财政支持农业产业化发展探讨

<正> 我国农业属弱质农业,效益比较低,在实施农业产业化的过程中,需要国家给予大力支持,其中财政支持是重要的方式和手段。本文结合襄樊市财政部门支持农业产业化的实践,淡谈财政部门如何支持农业产业化。 1 农业产业化的发展与财政 1.1 财政给予农业产业化以大力支持 农业产业化在1995年全国农财工作会议上第一次提出来之后,襄樊市财政部门在充分认识农业产业化发展的重要意义的基础上,把支持农业产业化放在     

具有支持向量机优化算法的福州内河水质评价系统研究

随着福州市发展建设的推进,福州内河水环境不断恶化,亟需及时掌握福州内河水环境的水质状况,从而进行水质优化的干预。文章研究具有支持向量机优化算法的福州内河水质评价系统。首先进行水质信号检测的硬件设计,采用可编程逻辑控制器（PLC）通过485通讯协议采集到水质信号,通过网络终端实时远传至终端电脑;接着,采用Python语言实现支持向量机优化算法的软件设计,最终实时研判水质情况,防范水质的污染恶化。     

利用机器视觉与近红外光谱技术的皮蛋无损检测与分级

为了对优质蛋、次品蛋和劣质蛋这3种皮蛋进行检测及分级,该文应用机器视觉结合近红外光谱技术,研究利用皮蛋凝胶品质无损检测的分级方法。首先采集皮蛋透射光图像,提取18个图像颜色特征值,然后将所提取的18维特征利用主成分分析(principal component analysis,PCA)进行降维,对PCA降维后的3个主成分建立遗传算法优化支持向量机(genetic algorithm-support vector machine,GA-SVM)分级模型,把皮蛋样本分为两大类:可食用蛋(优质蛋与次品蛋)与不可食用蛋(劣质蛋),劣质蛋测试集识别率为100%。然后在机器视觉分类结果的基础上,利用近红外光谱技术获取可食用蛋(优质蛋与次品蛋)的原始光谱,并进行多元散射矫正(multiplicative scatter correction,MSC),利用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)降维提取特征波长,基于支持向量机(support vector machine,SVM)对特征波长变量建立分级模型,区分出优质蛋与次品蛋,优质蛋测试集识别率为96.49%,次品蛋识别率为94.12%。研究结果表明:基于机器视觉和近红外光谱进行皮蛋凝胶品质无损检测分级是可行的。     

密云水库及上游流域环境监测信息系统的设计与实现

文章对水环境污染信息集成与环境监测系统中信息集成、信息处理的一些关键技术问题进行了研究,并针对水环境污染信息集成与环境监测系统的建设与开发,系统中数据的处理与组织、数据库建设、软件设计与实现进行了详细论述,为实用型水环境污染信息集成与环境监测系统的建设提供了一种思路与方法。     

国家农业综合开发5举措打造产粮核心区

据了解,2012年,中央财政预算安排农业综合开发资金290亿元,比2011年增加了60亿元,增长了26%,是农业综合开发实施以来安排增量资金最多的一年。2012年,农业综合开发将加大中低产田改造、高标准农田建设支持力度,5措并举,努力打造全国粮食生产核心区。     

基于WebGIS的新疆远程施肥决策支持数据库的设计

针对土壤信息数据在农业生产中的重要作用，在应用基于GIs的新疆县级土壤养分管理和推荐施肥系统的基础上，提出建立基于webGIS的新疆省养分分区管理的系统，以扩大数据的共享性及推进平衡施肥技术应用的深度和广度。本文着重介绍了系统的施肥决策数据库的设计与开发.     

全南监理交警联手整治“黑车非驾”

全南县是地处江西省最南端的边远山区小县，为了加强农用车及拖拉机的管理，全南县农机安全监理部门得到县交警帮门的大力支持，他们主动派出警员配合农机监理部门自10月中旬开始深人边远山区特别是撤乡并镇地区展开了为期半个月的农用运输车辆“黑车非驾”专项整治工作，     

推进农机服务体系创新

当前,我国农业机械化加快发展,各级政府都越来越重视推进农机体系建设和支持农机服务向产业化迈进,正确认识我国当前农机服务体系建设所面临的环境和理清工作思路十分重要而且是非常必要的。     

玉米籽粒的特征选择算法——基于支持向量机与遗传算法

在基于数字图像的玉米品种自动识别的研究中,寻找对识别贡献大的新特征项,对玉米品种识别率的提高具有十分重大的意义.把遗传算法和支持向量机算法相结合,设计了具体的基于支持向量机和遗传算法的玉米籽粒特征选择算法,利用这种算法优选提取出的玉米籽粒特征,从玉米籽粒的胚部和冠部的颜色特征与形状特征中找出了对玉米品种识别贡献较大的新特征.     

基于PCA_SVR的油菜氮素光谱特征定量分析模型

研究了采用光谱分析技术对油菜植株全氮进行定量分析的方法.采用逐步回归法对氮素的光谱特征波长进行选择,为克服光谱变量间多重共线性的影响,对变量进行了主成分分析(PCA),为提高模型的拟合优度,应用支持向量机回归(SVR)建立油菜氮素的定量分析模型.对不同氮素水平的油菜冠层光谱数据进行分析,结果表明,406、460、556、634、662、675nm的光谱反射率与油菜含氮量呈极显著相关.植株全氮SVR模型预测值与实测值的相关系数为0.89,模型的检验误差(RMSE)为2.51.