排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
常规尿素掺混控释尿素一次施用对旱作春玉米产量及氮素利用的影响 总被引:1,自引:2,他引:1
2.
【目的】通过田间定位试验探究长期覆膜和施用有机肥对春玉米产量、品质、干物质累积和氮素吸收的影响。【方法】长期定位试验在中国科学院水利部水土保持研究所长武黄土高原农业生态试验站开展。试验设4个处理:覆膜,不施氮,作为对照(F);不覆膜,施氮225 kg·hm-2(N);覆膜,施氮225 kg·hm-2(FN);覆膜,施氮225 kg·hm-2,并施有机肥(FSN)。2020和2021年在玉米吐丝期(R1)和收获期(R6)分别采集植株样品,测定植株生物量,并按器官分类测定不同部位的氮含量,收获期测定玉米籽粒粗蛋白、粗脂肪和粗淀粉含量。【结果】(1)施氮条件下覆膜显著提高春玉米产量,覆膜条件下增施有机肥能使产量进一步提高。不覆膜施氮处理与对照相比增产106%—176%,覆膜处理在此基础上产量增加21%—75%,在覆膜条件下增施有机肥后进一步增产6%—8%。(2)施氮条件下覆膜显著提高春玉米干物质累积和氮素吸收,施用有机肥后二者进一步得到提高。(3)不覆膜施氮处理的粗蛋白含量为8.67%—8.94%,施氮条件下覆膜使粗蛋白含量提... 相似文献
3.
基于Compact-YOLO v4的茶叶嫩芽移动端识别方法 总被引:1,自引:0,他引:1
茶叶嫩芽精准识别是实现嫩芽智能化采摘的前提与基础,采用视觉和深度学习的嫩芽识别方法逐渐成熟,但该方法过度依赖于高性能硬件,不利于采茶机器人移动端的部署,针对这一问题,本文提出一种基于Compact-YOLO v4算法的茶叶嫩芽移动端识别方法。首先对YOLO v4算法的Backbone网络和Neck网络进行改进,将Backbone网络替换为GhostNet,将Neck网络中传统卷积替换为Ghost卷积,改进后的模型内存占用量仅为原来的1/5。接着运用迁移学习的训练方法提升模型精度,试验表明,Compact-YOLO v4算法模型的精度、召回率、平均精度均值、F1值分别为51.07%、78.67%、72.93%和61.45%。最后将本文算法模型移植到PRO-RK3568-B移动端开发板,通过转换模型、量化处理、改进部署环境3种方式,降低模型推理计算对硬件性能的需求,最终在保证嫩芽识别准确率的前提下,实现了优化模型推理过程、减轻移动端边缘计算压力的目的,为茶叶嫩芽采摘机器人的实际应用提供了技术支撑。 相似文献
4.
1