农户资本禀赋、感知价值与秸秆收集受偿意愿——基于湖北黄冈的微观调研数据

为探究农户资本禀赋、感知价值对其秸秆收集受偿意愿的影响及作用机制,基于布迪厄社会实践理论构建分析框架,利用湖北省黄冈市秸秆综合利用重点县684份农户调查数据,使用二元Logit和OLS模型实证分析农户资本禀赋、感知价值对其秸秆收集受偿意愿的影响。结果表明：1）愿意参与秸秆收集生态补偿的农户占总样本的90.35%,其最小受偿额度平均值为791.45元/hm2;2）资本禀赋对农户秸秆收集生态补偿参与意愿有显著正向影响,对受偿额度有显著负向影响;3）感知价值对农户秸秆收集生态补偿参与意愿和受偿额度均有显著正向影响;4）感知价值在资本禀赋与秸秆收集生态补偿参与意愿之间具有中介效应,中介效应量为0.289;感知价值在资本禀赋与秸秆收集受偿额度之间具有遮掩效应,遮掩效应量为0.225。因此,为鼓励农户的秸秆收集行为,应加快完善秸秆收集生态补偿措施并分层分阶段推进,多渠道提升农户资本禀赋的同时提高农户对秸秆收集行为的感知价值。     

低风险疾病情境下农村居民健康信息规避行为研究

[目的/意义]本研究旨在揭示低风险疾病情境下农村居民健康信息规避的程度、策略、成因及其关联。[方法/过程]研究采用理论抽样方法和半结构化访谈法收集了江苏省45位农村居民的相关数据。研究采用开放式编码和主轴编码方法对访谈数据进行分析,同时采用社会网络分析软件对规避策略和成因之间的关系进行可视化展示。[结果/结论](1)农村居民在低风险疾病情境下存在全面型和选择型两种不同程度的健康信息规避。其中,全面型健康信息规避主要发生在信息需求阶段,具体的规避策略为完全不治疗;而选择型信息规避发生在信息获取阶段,具体的规避策略为自己治疗或者拖延治疗。(2)该情境下农村居民健康信息规避的成因主要包括感知风险、对信息源的信任、健康信息素养水平、文化水平、情绪、经济水平、小世界、时间和医疗资源的可及性。(3)农民健康信息规避的成因与规避策略存在特定的关联。文化水平和医疗资源的可及性只对完全不治疗规避策略有影响;情绪因素只对拖延治疗规避策略有影响;健康信息素养水平只对自己治疗规避策略有影响。该研究可为改善农村居民的健康状况提供指导建议。     

温室环境下黄瓜采摘机器人信息获取

研究基于近红外图像的黄瓜果实与茎叶的信息表达方法,有效实现了近色系生物信息的图像识别。分析了黄瓜采摘深度图像信息的特点,通过建立基于灰度相关与极线几何相结合的匹配策略实现了双目视觉下的黄瓜抓取点的立体匹配和三维重建。研究温室环境下不同时间光照强度变化特点,建立了光照分析模型,提高了不同光照条件下的导航线提取的适应性。试验表明机器人视觉系统能有效识别、定位果实的空间位置,定位误差控制在±5mm以内。     

基于语义分割的非结构化田间道路场景识别

环境信息感知是智能农业装备系统自主导航作业的关键技术之一。农业田间道路复杂多变,快速准确地识别可通行区域,辨析障碍物类别,可为农业装备系统高效安全地进行路径规划和决策控制提供依据。该研究以非结构化农业田间道路场景为研究对象,根据环境对象动、静态属性进行类别划分,提出一种基于通道注意力结合多尺度特征融合的轻量化语义分割模型。首先采用Mobilenet V2轻量卷积神经网络提取图像特征,将混合扩张卷积融入特征提取网络最后2个阶段,在保证特征图分辨率的基础上增加感受野并保持信息的连续性与完整性;然后引入通道注意力模块对特征提取网络各阶段特征通道依据重要程度重新标定;最后通过空间金字塔池化模块将多尺度池化特征进行融合,获取更加有效的全局场景上下文信息,增强对复杂道路场景识别的准确性。语义分割试验表明,不同道路环境下本文模型可以对场景对象进行有效识别解析,像素准确率和平均像素准确率分别为94.85%、90.38%,具有准确率高、鲁棒性强的特点。基于相同测试集将本文模型与FCN-8S、SegNet、DeeplabV3+、BiseNet模型进行对比试验,本文模型的平均区域重合度为85.51%,检测速度达到8.19帧/s,参数数量为,相比于其他模型具有准确性高、推理速度快、参数量小等优点,能够较好地实现精度与速度的均衡。研究成果可为智能农业装备在非结构化道路环境下安全可靠运行提供技术参考。     

数字果树及其技术体系研究进展

果树是重要的农林植物。在万物智联时代,利用数字化、智能化、网络化技术建立数字果树技术体系,实现对果树生命、生产和生态复杂系统的高效感知、认知和智慧管控,对于果业实现数字化转型具有重要意义。该研究在数字植物技术范畴下,系统论述了数字果树的概念和内涵,提出了数字果树技术体系框架。重点在果树表型信息获取、环境数据获取、三维模型计算、数字育种、果树大数据和虚拟现实技术等方面综述了数字果树研究进展。从产业应用角度,综述了数字果树技术在树形管理、生长监测、种植管理、农技培训、品牌营销等方面应用效果和挑战。最后,展望了数字果树发展趋势、研究热点和技术突破方向,以期为数字果树的进一步发展提供思路与借鉴。     

基于区域语义和边缘信息融合的作物苗期植株分割模型

为在自然环境下准确分割作物苗期植株,实现苗期植株定位及其表型自动化测量,本文提出一种融合目标区域语义和边缘信息的作物苗期植株分割网络模型。以U-Net网络构建主干网络,基于侧边深度监督机制,引导主干网络在提取特征时能感知植株边缘信息;利用空间空洞特征金字塔构建特征融合模块,融合主干网络和边缘感知模块提取的特征,融合后的特征图具有足够的细节信息和更强的语义信息;联合边缘感知的损失与特征融合的损失,构建联合损失函数,用于整体网络优化。实验结果表明,本文模型对不同数据集的作物植株的语义分割像素准确率高达0.962,平均交并比达到0.932;与U-Net、SegNet、PSPNet、DeepLabV3模型相比,本文模型在不同数据集上平均交并比最高提升0.07,对自然环境下作物苗期植株具有良好的分割效果和泛化能力,可为植株定位、对靶喷药、长势识别等应用提供重要依据。     

猪舍场景下的生猪目标跟踪和行为检测方法研究

针对猪舍内光照情况复杂、目标与背景颜色较为接近、相机视角与参数不佳等环境与硬件条件的不足,导致生猪跟踪过程中精度低、稳定性差的问题,充分结合实际场景,提出了一种优化特征提取的压缩感知跟踪算法。优化跟踪窗口为椭圆形,以接近生猪体态;并结合灰度和纹理特征,优化传统压缩感知算法特征提取过程;划分猪舍区域,依据生猪所处位置来判断其当前行为。随机选取猪舍内不同场景、不同光照强度、不同生猪品种的多段视频进行实验,实验结果表明：中心点均方根误差均值为25.44,分别是传统压缩感知算法、模板更新跟踪算法和Camshift跟踪算法的60.32%、33.33%、32.57%;中心点均方根误差方差为70.26,分别是传统压缩感知算法、模板更新跟踪算法和Camshift跟踪算法的7.13%、47.62%、17.16%;跟踪速度达到19.3帧/s。     

基于压缩感知的图像降噪处理研究

在农产品图像的动态采集中,可能会出现粘结、叠加及背景干扰等一系列缺陷,同时稀疏采样的图像也可能是不完整的。对于这个棘手的问题,由压缩感知理论可以找到答案。压缩感知理论首先对采集的图像进行稀疏表达,然后选取适合图像的最优小波基,采用凸优化理论及其算法,可以得到花生图像的特征点(降噪点)并进行处理,从而完成噪声的去除。为此,在压缩感知理论的基础上,提出了运用快速迭代阈值收缩(FISTA)算法进行去噪处理,与其他的图像降噪方法相比,体现了速度快、效率高、去噪效果好等优势。     

基于改进YOLO v5n的猪只盘点算法

猪只盘点是规模化养殖中的重要环节,为生猪精准饲喂和资产管理提供了依据。人工盘点不仅耗时低效,而且容易出错。当前已有基于深度学习的生猪智能盘点算法,但在遮挡重叠、光照等复杂场景下盘点精度较低。为提高复杂场景下生猪盘点的精度,提出了一种基于改进YOLO v5n的猪只盘点算法。该算法从提升猪只目标检测性能出发,构建了一个多场景的生猪数据集;其次,在主干网络中引入SE-Net通道注意力模块,引导模型更加关注遮挡条件下猪只目标信息的通道特征。同时,增加了检测层进行多尺度特征融合处理,使模型更容易学习收敛并预测不同尺度的猪只对象,提升模型遮挡场景的检测性能;最后,对边界框损失函数以及非极大值抑制处理进行了改进,使模型对遮挡的目标有更好的识别效果。实验结果表明,与原YOLO v5n算法相比,改进算法的平均绝对误差(MAE)、均方根误差(RMSE)以及漏检率分别降低0.509、0.708以及3.02个百分点,平均精度(AP)提高1.62个百分点,达到99.39%,在复杂遮挡重叠场景下具有较优的精确度和鲁棒性。算法的MAE为0.173,与猪只盘点算法CClusnet、CCNN和PCN相比,分别降低0.2...     

BTC模式下农产品属性对消费者购买行为的感知风险

在对感知风险已有的研究进行回顾总结的基础上,对消费者网上购买农产品的属性以及对消费者感知风险的影响进行了研究,发现农产品的安全性、新鲜度、价格、品牌对感知风险有相关关系,并对农产品电子商务网站营销提出建议。