冬季如何养好孕羊

进入冬季,大多数母羊都已怀孕。生产上对怀孕母羊的饲养管理要注意以下几点：1补喂精料一般细毛、半细毛孕羊,冬季每天要添加玉米、高粱、大豆、豆饼等精饲料200～300g,     

甘薯新品种冀薯二、三号丰产性及适应性的分析

<正> 我省常年种植甘薯约500万亩。目前所用品种已有相当一部分混杂退化,不抗病,产量低,急需更换。为了生产上的需求,我们对1986——1987年省区试的结果进行了分析,重点是近年育成的冀薯二号和三号两个新品种的丰产性及适应性,以徐薯18为对照,分别在省粮油作物所、唐山农科所、安国县良种场、卢龙县城关镇和丰润县农科所五种甘薯种植区域和土壤类型。均采用随机区组排列,起垄栽培,1986年重复四次,其中一次作生长动态调查,1987年重复三次,小区面积0.025亩,密度同当地种植习惯。一、丰产性分析各试点两年平均产量列表如下:     

羟氢苄青霉素可溶性粉的体外抗菌活性试验

羟氨苄青霉素别名阿莫西林、阿莫灵、阿莫仙、阿莫新、新达贝宁、阿摩西林、安福喜、奥纳欣、弗莱莫星、酚塔西林、广林、奈他美、强必林、强力阿莫仙、特力士、益萨林、氧他西林、再林、再灵等，为半合成的耐酸广谱青霉素类抗生素，该药抗菌谱广，杀菌力强，作用迅速。     

严格执法行政 提高执法水平——浅谈农机行政执法之证据收集

农机行政执法的难点和薄弱环节是如何收集、使用证据。多数执法人员不知道如何去收集利用证据，如何去开展行政执法，感到证据不多且不容易取得。就此，笔者谈以下几点看法。     

兽药促销将何去何从——兽药促销发展及新策略分析

促销是在短期内解决销量的最有效法宝，不管是基于销售指标的压力，还是基于市场竞争或其他原因，企业运用的最为娴熟的就是具有立竿见影市场戍效的促销了，甚至只要销量一下滑，首先想到的对策就是举办促销活动。 然而，在今年这样需求下滑的犬形势下，促销似乎陷入了困境，而且返点促销、会议拉动、旅游吸引也渐渐拉高了促销的竞争成本，盲目的竞争性促销、资金回笼的促销也使得促销与企业整体的战略营销渐行渐远，只见眼前不见长远。那么，什么情况下应该做兽药促销？促销的重点又应该是什么？如何让企业、客户摆脱促销依赖？如何利用促销提升品牌？如何做到促销是整体营销努力的结果？兽药促销将何去何从呢？为此，本刊编辑部特别组织了此次焦点关注专题。[编者按]     

昼夜生物节律调控能量及消化道能量物质代谢机制的研究进展北大核心CSCD

昼夜生物节律是生物体适应昼夜周期性变化的一种内在机制,具有重要的代谢调控功能,对机体的能量代谢以及消化道能量物质的吸收也有一定的调控功能。本文从昼夜生物节律对能量代谢的调控机制、对消化道微生物代谢与上皮能量物质吸收的调控机制等方面进行综述,以为从光照环境改善的角度来调控消化道营养素代谢、宿主生产性能等的研究提供一些参考资料。     

高粱根际微生物研究进展

根据近年来国内外关于高粱根际微生物的研究成果,综述了高粱根际微生物的多样性、主要影响因素、高粱根际微生物对高粱生长的影响、根际促生菌对高粱重金属携带能力的影响及土壤的生物修复等最新研究进展,这些研究成果分析了高粱根际微生物多样性对植株生长、生态环境等的影响意义及交互作用,并展望了今后高粱根际微生物方向需要深入研究的问题...     

基于改进YOLOv5的特征抑制多尺度林火检测算法

森林火灾检测是保护森林生态系统的关键所在,可以为森林早期火灾判断与预防提供重要依据。如果能够尽可能地对森林火灾识别和检测,可以在很大程度上减少灾害发生频率及其造成的损失。基于无人机遥感图像的发展,林火的快速检测得到进一步提升,可以准确识别火灾,解决林火出现的复杂性问题。本研究针对航拍森林火灾识别遇到的背景环境复杂、林火检测识别精度偏低、局部检测效果不佳等问题,提出了一种加强视觉注意力的林火识别方法,此方法是基于YOLOv5模型改进的。该算法使用NAM attention对像素进行归一化,降低不太显著的特征权重,使目标不重要的信息得到抑制。另外本研究采用了ObjectBox,这是一种新颖的单阶Anchor-free,不仅可以平等地对待不同级别尺寸的目标,还能提升模型识别正确样本的能力,具有高度的泛化性能。采用Mosaic数据增强方式增强模型的泛化能力,提高模型识别小目标的准确率。同时引入新的定位损失函数CIOU,它可以有效地改善模型在面对复杂背景时的定位精度,提升网络识别的准确性。实验结果表明,在无人机遥感图像数据上,检测性能均优于YOLOv5算法,该算法使得林火的数据集平均精度提升了3...     

基于CNN的无人机遥感影像质量评价

运用无人机的遥感影像来调查林地状态是一种有效的途径,为了进一步提升遥感图像质量的评价精度,笔者提出了一种基于卷积神经网络(convolutional neural network,CNN)的无人机遥感图像质量评价方法,主要包括图像采集与预处理、数据扩增、模型训练和测试4个阶段。首先对无人机采集到的遥感图像进行主观质量打分,分别获取同一区域不同阶段图像的质量分数;然后运用图像旋转和剪裁等方法对遥感图像进行数据扩增,将扩增后的图片和原始图片融合作为实验数据集;其次在Caffe深度学习框架中构建基于CNN深层特征的回归模型,并训练;最后,根据已建立好的深度回归模型和学习到的参数,预测无人机遥感图像的质量分数。结果表明,提出的方法可以取得较准确的评分效果,在保证客观打分的同时,能基本保持和人眼视觉的感受一致。