基于VGGNet网络的雾霾无人车防碰撞研究

针对雾霾天气下无人车行驶容易出现视野受限，导致防碰撞能力下降的问题，提出了一种基于VGGNet网络的深度卷积神经网络模型，通过反向传播算法不断调整模型的权重和偏置，对收集雾霾天气下的图像和相关数据进行处理，实现模型的训练和优化。实验结果表明，所提出的方法可以有效地提高无人车在雾霾天气下的防碰撞能力，达到了良好的效果。研究结果可以为无人车行业在特殊气候条件下的防碰撞提供了一种新思路和实现方法，具有一定的参考价值和应用前景。     

农机控制中的英语语言理解介词语义分析

农业机械的作业效率高,是推动农业发展的重要力量。将新型技术应用在农业机械的设计和制造上,可改善机械整体性能并提高智能化水平。农机智能化的核心在于控制环节,表现为控制的实时性和准确性。为此,基于英语语言理解分析农机控制中的介词语义,并用于控制喷药机器人的视觉感知、自主行走和精准喷药。介词语义分析首先要建立模块化的语言理解系统,然后从语句中提取介词进行各项特性的筛选和分析,直至完成所有介词的释义。最后,介绍了介词语义分析在3种控制功能中的具体作用,并分别列举代表性的介词,以便提高机械的作业效率,降低操作难度。     

湖南省湘西自治州动物疫病预防控制机构发展现状及建议

为了解湖南省湘西自治州动物疫病预防控制机构发展现状,采用实地走访及问卷调查方式收集数据,对兽医实验室相关人员、主要动物疫病监测经费投入、实验室检测量等情况进行分析,发现湘西州动物疫病预防控制机构存在业务工作衔接不顺畅、专业技术人员缺乏、经费不足、生物安全体系有待完善等问题。针对存在的问题,结合当地实际对湘西州动物疫病预防控制机构的建设、管理等提出了建议,以期为动物疫病预防控制机构的改革发展提供参考。     

《猪业科学》投稿须知

《猪业科学》杂志为月刊,每月25日出版,面向全国发行。内容充实、实用,每期一个主题,充分挖掘、深度报道、全面分析,全面反映养猪产业的最新成果、发展动态和市场经济信息。全彩色印刷、图文并茂适应现代"读图时代"潮流。1内容本刊主要栏目有主题策划、国际瞭望、猪场兽医、营养与饲料、环境与设施、猪群保健、遗传改良、生产管理、地方猪种、猪场人才等。     

羊巴氏杆菌病防制措施

羊的巴氏杆菌病又称羊出血性败血病,临床上该病的诊断要点是病羊表现为发热、呼吸道黏膜及内脏器官均有出血。病羊和带菌病羊是主要的传染源,一般情况是地方流行,无明显的季节性发病。结合地方和工作实际侧重对羊巴氏杆菌病的预防和控制进行阐述,希望与同行探讨,提高羊养殖的经济效益。     

生态控制措施在园林茶树病虫害中的应用

目前我国在防治茶树的病虫害方面大多依赖农药,导致茶叶中农药残留量相对较高,影响茶叶的质量。近些年,在茶叶的生产过程中,大多提倡生态控制和农药残留控制,即对各种自然控制因素进行充分有效利用,减少化学农药使用剂量,从而维持生态系统的良性循环,降低有害生物数量,促进茶叶生产的可持续发展。本文将针对园林茶树的病虫害现象,总结概述其发生特点、威灾原因,并讨论生态控制措施在园林茶树病虫害中的应用。     

数字化技术背景下机电传动控制课程教学研究

数字化技术在经济领域的应用越来越广泛,机电传动控制是一门具有重要工程应用价值的课程。分析了机电传动控制课程在教学方面存在的问题,重点探讨了课程的内容繁多、课程理论较抽象、实验教学设备缺乏、现代和传统两种教学模式互补等方面内容。根据教学中的实际情况总结了优化课程内容、增设课程设计以及开展竞赛活动等方面的具体改革措施。     

基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。