植物根系表型信息获取技术研究进展

人口数量增长和全球气候变化加剧了粮食安全供给压力,育种学家亟需培育高产、高效作物品种以满足日益增长的粮食消费需求.基于根性状的品种培育改良可有效提高作物水分、养分利用率,但根系表型观测的困难性极大地限制了育种进程.随着自动化控制、成像和传感器以及图像解译技术的发展,高通量根表型信息系统性收集已成为可能.本文综述了一系列适用于室内或田间的非破坏性或破坏性根系二维或三维结构测定技术;系统阐述了主流的根表型参数提取图像分析技术和软件;探讨了基于根表型平台的根性状筛选应用于新品种培育的成功案例,并对高通量根表型平台的进一步研发进行了展望.     

无线网络环境下基于手机的农村信息服务模式探究

随着以3G、4G为标志的下一代移动互联网技术和智能手机产业的迅猛发展,智能手机已经成为人们须臾不可或缺的工具。移动通信技术和智能手机的普及,为农民提供高效便捷、简明直观、双向互动的信息服务,也将为农村信息化带来革命。通过考察手机在中国农村信息服务中的作用、优势和现状,分析以智能手机为终端以农民为中心对象的农村信息服务新模式,并就建设重点、难点和关键问题等进行了探讨。     

江苏省村级农业信息服务综合管理系统应用实效分析

针对江苏省农村村级信息服务中存在的问题,设计开发应用江苏省村级信息服务站系统,实现了信息资源采集、管理、推送,子站的生成、管理,远程诊断、远程教育等功能。通过对系统平台服务应用情况数据进行分析,发现农户对涉农信息资源需求的规律,从而更好地指导涉农信息资源的整合,并根据不同地域、不同时节,提供高时效性的涉农信息服务,为农户提供私人定制化的农业综合信息服务。     

农业模型发展分析及应用案例

农业模型、农业人工智能及数据分析等技术贯穿于智慧农业的信息感知、信息传输、信息处理与控制全过程,是智慧农业的核心技术。为进一步明晰农业模型的内涵和作用,促进农业模型进一步研究及应用,推动智慧农业健康、稳定和可持续发展,本研究采用系统分析、比较及关系框图等方法,分析了农业模型的内涵,阐述了农业模型和智慧农业要素与过程的关系,明确了农业模型的作用并附以应用案例,比较了农业模型的国内外重要发展动态与趋势。国内外农业模型研究与应用重要进展比较表明,农业模型研究应用需要考虑农业生物要素的4个水平、农业环境要素的6个尺度、农业技术与农业经济要素的6个层次并采用相应方法进行,农业模型环境要素空间多尺度研究应用有较大发展潜力;农业模型与分子遗传学、感知技术及人工智能技术结合,农业模型研究应用的公私有组织协作,粮食安全挑战将成为农业模型进一步发展的重要推动力,且需更注重将各种农业系统模拟、数据库、和谐性与开放数据及决策支持系统相连接。中国农业模型研究与应用已形成具有中国特色的作物模型系列,也融入农业模型的互比较与改进、智慧农业等世界潮流,需要抢抓机遇,加快发展。农业模型是农业系统要素内及要素间关系的定量化表达,是农业科学定量与综合的重要方法,具有认识论价值,它与感知技术的结合可以在智慧农业数据获取与处理中发挥不可或缺的作用,成为信息农业技术落地应用的重要桥梁和纽带。     

油菜株型模拟研究进展

株型结构是作物表型组学研究的重要内容之一.油菜株型研究不仅有助于定量化株型评价,选育高光效、适宜机械化作业的品种,也有利于提高油菜生长模型的机理性,具有重要的科学意义.本文针对当下国内外作物株型研究现状,重点从传统作物株型和作物株型模拟两个方面分别进行归纳总结,并着重综述了油菜株型相关研究进展,最后概要评述了当前在油菜...     

温室远程监控系统人机交互与番茄识别研究

为提升设施农业远程监控系统的数据可视化与信息化程度,设计了一种温室远程监控系统,该系统主要由巡检机器人、移动通信网络、云服务器与远程监控中心组成,实现了温室端与远程监控中心端之间的文本、图像、视频3类数据传输。综合应用机器学习、深度学习算法实现人机交互与温室端番茄识别任务。基于Haar级联算法与LBPH算法实现了管理员人脸识别,识别成功率达90%;基于YOLO v3与ResNet-50算法分别识别手部与手部关键点,单手、双手的识别置信度分别为0.98与0.96;基于提取的食指指尖坐标与左右手部候选框中心点坐标实现了手指交互与图像尺寸缩放的功能。应用Swin Small+Cascade Mask RCNN网络模型,针对农业数据集有限的问题,对比分析了应用迁移学习方法前后的番茄检测效果。试验结果表明,应用迁移学习方法后,模型收敛速度有所提升且收敛后的损失值均有所下降;同时,IoU为0、0.5、0.75时的平均精度（mask AP）分别提升了7.8、 6.4、7.2个百分点,模型性能更优。     

逐日平台搭载作物生长信息传感器效果检验与评估

为验证逐日平台追踪太阳的准确性及其消除太阳高度对作物生长信息传感器影响的效果,从而解决被动光源作物生长信息监测仪器因太阳高度角变化导致反射率测量误差波动大、有效采样窗口期短等问题,在课题组前期被动光源作物生长信息传感器和逐日平台研制的基础上,通过逐日准确性试验、标准反射率以及作物冠层反射率检测对比试验,对逐日平台搭载作物生长信息传感器的实际效果进行了检验与评估。结果显示,逐日平台水平方向追踪太阳的平均偏离角度为0.592°,竖直方向追踪太阳的平均偏离角度为0.470°;当作物生长信息传感器直接测量10%、20%、40%、60%标准反射率灰度板和作物冠层反射率时,在8:00-17:00时间段内因受太阳高度角影响,传感器测量的反射率波动幅度达60.00%以上,仅中午前后(11:00-13:00)测量的反射率较为准确;当使用逐日平台搭载作物生长信息传感器测量相同对象时,8:00-17:00时间段内测得反射率均较为准确,反射率波动幅度在2.53%以内。试验结果表明,使用逐日平台能显著提升被动光源作物生长信息传感器测量的准确性,延长作物生长信息传感器日工作时间1倍以上。     

基于深度学习的农作物病害识别系统研发

针对广大农户和基层植保人员对作物病害识别困难的问题,以苹果、玉米、葡萄和番茄4种作物18种病害为研究对象,采用VGG16和Resnet50建立识别模型。通过数据预处理、数据增强、模型参数优化、模型交叉验证等,构建单作物多病害识别和多作物多病害识别模型。性能对比结果表明VGG16识别性能优于Resnet50,VGG16模型的识别正确率都达到96%以上。对VGG16识别模型分析后发现根据作物发病特点建立的单作物多病害识别模型性能更好。因此,本文提出分类建立单作物多病害识别模型的方法,结合智能手机、Web技术和网络编程技术,研发一个农作物病害智能识别系统。本系统可为用户提供精确的识别结果、病害知识和防治方法。系统的Socket网络服务可作为独立模块,为农业机器人、智能农机、无人机、农业专家系统等提供统一的作物病害识别接口。本研究可为农业植保信息化和智能化提供技术支撑。     

基于RFID和EPCglobal网络的牛肉产品供应链建模及追溯系统

为提高和保障牛肉产品质量安全,提高供应链的透明度,设计开发了1个基于射频识别(RFID)和EPCglobal网络的牛肉产品供应链追溯系统。在追溯系统设计方案中,对追溯单元的变化过程进行了详细的分析和建模,采用动物耳标和EPC(Electronic product code)编码作为追溯单元识别码;在EPC信息服务(EPCIS)标准的基础上,对企业内部生产信息和外部追溯信息的获取及转换进行了详细分析和建模。追溯系统应用结果表明,该系统可有效地实现牛肉产品供应链上各企业间的信息共享,从而实现牛肉产品供应链的无缝追溯。