基于改进ByteTrack算法的群养生猪行为识别与跟踪技术

群养生猪行为的识别与跟踪是智能养殖中监测猪只健康的关键技术。为在猪只重叠与遮挡复杂场景中,实现群养生猪行为识别与稳定跟踪,提出了改进ByteTrack算法。首先,采用YOLOX-X目标检测器实现群养生猪检测,然后,提出改进ByteTrack多目标跟踪算法。该算法改进包括：设计并实现BYTE数据关联的轨迹插值后处理策略,降低遮挡造成的IDs错误变换,稳定跟踪性能;设计适合群养生猪的检测锚框,将YOLOX-X检测算法中的行为类别信息引入跟踪算法中,实现群养生猪行为跟踪。改进ByteTrack算法的MOTA为96.1%,IDF1为94.5%,IDs为9,MOTP为0.189;与ByteTrack、DeepSORT和JDE方法相比,在MOTA与IDF1上均具有显著提升,并有效减少了IDs。改进ByteTrack算法在群养环境下能实现稳定ID的猪只行为跟踪,能够为无接触式自动监测生猪提供技术支持。     

引汉济渭工程系统水量调度失效风险理论体系分析

基于贝叶斯网络模型,构建引汉济渭工程系统失效风险计算的理论体系,有效诊断对供水系统影响较大的部件,智能识别和分析风险的分布及其强弱,对于提高工程的安全系数具有参考意义。     

基于JDE模型的群养生猪多目标跟踪

为实现群养生猪在不同场景下（白天与黑夜,猪只稀疏与稠密）的猪只个体准确检测与实时跟踪,该研究提出一种联合检测与跟踪（Joint Detection and Embedding,JDE）模型。首先利用特征提取模块对输入视频序列提取不同尺度的图像特征,产生3个预测头,预测头通过多任务协同学习输出3个分支,分别为分类信息、边界框回归信息和外观信息。3种信息在数据关联模块进行处理,其中分类信息和边界框回归信息输出检测框的位置,结合外观信息,通过包含卡尔曼滤波和匈牙利算法的数据关联算法输出视频序列。试验结果表明,本文JDE模型在公开数据集和自建数据集的总体检测平均精度均值（mean Average Precision,mAP）为92.9%,多目标跟踪精度（Multiple Object Tracking Accuracy,MOTA）为83.9%,IDF1得分为79.6%,每秒传输帧数（Frames Per Second,FPS）为73.9帧/s。在公开数据集中,对比目标检测和跟踪模块分离（Separate Detection and Embedding,SDE）模型,本文JDE模型在MOTA提升0.5个百分点的基础上,FPS提升340%,解决了采用SDE模型多目标跟踪实时性不足问题。对比TransTrack模型,本文JDE模型的MOTA和IDF1分别提升10.4个百分点和6.6个百分点,FPS提升324%。实现养殖环境下的群养生猪多目标实时跟踪,可为大规模生猪养殖的精准管理提供技术支持。     

晚籼新组合博优212的选育及栽培

用博A不育系与自选的玉212恢复系配组育成的晚籼杂交水稻迟熟组合博优212，生育期123天，株高96.4厘米，叶细直，厚短，茎秆粗壮，分蘖力强，后期青枝腊秆，熟色好，抗寒力强，一般每667平方米产量500公斤。     

彩色甜椒南方大棚高产栽培技术

1 品种选择 根据大棚透气性不强、透光性差等特点，应选择耐弱光、抗性强、丰产的品种，因欧美国家育成的品种表现产量高、品质好，普遍适合大棚种植。如荷兰的天使红椒和宝黄椒等品种。     

农业科研中应用Excel进行方差分析的方法

介绍了在农业科研中使用Excel进行方差分析的简便方法，包括数据分析工具的安装及具体操作步骤等。     

冬闲蚕房桑枝屑栽培猴头菇试验

结合玉林市养蚕方式和猴头菇的栽培管理特点,试验探索出利用冬季闲置蚕房桑枝栽培猴头菇的合理栽培模式:短袋两头接种地面摆放出菇.利用桑枝栽培的猴头菇多糖含量0.32％高于用木屑栽培的猴头菇.     

平菇抗虫品种筛选试验

以5个本地常栽的平菇品种为试验材料,出菇期间引入双翅目害虫平菇厉眼蕈蚊,进行抗虫能力试验,结果表明品种灰平的抗虫性最好。     

拌种双防治小麦散黑穗病

小麦散黑穗病(Ustilago tritici)内蒙麦区每年都有发生,一般田间发病率2—5％,严重地块达20—40％,近年发生又趋严重。