基于改进YOLO v7的生猪群体体温热红外自动检测方法

针对当前生猪规模化养殖过程中基于热红外技术的生猪体温测量效率低的问题,提出了一种基于改进YOLO v7的生猪群体体温检测方法。改进YOLO v7算法在Head层引入VoV-GSCSP结构,降低网络结构复杂度;使用内容感知特征重组(Content-aware reassembly of features,CARAFE)替换模型原始上采样算子,提高特征图放大后的品质,强化生猪头部区域有效特征;引入感受野增强模块（Receptive field enhancement module,RFE）,增强特征金字塔对生猪头部特征的提取能力。本文改进YOLO v7算法对于生猪头部的检测精确率为87.9%,召回率为92.5%,平均精度均值（Mean average precision,mAP）为94.7%。与原始YOLO v7相比,精确率提高3.6个百分点,召回率提高7.0个百分点,mAP提高3.6个百分点。该方法首先自动检测生猪头部区域,再利用头部最大温度与耳根温度的高相关性,最终自动获取生猪体温。温度提取平均绝对误差仅为0.16℃,检测速度为222f/s,实现了生猪群体体温的实时精准检测。综合上述试验结果表明,该方法能够自动定位生猪群体的头部区域,满足生猪群体体温测定的高效和高精度要求,为群养生猪体温自动检测提供了有效的技术支撑。     

蔬菜种子的有效期限

白菜籽 白菜籽可以保存两年。当年收获的种子，可以当年播种。但贮存两年以上的种子，播种后出苗率一般要降低20％～30％以上，相应的抗病力也差了。其贮存时间越长，抗病力越差。贮存白菜籽，应放在凉爽、通风、干燥的地方。不要把种子装在塑料袋、水缸、铁桶等不透空气的容器里，以免捂坏，影响发芽率。     

论农机技术与农艺技术的深度融合

农机技术与农艺技术深度融合是当前我国农业发展的主要方向之一,对于我国未来农业发展有非常重要的意义。二者深度融合,有利于农业机械化推行,同时也能提升农艺技术的应用效率,继而促进农业生产力进步。当前,我国正在大力发展农机化技术,同时也非常重视农机与农艺的相互融合。部分地区的农机与农艺融合工作已经取得了良好的成绩,但是也有部分地区缺乏实际经验,导致农机与农艺技术融合存在问题,缺乏效率,进度缓慢。文章对农机技术与农艺技术深入融合工作进行研究探讨,总结农机技术与农艺技术深度融合工作现状和存在的主要问题,提出针对性的工作建议。     

神经网络在温室小气候预测中的应用

近年来,随着以日光温室为主要形式的设施栽培技术的兴起以及神经网络在语音识别、计算机视觉、序列分类领域取得重大突破,作为一种实现时间序列预测的有效工具,越来越多的神经网络技术开始应用在温室小气候预测技术中。按照神经网络的发展顺序对不同类型的神经网络模型在温室小气候预测中的应用进行总结叙述,分别针对前馈神经网络、循环神经网络、深度神经网络及混合神经网络的发展现状和研究者对网络模型的优化情况进行详细的介绍。在此基础上,分析当前针对温室小气候预测的神经网络模型存在模型输入参数单一而无法考虑温室整体环境变化、模型结构单一导致鲁棒性不足以及模型可靠性检验方法不合适、深度模型难以实地部署的问题,提出建立混合模型、改进模型检验方式、优化深度模型网络结构等建议。以期为面向温室智能控制的进一步研究提供参考。     

基于递进式卷积网络的农业命名实体识别方法

目前基于预训练语言模型（Pre-trained Language Model,PLM）的命名实体识别的研究在面对农业领域存在的实体命名方式繁杂、实体边界模糊等问题时,仅使用PLM最后一层表示输出,且均从外部引入知识或操作对实体表示进行增强,忽视内部各层本身蕴含语言不同层次的丰富信息。为解决上述问题,提出一种基于递进式卷积网络的命名实体识别方法。该方法首先存储自然句子,通过PLM后得到的每层输出表示;其次以递进式卷积作为全层信息的特征提取手段,对储存的模型中间层输出表示依次卷积。模型将注重全层信息,包括被忽略的浅层输出,而有研究表明靠近输入的模型层输出的句子嵌入包含更多的诸如短语、词组等粗粒度信息,对于边界模糊的农业命名实体识别,更关键的词组界定信息或许就隐含在这些被忽略的浅层嵌入中,可为农业领域存在的命名实体识别问题提供帮助。无需外部信息的引入,充分利用已使用的计算力得到的结果就能增强句子的表示嵌入;最终通过条件随机场（Conditional Random Field,CRF）模型生成全局最优序列。在构建的包含农作物品种、病害、虫害和农药4类农业实体的农业数据集上,所提方法的综合性指标...     

农机具田间牵引特性测试方案设计与试验

为满足农机具在田间作业实际应用中能适时反应工作性能的需求,进一步在结构、材质优化上提供数据参考;设计一套田间农机具牵引特性测试方案,本文以5幅液压翻转犁为研究对象,通过改变犁耕深度、作业速度、拖拉机挡位、犁体材质等因素,来检测牵引特性的变换,牵引力测试系统的稳定性。     

农作物病虫害识别的关键点及应用研究——基于深度神经网络方法

本文围绕农作物病害和虫害检测识别,首先对数据集进行了筛选以剔除不相关数据,其次提出了基于深度神经网络方法的农作物病虫害检测识别算法。实验结果表明此方法对于各类病虫害检测准确率达到93.45%。节约病虫害防治等农业风险管控的人力成本和物资成本,大幅降低因自然灾害而带来的风险和损失,每年可为农户减少因病虫害带来的损失达10%～15%左右。     

基于Fast R-CNN网络的雾霾天人车防碰撞研究

由于雾霾天气对车辆视线的干扰,容易导致交通事故的发生。基于Fast R-CNN网络的雾霾天人车防碰撞系统,提出了一种基于深度学习的防碰撞方法。首先,采用深度学习算法对人车进行实时目标检测,以便及时发现前方车辆和障碍物。其次,对检测到的障碍物进行分类和跟踪,以便对其进行有效避让。最后,通过实验验证了提出的方法在雾霾天气下的有效性和可行性。实验结果表明,该方法可以有效提高人车在雾霾天气下的行驶安全性和稳定性,避免碰撞事故的发生。     

2BMJ-4型玉米免耕精密播种机播种单体设计

针对现有玉米免耕播种机功能单一、作业效果差等缺陷,设计一种用于免耕土地作业的精密播种机的播种单体。试验表明,该机漏播率≤3%,重播率≤2.5%,粒距合格率≥87%,性能指标均优于行业标准,实现了免耕播种作业,具备良好的市场推广前景。      

北方粳稻“植生带”育秧设备定向排种装置的研制

为满足超级稻每穴(2±1)粒种子精量播种的特殊农艺要求,在纸夹定位水稻精密育秧设备研究基础上,研发出一种新型超级稻定向排种装置。初步排种试验表明,该装置可将种箱中杂乱无章的稻种分离出来后,在组合滑道上逐渐沿其长轴方向排列成连续的种子流,为超级稻植生带育秧设备的研制提供理论与实践依据。