东北地区种植业机械化水平的灰色关联辨识

发展农业机械化是东北老工业基地振兴的重要内容.为此,对现阶段东北地区种植业机械化装备水平、生产经济系统的投入产出状况以及环境状况进行了科学的分析,运用灰色关联分析方法对其进行系统的辨识,这对于东北农业的发展、增加农民收入、加快农村富余劳动力转移,优化农业和农村经济结构具有重要意义.     

基于方向一致性特征的小麦条锈病与白粉病识别方法

针对小麦条锈病、白粉病这2种病斑颜色特征相近、形状特征不明显,但在方向分布的一致性上却存在较大差别这一特点,提出了一种方向一致性描述方法。通过不同的方向核与图像卷积得到多个方向图和边缘,对每个方向图依据边缘图进行统计得到图像的方向分布直方图;并计算方向分布直方图的标准差,作为图像方向分布的一致性特征。该方法能够较好地抑制噪声影响,得到的结果符合图像的实际分布情况。利用该方法对小麦病斑进行特征提取,并应用于小麦条锈病与白粉病的病斑识别实验中。实验结果表明,所提出的方向一致性特征使条锈病与白粉病的区别度较大,准确识别率达到99%。     

应用声强测试技术对发动机噪声源识别的研究

通过对一台增压柴油机的噪声进行声强测试,将测试得到的数据用STARAcoustics声强软件进行处理和分析,得出发动机各个包络面的等声强分布、声强矢量分布和声功率的计算结果;利用这些结果着重分析和识别了该发动机的主要噪声源,确定了其噪声源的位置、主要噪声频率成分和声功率的贡献,为降低发动机噪声提供了改进依据.结果表明,通过与9点法试验结果的定性比较,能够更准确地判断噪声源的位置及其频率分布.     

基于三维点云的蔬菜大棚杂草识别方法

为实现蔬菜大棚内自动化除草的目的,针对其中的杂草识别环节,提出了一种基于三维点云的新型蔬菜大棚杂草识别方法。采用RGB-D相机获取青菜田、生菜田的三维点云图像,采用超绿色算法去除其中的土壤等背景,采用体素滤波法在保留点云图像形状特征的同时降低点云数量,然后采用欧式聚类法分割出单株青菜和单棵杂草的点云簇,分别计算得到每个点云簇的最高点的Z坐标值,最后结合深度信息Z坐标值实现蔬菜大棚杂草识别。结果表明:这种基于三维点云的杂草识别方法能够有效的识别出杂草,识别率为86.48%。该方法能够对蔬菜大棚中的杂草进行准确识别,为蔬菜大棚自动化除草提供有效的解决方案。     

大理州“红阳”猕猴桃真菌性枝干的发生与病原鉴定

以大理州"红阳"猕猴桃枝干为试材,采用田间调查法调查病原菌对其危害状况,对采集的10份病样采用常规组织分离法分离病原,单孢纯化法获得病原菌,采用形态和分子法鉴定病原种类,以期明确大理州"红阳"猕猴桃枝干病害的发生状况及危害病原。结果表明:大理州"红阳"猕猴桃枝干病害发生严重,病株率高达69.6%,5个采样点共分离得到15个菌株,其中以链格孢菌(Alternaria alternata)、厚坦镰刀菌(Fusarium chlamydosporum)、小新壳梭孢菌(Neofusicoccum parvum)和间座壳属中一种(Diaporthe bohemiae)共4类病原菌出现频率最高,是优势种,分离率分别为55.6%、52.4%、49.8%和50.1%。利用柯赫氏法则对分离所得的所有菌株进行致病性测定,证实了优势菌株对猕猴桃茎杆的致病性,进一步明确了引起大理州猕猴桃茎杆的病原真菌。     

菜籽中2—羟基—3—丁烯基硫代葡萄糖苷的分离与纯化制备

本文报道了用弱离了交换剂DEAE Sephadex A-25作固定相,K_2SO_4溶液作流动相,采用自动柱层析仪分离制备硫代葡萄糖苷结晶粗品,然后采用制备HPLC,Φ8×250 mm柱,充填Hitachi 3050(ODS),5×10~(-2)乙腈作流动相,进一步分离纯化,制得2-羟基-3-丁烯基硫代葡萄糖苷的钾盐晶体,以质谱(MS),红外图谱(IR),紫外图谱(UV)和HPLC图谱证实,结晶物纯度为色谱纯。     

基于卷积神经网络的农作物叶片病害诊断

农作物病害诊断对于及时发现并采取防控措施具有重要意义.本研究针对苹果、玉米、番茄、葡萄等典型农作物的常见叶片病害问题,使用了两种目前使用最广泛的卷积神经网络——VGG 16及Resnet50,对典型农作物叶片病害进行识别.使用AI Challenger比赛的农作物叶片病害数据集图像,并对这些图像进行预处理,构建了47 ...     

17份食用向日葵杂交种苗期抗旱性综合评价

以17份食葵杂交种为试材,采用1/2 Hoagland营养液水培的方式,以PEG-6000模拟干旱,分析苗期根系形态和生物量对干旱胁迫的响应,并对食葵杂交种的抗旱能力进行综合评价.结果表明:苗期食葵根系形态指标受干旱影响程度要高于生物量,根系形态各指标受干旱影响程度顺序为:根体积>根平均直径>根尖数>总根长>根表面积,...     

新疆某牛场大肠杆菌的分离鉴定及16S rRNA序列分析

为了调查新疆某规模化奶牛场犊牛腹泻的原因并确定病原,无菌采集15份腹泻犊牛粪样进行病原的分离培养,采用形态学观察、生化试验、血清学和致病性分析等方法鉴定分离菌株,利用大肠杆菌16SrRNA通用引物进行基因序列扩增并测序,使用DNAStar软件将分离菌株测序结果与GenBank中的其他菌株序列进行同源性比对,采用Mega...     

基于轻量型残差网络的自然场景水稻害虫识别

准确识别水稻害虫对水稻及时采取防护和治理措施具有重要意义,该研究以自然场景中水稻害虫图像为研究对象,针对水稻害虫图像的颜色纹理与背景相近以及同类害虫形态差异较大等特点,设计了一个由特征提取、全局优化以及局部优化模块构成的轻量型残差网络（Light Weight Residual Network,LW-ResNet）用于水稻害虫识别。在特征提取模块通过增加卷积层数以及分支数对残差块进行改进,有效提取自然场景中水稻害虫图像的深层全局特征并使用全局优化模块进行优化;局部优化模块通过设计轻量型注意力子模块关注害虫的局部判别性特征。LW-ResNet网络在特征提取模块减少了残差块的数量,在注意力子模块中采用深度可分离卷积减少了浮点运算量,从而实现了模型的轻量化。试验结果表明,所设计的LW-ResNet网络在13类水稻害虫图像的测试数据集上达到了92.5%的识别准确率,高于VGG16、ResNet、AlexNet等经典卷积神经网络模型,并且LW-ResNet网络的参数量仅为1.62×106个,浮点运算量仅为0.34×109次,低于MobileNetV3轻量级卷积神经网络模型。该研究成果可用于移动端水稻害虫的自动识别。