基于SRTM_DEM的泾河流域特征信息提取研究

流域特征信息的提取对于水文地理信息分析、模拟技术和水文模型建立具有重要意义。基于STRM_DEM数据,在ArcGIS9．3环境下,提取泾河流域坡度、坡向等地形特征,以及河网、流域边界和面积等水文要素,并划分子流域。分析表明,当闽值取5000（40．5km^2）时,生成的流域河网能够较好地反映该地区水系。根据河网分级、低级集水区域生成结果和流域地形特征,可划分为32个子流域,为流域分布式水文模型的构建提供了基础地理信息。SRTM_DEM提取泾河和部分支流流域面积误差均较小,说明提取结果与实际非常接近。结果表明,SRTM_DEM数据和ArcGIS9．3提取流域特征信息方便快捷,具有较高的精度和准确性,应用前景广阔。     

春小麦、胡萝卜复种栽培技术研究

春小麦下茬复种胡萝卜栽培模式可提高单位面积土地利用率,促进农民增产增收。从品种选择、栽培过程、田间管理和收获几方面介绍春小麦、胡萝卜复种栽培技术的操作要点,以期为该栽培模式的大面积推广应用提供技术支持。     

花生油中黄曲霉毒素B1含量的荧光光谱表征

花生油在生产过程中极易受到黄曲霉毒素B1(Aflatoxin B1, AFB1)的污染。针对AFB1的传统检测方法操作繁琐、时效性差等问题,利用荧光光谱技术快速检测花生油中AFB1含量。首先通过三维荧光光谱确定最佳激发波长,使用K-means和自组织映射(Self organizing map, SOM)聚类算法对花生油中AFB1含量进行超标与否的定性鉴别,准确率均达95%以上;其次使用2种预处理算法和2种降维算法,选出竞争自适应重加权采样(Competitive adaptive reweighted sampling, CARS)为最佳的波长选择方法;随后将回声状态网络(Echo state network, ESN)用于AFB1的定量建模,同时与其他模型作比较,结果显示CARS-ESN模型获得了最佳AFB1含量预测效果;最后将麻雀搜索算法(Sparrow search algorithm, SSA)用于对ESN参数进行寻优,最终预测集决定系数达0.984,均方根误差达2.13μg/kg。结果表明了荧光光谱技术结合ESN预测花生油中AFB1含量的可行性,为在线检测食用油中真菌毒素含...     

花生覆膜栽培技术要点

根据农机与农艺相结合的原则,从地块选择、种子处理、地膜选用、铺膜要求、田间管理、除草、收获等方面,探讨花生覆膜栽培技术要点,为提高花生的产量和品质提供理论参考。     

基于RFID_GPS的智能农田信息采集系统设计

介绍了一种基于射频识别(RFID)技术的农田信息采集电子标签及阅读器的设计方案。以MSP430F5438单片机作为主控芯片,实现对土壤温湿度、光照强度、CO2浓度等信息的采集和处理,并通过GPS模块实现各电子标签的定位及采集时间的定时,再由CC1101射频收发芯片完成电子标签与阅读器之间的数据通信。此外,电子标签采用低频唤醒方案大大减少了系统的耗电,经过实验证明,电子标签能在3.4m的范围内被唤醒,采集数据准确,工作效果理想。     

VSC-HVDC输电系统的特点与应用

轻型直流输电系统是基于VSC技术的新型直流输电技术。介绍轻型直流输电基本原理,对比轻型直流输电技术与传统直流输电技术在结构和功能方面的区别,阐述轻型直流输电的优点,并对其应用进行总结和展望,以期为轻型直流输电技术在我国的应用和发展提供一定参考。     

葫芦岛市农机社会化服务发展措施

根据葫芦岛市农机及其社会化服务的发展现状及存在的主要问题,借鉴企业在经营管理、资产组织、市场开发、技术信息获取等方面的经验,探讨提高葫芦岛市农机社会化服务水平的具体措施,为加速全市的农业发展提供机具保障。     

基于改进YOLOv3网络模型的茶草位置检测算法

精准高效的茶草识别是智能茶园植保机械进行除草工作的关键。针对目前茶园除草智能化程度较低等问题,提出改进YOLOv3网络模型的茶草检测算法。首先,分季节和时间段,在多个茶叶品种的种植园中以自适应的距离和角度采集茶草混合图像并建立试验数据集。接着,使用K均值聚类算法重新设计先验锚框尺度。然后,以YOLOv3网络模型为基础,选取17×17的网格划分图像区域;采用残差网络（ResNet）作为主干网;加入过程提取层,增强草株检测性能。最后在原损失函数中引入广义交并比损失。通过消融试验和不同目标检测算法对比试验验证此改进算法对茶树与杂草的检测效果。试验结果表明,改进 YOLOv3网络模型对杂草的检测精确率和召回率分别为85.34%和91.38%,对茶树的检测精确率和召回率最高达到82.56%和90.12%;与原YOLOv3网络模型相比,检测精确率提高8.05%,并且每秒传输帧数达到52.83 Hz,是Faster R-CNN网络模型的16倍。这些数据说明所提算法在茶园复杂环境下,不仅对于茶树和杂草具有更好的识别效果,而且满足实时检测的要求,可以为智能茶园植保机械提供技术支持。     

基于注意力机制的小样本啤酒花病虫害识别

为提高啤酒花产业的品质和产量,针对于传统人工识别鉴定难度大,效率低和客观性不够,以及啤酒花病虫害识别无大型公开数据集等问题.本文提出一种基于软注意力机制的小样本啤酒花病虫害识别方法,对传统深度残差网络ResNet模型进行改进,并使用图像增强技术-直方图均衡化处理图片得到新的数据集.实验结果表明,在小样本情况下,相比于传...     

基于小样本学习的植物病害识别研究*

为在仅有少量训练样本条件下获得较高的植物病害分类精度,采用小样本学习模型作为病害分类器,在匹配网络、原型网络和关系网络3种典型小样本学习算法框架下分别采用Conv4、Conv6、ResNet10、ResNet18和ResNet34 5种浅层网络作为特征提取网络,在PlantVillage植物病害数据集上对病害识别性能进行对比试验。在1shot条件下,匹配网络、原型网络和关系网络对植物叶片病害识别的平均准确率分别为72.29%、72.43%和69.45%;其中原型网络+ResNet34为表现最好的组合,病害识别准确率达到了77.60%。在5shot条件下,匹配网络、原型网络和关系网络平均准确率分别为87.11%、87.50%和82.92%,各种网络病害识别准确率比1shot条件均有明显提升;原型网络+ResNet34依旧是表现最佳的组合方式,识别准确率达到89.66%。上述试验结果表明,通过优选小样本学习框架和特征提取网络的组合方式,对于少量样本的病害也能取得较好的识别效果。