鸡卡氏白细胞原虫病的诊断和治疗报告

1984年广西南宁某鸡场同栋鸡舍的大鸡鸡群,先后两次发病。6月下旬至7月下旬,病死鸡62只,每天死鸡2—4只;8月下旬至9月下旬,又病死鸡28只,每天死鸡0—6只。后通过临诊观察、病理剖检、实验室病原检查及用药效果观察,得到以下的资料。     

典型国外农业信息化发展的经验探究

对处于世界领先地位的美国、德国、法国等国家的农业信息化现状及特点进行了介绍和分析,并总结了国外农业信息化发展的成功经验.     

设施农业物联网远程监测系统的发展现状

介绍了设施农业物联网远程监测系统的应用原理和发展方向,指出了存在的主要问题;并从高度重视设施农业物联网相关标准的制定、有计划地支持农业物联网产业需求的发展、加强农业物联网各层次人才的培养3个方面,提出了现阶段设施农业物联网的发展对策。     

采用组合增强的YOLOX-ViT协同识别温室内番茄花果

番茄花果的协同识别是温室生产管理调控的重要决策依据,针对温室番茄栽培密度大,植株遮挡、重叠等因素导致的现有识别算法精度不足问题,该研究提出一种基于级联深度学习的番茄花果协同识别方法,引入图像组合增强与前端ViT分类网络,以提高模型对于小目标与密集图像检测性能。同时,通过先分类识别、再进行目标检测的级联网络,解决了传统检测模型因为图像压缩而导致的小目标模糊、有效信息丢失问题。最后,引入了包括大果和串果在内的不同类型番茄品种数据集,验证了该方法的可行性与有效性。经测试,研究提出的目标检测模型的平均识别率均值（mean average precision,mAP）为92.30%,检测速度为28.46帧/ s,其中分别对小花、成熟番茄和未成熟番茄识别平均准确率分别为87.92%、92.35%和96.62%。通过消融试验表明,与YOLOX、组合增强YOLOX相比,改进后的模型mAP提高了2.38～6.11个百分点,相比于现有YOLOV3、YOLOV4、YOLOV5主流检测模型,mAP提高了16.56～23.30个百分点。可视化结果表明,改进模型实现了对小目标的零漏检和对密集对象的无误检,从而达到了高精度的协同检测的目标。研究成果为温室种植环境下的番茄生长识别提供参考。     

黑麦草-水稻草田轮作的优势分析与发展建议

黑麦草-水稻轮作能提供大量优良品质牧草、改善土壤质量和肥力、抑制冬闲田杂草蔓延、减轻稻田病虫危害,并促进水稻产量提升,综合效益显著,其推广应用对解决地区畜禽产业青饲料紧缺问题、保护农业生态环境、促进农牧融合发展具有积极作用。为黑麦草-水稻草田轮作模式的进一步推广提供参考,通过文献研究,分析黑麦草-水稻草田轮作在改善土壤物理性状、控制病虫害发生、提高水稻产量和促进多元经济增长等方面的优势,从强化合理施肥、改进生产技术措施、加强黑麦草优良品种选育及高效高产栽培技术研究等方面提出发展建议。     

基于机载激光雷达的杉木林分高生长变化分析

机载激光雷达可准确获取林分高生长量,实现林分高生长量在更广阔空间尺度上的年生长监测。为实现杉木（Cunninghamia lanceolata）人工林年生长量监测,通过直升飞机搭载的机载激光雷达系统获取试验区林分点云数据,通过重采样得到10 m×10 m、20 m×20 m和30 m×30 m分辨率的冠层高度模型;分别设置100、200、300和400个随机点,并提取不同分辨率下的杉木林分冠层年高生长量,共获取12个处理;通过比较不同处理杉木林分年高生长量差异,选择最优的重采样分辨率;结合数字正射影像,提取杉木林分不同小班年高生长量。结果表明,400随机点数且分辨率为10 m×10 m处理下获取的数据较准确,出现异常的概率较小。2016—2017年,杉木林分年高生长量均值为0.80 m。总体上,杉木林分年高生长量增长阶段为12～15年,最大值约为2.61 m;下降阶段为15～20年,波动阶段为20～27年,最小值约为0.19m。通过机载激光雷达数据获取冠层高生长量,能有效监测杉木林分高生长情况,可为森林资源管理与监测提供参考。     

现代农业全产业链信息化发展问题及对策研究

现代农业全产业链将涉农的各个环节连接起来,形成一个完整的生态链条,随着网络技术的不断进步发展,信息化技术开始应用于现代农业全产业链的各个环节。分析了现代农业全产业链各环节在实现信息化发展的过程中面临的一些问题,同时针对性给出了发展的建议。     

一种面向蔬菜中文知识图谱表示学习的改进方法

由于TransE模型在处理不同类别关系时,忽略了同类别向量的语义差别,在对蔬菜领域知识图谱中存在的一对多、多对一和多对多的复杂属性关系进行表示学习时效果较差.本文在TransE方法的基础上,提出PTA(Path-based TransE for Attribute)模型对其进行改进.首先,将蔬菜领域实体和关系通过wor...