广东省现代农业产业园区“三品一标”品牌发展规划

广东省委省政府为大力推进乡村振兴战略、推动产业兴旺,把现代农业产业园建设作为实施的重要抓手,计划从2018-2020年创建100个现代农业产业园,带动全省现代农业加速提质增效,推动乡村振兴,力争实现现代农业产业园建设走在全国前列。其中将"三品一标"品牌发展作为产业园发展核心。     

基于YOLOv5s改进模型的小白菜虫害识别方法

小白菜是中国种植面积较广、深受大众喜爱的蔬菜,但真实菜地环境中虫害往往出现在叶片的特定区域,且受环境因素如光照和背景干扰较大,影响对其的智能检测。为提高小白菜虫害的检测效率和准确率,该研究提出一种基于YOLOv5s网络框架改进的YOLOPC小白菜虫害识别模型。首先,引入CBAM（Convolutional Block Attention Module）注意力机制,将其放在CBS（卷积层Convolution+归一化层Batch normalization+激活函数层SILU）的输入端构成CBAM-CBS的结构,动态调整特征图中各个通道和空间位置的权重;使用上采样和1×1卷积操作来调整特征图的尺寸和通道数,实现不同层次特征的融合,增强模型的特征表示能力。同时,改进损失函数,使其更适合边界框回归的准确性需求;利用空洞卷积的优势提高网络的感受野范围,使模型能够更好地理解图像的上下文信息。试验结果表明,与改进前的YOLOv5s模型相比,YOLOPC模型对小白菜小菜蛾和潜叶蝇虫害检测的平均精度（mean Average Precision, mAP）达到91.40%,提高了12.9个百分点;每秒传输帧数（Frame Per Second, FPS）为58.82帧/s,增加了11.2帧/s,增加幅度达23.53个百分点;参数量仅为14.4 MB,降低了25.78个百分点。与经典的目标检测算法SSD、Faster R-CNN、YOLOv3、YOLOv7和YOLOv8相比,YOLOPC模型的平均精度分别高出20.1、24.6、14、13.4和13.3个百分点,此外,其准确率、召回率、帧速率和参数量均展现出显著优势。该模型可为复杂背景下小白菜虫害的快速准确检测提供技术支持。     

基于PLC技术的火龙果智能补光调控器设计与应用

目的 不同植物对光照强度、光质的需求程度不同,本文旨在通过LED灯实时照射实现对植物的智能补光。方法 针对火龙果Hylocereus undatus生长发育过程充足补光和调节果期的需要,应用新一代可编程控制器(Programmable logic controller, PLC)技术,选择波长570~590 nm的黄色LED灯,本文设计了一套种植火龙果专用的智能补光调控器和相应的数据传输协议,进行硬件选型、电路设计与软件设计, 建立了调控策略和远程通信协议,最后在广东省新兴县10 666 m²的火龙果农庄进行了实际布署与应用试验。结果 该调控器能够长时间稳定地通过手动、自动以及远程的方式实现对火龙果的补光,并且数据传输稳定,调控器的响应时间不超过3 s,每次补光4 h。利用该调控器进行火龙果补光调控可以让果实成熟期提前2~4 d,部分果树挂果可以多2~3个,补光后产量提升16.7%。结论 该装置实现了火龙果的智能补光,经济效益和社会效益提升明显,具有较好的推广前景。