小四轮拖拉机液压悬挂机构的使用与调整

(1)调整拖拉机左右斜拉杆长度,以保证农具机架水平。(2)耕地时,拖拉机右轮在犁沟里行驶,左轮在未耕地上行驶,所以右斜拉杆长度应比左斜拉杆的长度短一犁沟深度的尺寸。调整上拉杆长度,保证农具前后耕深一致。     

气吸式播种机作业质量改进

气吸式播种机具有投种点低、种子分布均匀、播种深度一致、出苗整齐、节省种子等优点,且可精量播种玉米、大豆、小豆等作物;可单行或双行作业,通用性强,并能一次完成施肥、开沟、播种、覆土、镇压作业,是目前国内较先进的播种机械。在近几年的作业实践中,研究了气吸式播种作业质量的影响因素,对播种机械存在的一些不足进行改进尝试,并提出几点建议。     

基于人工智能的木材缺陷检测研究进展

木材缺陷检测是木制品加工前的重要步骤,为了提高检测效率和经济效益,木材缺陷检测也从传统的人工方法向智能化方向转变。随着计算机技术的不断提高,人工智能得到快速发展,人工智能在木材缺陷检测中的应用也进一步增加。目前,人工智能主要通过机器学习、人工神经网络、深度学习等算法实现对木材缺陷的预处理和检测。文中阐述部分常用人工智能算法在木材缺陷检测中的应用,包括相关算法的原理、特点;综合分析算法优缺点,并对人工智能技术在木材缺陷检测中的研究进行了展望。     

新疆三屯河灌区水利信息化应用研究

以新疆维吾尔自治区（简称新疆）昌吉回族自治州（以下简称昌吉州）三屯河灌区为研究区域,利用ArcGIS的水文分析模块对GDEMV3 30 m分辨率数字高程模型（digital elevation model,DEM）进行河网水系的提取,从而得出水流方向、汇流累计量、分级河网和子流域边界等河网信息,利用AI Earth深度学习算法对Sentinel-1 SAR GRD遥感影像进行水体分类提取。不同于用遥感影像处理软件（environment for visualizing images,ENVI）对研究区影像进行地物识别分类的传统操作,该研究更倾向于通过AI Earth使用监督分类算法对Sentinel-2 L2A影像数据进行地物分类,进而绘制出渠系一张图,清晰生动地展现研究区域复杂的水系结构,对GDEMV3 30 m分辨率数字高程数据、野外采样点数据、天地图所选区域0.862 m/像素与672瓦片数量的17级Tiff数据进行处理制作采样点的渠系地形三维图,从立体的角度深入探索了水系地貌的特征,为研究提供更全面的视角,并探讨在试验过程中遇到的难点及解决办法。     

用于小麦多生长阶段倒伏边界精准检测的分层交互特征金字塔网络（英文）

[目的/意义]传统的小麦倒伏检测方法需要人工进行田间观测和记录,这种方法存在主观、效率低、劳动强度大等问题,难以满足大规模的小麦倒伏检测的需求。基于深度学习的小麦倒伏检测技术虽已在一定程度上得到应用,但普遍局限于对小麦单一发育阶段的倒伏识别,而倒伏可能发生在小麦生长的各个时期,不同时期倒伏特征变化复杂,这给模型特征捕捉能力带来考验。本研究旨在探索一种基于深度学习技术的多生育期小麦倒伏区域检测方法。[方法]用无人机采集小麦灌浆期、早熟期、晚熟期这三个关键生长阶段的RGB图像,通过数据增强等技术构建出多生育期小麦倒伏数据集。提出一种小麦倒伏提取模型Lodging2Former,该模型在Mask2Former的基础上加以改进,引入分层交互式特征金字塔网络(Hierarchical Interactive Feature Pyramid Network,HI-FPN),用于提高模型在复杂田间背景干扰下对于多个生长阶段小麦倒伏特征的捕捉能力。[结果和讨论]所提出的Lodging2Former模型相较于现存的多种主流算法,如Mask R-CNN (Mask Region-Based Convolu...     

农业大模型：关键技术、应用分析与发展方向

[目的/意义]近年来,人工智能在农业领域的应用取得了显著进展,但仍面临诸如模型数据收集标记困难、模型泛化能力弱等挑战。大模型技术作为近期人工智能领域新的热点技术,已在多个行业的垂直领域中展现出了良好性能,尤其在复杂关联表示、模型泛化、多模态信息处理等方面较传统机器学习方法有着较大优势。[进展]本文首先阐述了大模型的基本概念和核心技术方法,展示了在参数规模扩大与自监督训练下,模型通用能力与下游适应能力的显著提升。随后,分析了大模型在农业领域应用的主要场景;按照语言大模型、视觉大模型和多模态大模型三大类,在阐述模型发展的同时重点介绍在农业领域的应用现状,展示了大模型在农业上取得的研究进展。[结论/展望]对农业大模型数据集少而分散、模型部署难度大、农业应用场景复杂等困难提出见解,展望了农业大模型未来的发展重点方向。预计大模型将在未来提供全面综合的农业决策系统,并为公众提供专业优质的农业服务。     

基于注意力机制改进卷积神经网络的柑橘病虫害识别

柑橘是我国种植面积最大、产量最高的水果作物,对我国的经济发展具有重要作用。柑橘病虫害侵染是导致柑橘产量及品质下降的重要原因之一,高效、准确的柑橘检测技术对柑橘产业的发展具有重要意义。因此,本研究提出一种基于注意力机制改进卷积神经网络的柑橘病虫害识别算法,以多尺度特征提取网络Inception v3为基础,在Inception结构间加入CBAM注意力机制,构建基于注意力机制的多尺度特征提取网络;然后融合残差注意力网络,提升模型的整体性能,以实现对柑橘病虫害的精准识别。试验结果表明,基于注意力机制改进卷积神经网络的柑橘病虫害识别算法从通道和空间维度提高了对输入有效特征的关注度,在融合残差注意力网络后,提高了模型的整体性能,实现对5种柑橘叶片(溃疡病、潜叶蛾、黑点病、红蜘蛛和健康叶片)的识别准确率达到98.49%,比基础模型提高4.02百分点,说明本研究提出的方法对柑橘病虫害的识别效果较好。最后将模型进行部署,设计柑橘病虫害识别系统,实现基于移动端的柑橘病虫害智能检测,为相关研究提供参考。     

基于高分辨率遥感影像的植被分类方法比较

以新疆库车市东部绿洲-荒漠过渡带为研究对象,利用GF-2号遥感影像为主要数据源,在野外调查的基础上,采用基于像元的监督分类和分层次多尺度分割的面向对象分类方法对研究区植被信息进行准确识别。结果表明:1)监督分类与面向对象的分类结果大体一致,两者的总体分类精度均可达到94%以上,Kappa系数大于0.93,都体现出了较高的分类精度;2)与监督分类相比,面向对象的分类方法在总体分类精度上提升了3.79%,Kappa系数提高了0.032,具有更好的分类效果和分类精度。通过确定最优尺度分割,面向对象的分类方法可更为准确地提取研究区植被信息,为合理评价区域土地荒漠化状况提供科学依据。     

推进蚕桑基地建设 助力凉山脱贫攻坚

凉山地处川滇结合部,幅员面积6.04万km2,辖17个县(市),总人口531.03万,其中彝族人口占53.81％,是全国最大的彝族聚居区和四川省民族类别最多、少数民族人口最多的地区,也是全国集中连片的特殊类型贫困区域“三区三州”深度贫困地区之一.     

高寒山区不同海拔高度春播油菜试验初报

对四川凉山州昭觉县不同海拔高度春播油菜不同品种的试验鉴定表明,在海拔2 500m左右为春油菜适宜种植区,品种以德油早1号、中双6号、德油5号表现较好.