基于无人机多光谱影像和关键点检测的雪茄烟株数提取

为从无人机遥感影像中准确识别烟草,实现植株定位与计数,以雪茄烟草植株为研究对象,提出一种新的深度学习模型。区别于传统的利用检测框识别目标,本文模型利用少量的关键点学习烟草中心形态学特征,并采用轻量级的编、解码器从无人机遥感影像快速识别烟草并定位计数。首先,提出的模型针对烟草植物形态学特点,通过中心关键点标注的方法,使用高斯函数生成概率密度图,引入更多监督信息。其次,对比不同主干网络在模型中的效果,ResNet18作为主干网络时平均精度大于99.5%,精度和置信度都高于测试的其他主干网络。而MobileNetV2在CPU环境下达到运行效率最优,但平均置信度相对较低。使用损失函数Focal Loss与MSE Loss结合的Union Loss时,平均精度大于99.5%。最后,利用不同波段组合作为训练数据,对比结果发现使用红边波段更有助于模型快速收敛且能够很好地区分烟草和杂草。由于红边波段与植株冠层结构相关,使用红边、红、绿波段时平均精度达到99.6%。本文提出的深度学习模型能够准确地检测无人机遥感影像中的烟草,可为烟草的农情监测提供数据支持。     

种植密度对南疆机采棉群体农艺特征和产量的影响

在新疆南疆地区自然生态条件下,以中棉所88号为试验材料,采用单因素随机区组试验设计,设置6个种植密度（P1：9万株·hm^-2,P2：12万株·hm^-2,P3：15万株·hm^-2,P4：18万株·hm^-2、P5：21万株·hm^-2,P6：24万株·hm^-2）,研究了一膜六行机采棉模式下棉花株高、主茎日增长量、茎粗、节枝比、叶面积指数（leaf area index,LAI）、冠层开度、叶倾角和产量对种植密度的响应。结果表明：增大密度显著降低了棉花的株高、茎粗、单株叶面积、冠层开度及节枝比（P<0.05）;主茎日增量在初花期以前为密度越大其越高,初花期后则反之;各处理LAI均在盛铃前期达到峰值,以P4处理最高为4.74;叶倾角则随密度增大而增大,各处理在30.0°～46.9°浮动;籽棉及皮棉产量均在P5处理达到最高,分别为6 272.79 kg·hm^-2和2 874.82 kg·hm-²但其与P3、P4处理均无显著差异。综上得出,在一膜六行机采模式下,南疆棉花的种植密度在15万～18万株·hm^-2范围内,棉花株型及冠层结构良好,产量较高。     

深松整地作业技术要点

根据康平县在实施深松整地作业中遇到的实际问题,介绍深松机具的选择原则、作业质量标准、作业时间确定方法,以及作业技术要点和注意事项,为提高全县深松整地作业质量提供参考。     

跑车带锯机列的电气改造

本文通过对木工跑车带锯机列摇尺制动和摇尺操纵的电器改造，实现了摇尺自控和跑车摇控。提高了木材出材率，改善了工人的劳动条件。     

整地筑埂两用机传动系统的设计

为了提高水稻种植机械化的程度,针对其生产过程中的整地筑埂作业工序,设计了一种稻田生产用整地筑埂两用机的传动系统,该传动系统主要由变速箱、传动轴、链传动系统、两个旋耕集土器半轴、离合器、轴承等关键部件组成;采用轮式拖拉机为动力,实现了一次进地,可同时完成整地和筑埂两种作业。田间试验表明,该传动系统设计合理、性能稳定、技术先进,为水稻生产过程全程机械化提供了技术支持。     

基于高光谱成像的苹果品种快速鉴别

以乔纳金苹果,红富士苹果和秦冠苹果共90个试验样本为试材分别采集865~1 711 nm的近红外波段高光谱图像,选取苹果图像感兴趣区域(ROI),以分辨率2.8 nm提取其平均反射光谱数据,分别利用K近邻法(KNN)和径向基核函数支持向量机(RBF-SVM)进行品种判别,5折交叉检验。结果表明,3种苹果的近红外高光谱图像均在波长941~1 602 nm之间变得清晰,该区域200个波段下的平均反射光谱数据经KNN法中的10种距离算法评判,当K取值3和5时,切比雪夫距离、欧几里得距离和明可夫斯基距离3种距离算法的识别正确率均达到100%;SVM-RBF核函数模型中,γ取值为2-8~1的范围内识别正确率均在92%以上,当γ取值2-5,C取值为16和32时,识别正确率最高,为96.67%。故利用近红外高光谱图像技术结合KNN计算对苹果品种进行快速鉴别是优异和可靠的方案。     

引进开发推广适用农机具促进甜菜生产发展

介绍了包头华资实业股份有限公司在甜菜生产中引进、开发、推广的适用农机具及其应用效果,并提出了今后进一步发展的对策与建议。     

农业区地下水位动态变化预测的支

当观测资料的数据量少而又存在多个相互影响或关联的变量时，常用的回归预测模型不能全面考虑多个变量。在地下水位动态变化预测中应用了一种新的方法——支持向量机方法(SVM ) , 该方法属于机器学习理论发展的最新阶段, 具有专门针对有限样本、算法复杂度与样本维数无关等优点。针对一些农区井灌水稻规模扩大而引起地下水资源紧缺的情况，以某井灌水稻地区地下水动态观测资料为研究对象，运用支持向量回归模型，描述其地下水动态变化趋势。     

秸秆深还机具特点和作业效率分析

秸秆深埋还田(秸秆深还)作为一种新兴的秸秆还田模式,其机具有别于地表覆盖还田和铧式犁翻压还田。为了科学管理、合理运用秸秆深还机械,提高机组的作业效率,在调查测试秸秆深还作业的基础上,对机具的特点进行了分析,同时对测试机组分别进行了时间利用率和作业效率分析。结果表明:对于各个机具的作业时间利用率和总作业效率影响因素有所不同。作业速度、幅宽、故障维修和地头转向是影响机械作业效率的主要因素。根据调查和分析的结果,针对秸秆深还作业中存在的问题提出了机组的合理运行模式。     

基于脸部RGB-D图像的牛只个体识别方法

为实现非接触、高精度个体识别,本文提出了一种基于牛只脸部RGB-D信息融合的个体身份识别方法。以108头28~30月龄荷斯坦奶牛作为研究对象,利用Intel RealSense D455深度相机采集2334幅牛脸彩色/深度图像作为原始数据集。首先,采用冗余图像剔除方法和自适应阈值背景分离算法进行图像预处理,经增强共得到8344幅牛脸图像作为数据集;然后,分别选取Inception ResNet v1、Inception ResNet v2和SqueezeNet共3种特征提取网络进行奶牛脸部特征提取研究,通过对比分析,确定FaceNet模型的最优主干特征提取网络;最后,将提取的牛脸图像特征L2正则化,并映射至同一特征空间,训练分类器实现奶牛个体分类。测试结果表明,采用Inception ResNet v2作为FaceNet模型的主干网络特征提取效果最优,在经过背景分离数据预处理的数据集上测试牛脸识别准确率为98.6%,验证率为81.9%,误识率为0.10%。与Inception ResNet v1、SqueezeNet网络相比,准确率分别提高1、2.9个百分点;与未进行背景分离的数据集相比,准确率提高2.3个百分点。