮存,数据读取方便,有效地降低了系统开发成本。     

几种环境因子对不同发育阶段的泥螺的影响

本文研究报告了几种环境因子对不同发育阶段泥螺的生存，生长的影响，泥螺为广温、广盐性种类，适温范围为－１．５－３３℃。适比重范围，低限为１．０１０。高限随其发育程度而不同，在海水酸碱ｐＨ＝７－８条件下，存活率最高，生长最好。泥螺耐干露能力，随着个体生长，忍耐能力逐渐加强，其干露后死亡的体重消耗率，成螺约为６９％左右。     

一种基于形态学的木材导管图像分割方法

木材识别对木材科学和产业具有重要的意义,微观识别方法准确性高但过程繁琐,只有木材专家才能掌握。基于图像的智能木材识别方法是通过自动提取木材的识别特征来识别木材。该文提出了一种基于显微结构图像的木材导管自动提取方法,运用数学形态学的腐蚀、膨胀及开、闭运算进行去噪处理和边缘增强,将导管形态从阔叶材横切面显微图像中成功地提取出来。该方法为定量分析和提取阔叶材管孔式特征奠定了基础,是对基于图像的智能木材识别技术的有益探索。大量的试验表明,该方法是有效的。      

基于水量平衡的膜孔沟灌水流推进模型研究

【目的】研究建立膜孔沟灌水流推进模型,通过分析膜孔沟灌水流推进过程,准确、方便确定膜孔沟灌灌水技术要素、田间平均入渗率和糙率。【方法】通过引入地表储水形状系数、下渗水形状系数和膜孔沟灌入渗方程,建立基于水量平衡的膜孔沟灌水流推进模型,并通过田间试验对模型进行检验。【结果】模型检验表明,试验实测数据与模型计算值吻合较好;对田间膜孔沟灌试验验证模型计算误差绝对值均值的分析可知,试验中各灌水沟除个别组误差绝对值均值大于5%外,其余均在5%以下;多组灌水沟的误差绝对值均值小于4%,可以满足膜孔沟灌灌水技术指标确定的需要。【结论】所建模型具有较为严谨的物理基础,计算求解方便、精度较高,具有较强实用性。     

动物卫生监督管理评估模型的构建

为了建立反映动物卫生监督管理工作效果的模型,本文通过实际调研及德尔菲专家调查法,并结合层次分析法及模糊综合评判法,构建动物卫生监督管理评估模型,利用文献定量收集及五级评定法确定模型中各指标评判值,将评判值代入所建模型,对动物卫生监督管理的效果进行模拟评估。结果显示,监督运行费用投资比例、饲养环节和监督人员专业比例分别位于总排序第1、第2和第3,动物卫生监督管理多部门管理模式存在问题。该模型可用于评估动物卫生监督管理效果。     

现代化养猪场三维建模与视景仿真系统的研究

为构建现代化养猪场三维模型和可视化软件系统,本研究利用三维视图设计方法获得猪舍建筑及设施的模型参数,根据参数生成育肥猪舍、妊娠猪舍、产房、母猪舍和空气过滤型公猪舍等三维模型;采用三维可视化、视景仿真、数字动画技术,实现包括养殖区域、环保设施和文化公园等场景的现代化猪场虚拟现实创意图,从而可在互联网平台上再现养猪场环境与设施装备场景,并为猪场生产管理和监测预警物联网系统的设计与实现提供技术支持。     

蓬莱松生物学特性研究(英文)

蓬莱松为百合科天门冬属的草质藤本观叶植物。本文综述了蓬莱松的多种用途、形态特征、生活习性、繁殖方法、栽培管理、病虫害防治和采收与分级等方面知识,以为其开发利用提供借鉴。     

基于视觉词袋模型的稻曲病发病程度感知

为了快速、精准地感知水稻稻曲病发病程度,以实现高度自动化的稻曲病大面积监测,结合高光谱成像和视觉词袋模型(BoVW)自动感知稻曲病发病程度.首先利用UHD185画幅式高光谱仪获取发病水稻光谱成像数据,利用主成分分析(PCA)筛选特征波段,再用正方格划分区域并获取区域特征,然后利用K-means算法聚类生成视觉词典,聚类中心作为视觉单词,最后利用矢量化和直方图统计得到视觉词袋模型表达.将198幅水稻高光谱图像的"视觉词袋模型表达-发病等级标签"作为数据集,随机选择3/5作为训练集,剩下的为测试集,采用支持向量机(SVM)建立稻曲病发病程度感知模型,感知精度为84.81％.结果表明,结合高光谱成像技术和视觉词袋模型可以有效感知稻曲病发病程度,为稻曲病大面积自动化监测提供参考.