基于卷积神经网络和树叶纹理的树种识别研究

利用计算机图像工程技术和卷积神经网络将大量树叶图像叶脉信息提取并分类,主要研究单一背景下阔叶树叶脉纹理特征。本实验采用卷积神经网络在图像信息识别准确率高,无需人工定义树叶纹理特征减少繁琐的人工成本。将网络在Caffe平台上面进行定义,使用符合标准正态分布的一组随机参数初始化网络。对卷积神经网络使用BP神经网络反向传播算法和随机梯度下降算法训练。经过对于网络的训练最终识别率达到95%以上,超过了人眼的识别率,为树种识别研究提供有效的分类方法。卷积神经网络在树叶纹理中省去了人工定义树叶特征的工作。最终多次实验得到可观的识别效果,卷积神经网络适用于树叶图像的识别,其识别率基本达到可以应用的要求。     

不同施肥方式对翠碧一号烤烟产量与质量的影响

为了明确翠碧一号烤烟品种的施肥方式,通过调整施肥的基追比例来探讨不同施肥方式对翠碧一号烟株农艺性状、烟叶产量和质量、化学成分及感官评吸质量的影响。结果表明,翠碧一号总施氮量105 kg/hm²、氮肥按基肥∶追肥=6∶4的比例施用时,烟株农艺性状及产量、质量表现最优;总施氮量97.5 kg/hm²、基肥∶追肥=4∶6时,烟叶农艺性状、产量、质量表现最差。     

土地整理后土壤理化性状和烤烟产质量空间变异

为了弄清土地整理后土壤理化性状指标、微生物数量以及烤烟产量和质量的空间变异情况,在福建三明烟区整理后烟田进行了大田取样分析和定点调查。结果显示,土地整理后土壤有效养分比全量养分空间变异大,变异系数超过30%;土壤微生物计数及多样性指数变异系数在66.17%～111.71%,均属于强变异;土地整理对烤烟产、质量均质性影响最大的是上、中等烟比例和糖碱比,烤烟产、质量的变异以285.91 m小范围为主。总之,土地整理后土壤理化性状和微生物数量空间变异明显,对烤烟产量和质量的均质性影响较大,需要进行改良。     

种植精益化管理在烟草生产中的应用策略研究

精益化管理是一种源于丰田生产方式的管理哲学,其核心是通过降低浪费、提高生产效率和质量,实现组织社会性的价值最大化。在烟草行业日益激烈的市场竞争中,精益化管理同样具有重要的应用价值,特别是种植精益化管理理念,可以帮助烟草企业提高生产效率、降低成本、提高产品质量和客户满意度,从而实现企业的可持续发展。基于此,文章将围绕种植精益化管理的概念与特征,从种植精益化管理在烟草生产中的应用意义与原则入手,对具体的应用策略进行研究,以期望能够为提升烟草生产效率与质量提供有价值的参考依据,帮助烟草企业提升核心竞争力。     

不同施肥方式对翠碧一号烟叶产质量的影响

[目的]为翠碧一号烤烟品种合理施肥提供一定的科学依据。[方法]通过调整施肥的基追比例来探讨不同施肥方式对翠碧一号烟株农艺性状、烟叶产质量、化学成分及感官评吸质量的影响。[结果]试验结果表明：翠碧一号施用总氮7公斤,氮肥施用按基追比6：4时烟株农艺性状及产质量为最优;总施氮量6.5公斤,基追比4:6时烟叶农艺性状及产质量最差。