共查询到20条相似文献，搜索用时 812 毫秒
1.
科学有效的发展中藏药材产业,对甘南州社会经济发展具有重要意义。为了给甘南州中藏药材产业健康可持续发展提供思路和方案。通过文献检索与研读, 分析了甘南州中藏药材现有资源特征、人工种植情况和中藏药材加工现状,并针对野生资源保护、中藏药材种植、中藏药材深加工和品牌建设等方面存在的问题,提出了甘南州中藏药材产业发展对策:加强野生濒危药用植物资源保护措施,加快人工驯化步伐;合理布局,因地制宜推行GAP生产;加大科技投入,延伸产业链条;提升药材质量培育,突出区域品牌特色等。 相似文献
2.
3.
2012年5月在河北省安国市药材种植面积较大的4个乡镇10个行政村进行药材田和粮作田中3个土层(0-20、20-40、40-60cm)的田间土壤采样,测定其有效铜、锌含量,以了解当前耕作条件下药材和粮作土壤中有效铜、锌含量的现状。结果表明:药材土壤中有效铜含量在0.34~1.21mg·kg-1,有效锌含量在0~10.49mg·kg-1,粮作田土壤中有效铜含量在0.27~2.11mg·kg-1,有效锌含量在0~3.44mg·kg-1,t检验结果表明药材与粮作土壤中有效铜和有效锌含量无显著差异,但粮作土壤中有效铜含量比药材田略丰,有效锌缺乏比药材田严重;药材和粮作土壤中表层(0-20cm)有效锌含量高于其它两个土层(20-40、40-60cm),差异极显著(P0.01),有效铜含量各土层间差异不显著;土壤中有效铜锌含量在所取样本间差异较大。由此可知,药材和粮作土壤中有效铜和有效锌含量相近,按照土壤微量元素分级标准,药材田和粮作田土壤中有效铜含量均处于中等水平,基本满足作物生长需求,而有效锌含量缺乏,所以在耕作中适宜增加铜、锌微肥的施用,以提高药材的品质和产量。 相似文献
4.
5.
道地药材保护性耕作对坡耕地土壤侵蚀的影响 总被引：4，自引：0，他引：4
为有效防治坡耕地水土流失,提高坡耕地持续利用,于2007年选用甘草、板蓝根两种道地药材,在陇中黄土高原半干旱区的坡耕地上进行了道地药材保护性耕作防治水土流失效应的研究。试验设传统耕作下板蓝根与甘草间作(TIL)、春小麦与甘草间作(TWL)、免耕不覆盖下板蓝根与甘草间作(NTIL)、春小麦与甘草间作(NTWL)、免耕秸秆覆盖下板蓝根与甘草间作(NTSIL)、春小麦与甘草间作(NTSWL)6个处理,坡度在6°~7°之间,每个处理小区底部设径流收集池。结果表明:(1)保护性耕作具有良好的防止土壤侵蚀效应,6个处理的水土流失量为TWL>NTWL>NTSWL>TIL>NTIL>NTSIL。(2)流失泥沙的养分含量中有机质、速效N、速效P、速效K的流失总量最大,全N和全P的流失总量最小,NTSIL对减少有机质和速效K的流失具有明显的作用。(3)径流量、侵蚀量与降雨量的回归关系均十分显著。所以在坡耕地上选择板蓝根与甘草间作的水土保持效果优于春小麦与甘草间作,尤其以NTSIL最佳。 相似文献
6.
7.
为确定活血丹适宜种植区、完善活血丹种植技术、保障药材品质,以野生活血丹扦插苗为试验材料,用外源NaOH和H_2SO_4调节土壤pH,通过盆栽试验,研究不同土壤pH(4.5、5.5、6.5、7.5、8.5、9.5)条件下,活血丹植株生长、生理特性及其药材品质差异。结果表明:活血丹在pH 4.5～8.5能正常生长,在pH 9.5土壤中不能存活;在pH 4.5～8.5范围内,活血丹生长指标包括叶长、叶宽、节间距、节间数、茎长以及干物质积累量均呈先增后降的趋势,在pH 6.5达到峰值;活血丹叶片超氧化物歧化酶(SOD)、过氧化物酶(POD)、过氧化氢酶(CAT)活性及叶绿素含量先增后降,可溶性糖、可溶性蛋白、游离氨基酸、丙二醛含量先降后增;活血丹药材醇溶性浸出物含量均大于250mg/g,符合药典标准;活血丹药材总黄酮、齐墩果酸和熊果酸含量变化趋势与生长指标一致,峰值出现在pH 6.5时,分别为15.73、0.71和2.87 mg/g;绿原酸和咖啡酸含量在pH 6.5～8.5之间无显著差异,整体高于其他pH处理;迷迭香酸含量在pH 7.5最高,为2.26 mg/g。土壤pH对活血丹生长、生理特性及其药材品质影响显著,中性或微酸性土壤利于活血丹的生长及其药材品质形成。 相似文献
8.
通过田间取样,研究分析河北省安国市耕地土壤中硝酸盐含量累积特征,以了解当前耕作条件下药材田与粮作田土壤中硝酸盐含量现状,为科学合理施用氮肥提供依据.经分析测定,在所选药材田中0-20、20-40和40-60cm土层中硝酸盐含量分别为37.96 ～436.86、26.27～435.64和12.91～383.23mg·kg-1,粮作田相应土层中硝酸盐含量分别为13.71 ～184.65、8.14～198.11和6.04 ～145.81mg· kg-1.结果表明,(1)药材田0-20cm土层中硝酸盐含量极显著高于20-40cm土层(P＜0.0l),也显著高于40-60cm土层(P＜0.05),但20-40和40-60cm两个土层间硝酸盐含量无显著差异.(2)粮作田20-40cm土层中硝酸盐含量稍高于0-20和40-60cm,但3个土层间硝酸盐含量差异不显著.(3)药材田3个土层中硝酸盐含量均高于粮作田,其差异极显著(P＜0.01),且土壤中硝酸盐含量随土壤深度的增加而降低.35％的药材田表层土壤样品中硝酸盐含量超过临界水平,10％已严重污染,而粮作田土壤样品中硝酸盐含量基本处于安全范围内.可见,安国市药材田土壤中硝酸盐的累积水平已超过粮作田,硝酸盐累积状况非常严重. 相似文献
9.
黄军 《水土保持应用技术》2005,(1):F003-F003
<正>薏苡仁为药食两用保健药材,具有清热利湿、健脾的功效,是南方夏季防暑习用的佳品。随着人们防病意识的提高,其销量逐年增加,特别是近两年长江以南各省普遍高温,薏苡仁食用量突增,从今年夏季开始,薏苡仁由于货源不足,走势加快,市场不断上升,目前,药市批发价达6-7元／kg。 相似文献
10.
果树喷雾机防风罩对喷雾射程的影响 总被引：1，自引：0，他引：1
在对果树施药中，为减少风力因素导致的雾滴漂移，经济而有效的方法是采用防风罩。该文对防风罩进行研究与设计，制作了6种防风罩。针对防护罩防风效果，在密闭实验室条件下进行喷雾试验，选用日本池内公司生产的两种喷头；喷头移动速度为：0.51、1.21、1.91、2.60、3.30、4.00 km/h；试验的内容包括喷雾射程和雾滴的沉积均匀度。试验结果表明：两种喷头在不同速度下采用防风罩＃4时的喷雾射程比采用其他防风罩和无防风罩时分别平均提高了1.3%～13.2%和9.1%～17.3%。 相似文献
11.
针对传统黑木耳品质分类效率低,识别准确率不佳等问题,提出一种基于卷积神经网络和Transformer相结合的黑木耳图像品质分类方法。该研究以CoTNet模型为基础网络,设计了MICS-CoTNet黑木耳品质分类网络模型。首先,重新规划CoTNet模型主干特征提取模块的迭代次数,降低模型的计算冗余;其次,提出坐标归一化注意力机制以增强黑木耳图像局部关键特征权重,抑制主体特征干扰;最后,引入MobileNetV2模型中特征提取模块Inverted Block,并优化CoTNet模型核心模块CoT block,增强模型对黑木耳数据的特征提取能力。将MICS-CoTNet模型与EfficientNetV2、NfNet等12种模型进行对比,结果表明,综合模型准确性和轻量性等方面,MICS-CoTNet模型表现最佳。其中,MICS-CoTNet模型在干黑木耳数据中识别准确率可达98.45%,相较标准CoTNet提升5.22个百分点;在鲜黑木耳数据中识别准确率可达98.89%,相较标准CoTNet提升2.60个百分点。MICS-CoTNet模型占用内存为30.98M,相对于原CoTNet模型减少96... 相似文献
12.
基于轻量型残差网络的自然场景水稻害虫识别 总被引：4，自引：3，他引：1
准确识别水稻害虫对水稻及时采取防护和治理措施具有重要意义,该研究以自然场景中水稻害虫图像为研究对象,针对水稻害虫图像的颜色纹理与背景相近以及同类害虫形态差异较大等特点,设计了一个由特征提取、全局优化以及局部优化模块构成的轻量型残差网络（Light Weight Residual Network,LW-ResNet）用于水稻害虫识别。在特征提取模块通过增加卷积层数以及分支数对残差块进行改进,有效提取自然场景中水稻害虫图像的深层全局特征并使用全局优化模块进行优化;局部优化模块通过设计轻量型注意力子模块关注害虫的局部判别性特征。LW-ResNet网络在特征提取模块减少了残差块的数量,在注意力子模块中采用深度可分离卷积减少了浮点运算量,从而实现了模型的轻量化。试验结果表明,所设计的LW-ResNet网络在13类水稻害虫图像的测试数据集上达到了92.5%的识别准确率,高于VGG16、ResNet、AlexNet等经典卷积神经网络模型,并且LW-ResNet网络的参数量仅为1.62×106个,浮点运算量仅为0.34×109次,低于MobileNetV3轻量级卷积神经网络模型。该研究成果可用于移动端水稻害虫的自动识别。 相似文献
13.
针对YOLOv5(you only look once version five)模型在农作物害虫密集目标上的检测效果无法满足实际需求,以及训练过程中模型收敛速度较慢等问题,该研究提出了融入全局响应归一化(global response normalization,GRN)注意力机制的YOLOv5农作物害虫识别模型(YOLOv5-GRNS)。设计了融入GRN注意力机制的编码器(convolution three,C3)模块,提高对密集目标的识别精度;利用形状交并比(shape intersection over union,SIoU)损失函数提高模型收敛速度和识别精度;在公开数据集IP102(insect pests 102)的基础上,筛选出危害陕西省主要农作物的8种害虫类型,构建了新数据集IP8-CW(insect pests eight for corn and wheat)。改进后的模型在新IP8-CW和完整的IP102两种数据集上进行了全面验证。对于IP8-CW,全类别平均准确率(mean average precision,mAP)mAP@.5和mAP@.5:.95分别达到了72.3%和47.0%。该研究还对YOLOv5-GRNS模型进行了类激活图分析,不仅从识别精度,而且从可解释性的角度,验证了对农作物害虫、尤其是密集目标的优秀识别效果。此外,模型还兼具参数量少、运算量低的优势,具有良好的嵌入式设备应用前景。 相似文献
14.
黄花菜是极具营养价值和经济效益的一种农作物,深受人们喜爱。目前黄花菜采摘大都是人工采摘,采摘效率低、人工成本较高,在设计黄花菜自动采摘机器人的过程中,复杂环境下黄花菜的目标识别是实现智能化采摘的核心问题。该研究建立了包含12 000幅黄花菜样本的数据库,比较了YouOnlyLookOnce(YOLOv7)、 FasterRegion Convolutional Neural Networks(Faster R-CNN)和Single Shot MultiBox Detector(SSD)三种模型的检测效果,提出一种基于改进YOLOv7目标检测算法的复杂环境下黄花菜识别的YOLOv7-MOCA模型,使用MobileOne网络作为主干特征提取网络,构建了一种轻量化网络模型,并在颈部网络中融合Coordinate Attention注意力机制改善对样本的检测效果。试验结果表明,YOLOv7-MOCA模型检测准确率为96.1%,召回率为96.6%,F1值为0.96,权重为10 MB,帧速率为58帧/s。较YOLOv7检测速度提高了26.1%,权重减少了86.7%,该研究所提出的YOLOv7-M... 相似文献
15.
基于融合坐标信息的改进YOLO V4模型识别奶牛面部 总被引：3，自引：2，他引：1
为实现奶牛个体的准确识别,基于YOLO V4目标检测网络,提出了一种融合坐标信息的奶牛面部识别模型。首先,采集71头奶牛面部图像数据集,并通过数据增强扩充提高模型的泛化性能。其次,在YOLO V4网络的特征提取层和检测头部分分别引入坐标注意力机制和包含坐标通道的坐标卷积模块,以增强模型对目标位置的敏感性,提高识别精度。试验结果表明,改进的YOLO V4模型能够有效提取奶牛个体面部特征,平均精度均值（mAP）为93.68%,平均帧率为18帧/s,虽然检测速度低于无锚框的CenterNet,但mAP提高了10.92%;与Faster R-CNN和SSD模型相比,在检测速度提高的同时,精度分别提高了1.51%和16.32%;与原始YOLO V4相比,mAP提高0.89%,同时检测速度基本不变。该研究为奶牛精准养殖中的牛脸图像识别提供了一种有效的技术支持。 相似文献
16.
基于改进YOLOv5s和迁移学习的苹果果实病害识别方法 总被引：8，自引：8，他引：0
为实现对苹果果实病害的快速准确识别,提出了一种基于改进YOLOv5s的果实病害识别模型：GHTR2-YOLOv5s （YOLOv5s with Ghost structure and TR2 module）,并通过迁移学习策略对其进行优化。在YOLOv5s基础上通过加入幻影结构和调整特征图整体宽度得到小型基线模型,通过卷积块注意力模块（Convolutional Block Attention Module, CBAM）和加权双向特征金字塔网络（Bidirectional Feature Pyramid Network, BIFPN）提高模型精度,使用TR2（Two Transformer）作为检测头增强模型对全局信息的获取能力。改进后模型大小和识别速度为2.06 MB和0.065 s/张,分别为YOLOv5s模型的1/6和2.5倍;IoU阈值为0.5下的平均精度均值（mAP0.5）达到0.909,能快速准确地识别苹果果实病害。研究通过在线图像增强与迁移学习相结合的方式提高模型收敛速度,进一步提高模型精度,其mAP0.5达到0.916,较原始模型提升8.5%。试验结果表明,该研究提出的基于GHTR2-YOLOv5s和迁移学习的苹果病害识别方法有效优化了模型训练过程,实现了占用较少计算资源的情况下对苹果病害进行快速准确地识别。 相似文献
17.
融合坐标注意力机制的轻量级玉米花丝检测 总被引：1，自引：1，他引：0
玉米花丝性状是玉米生长状态的重要表征,也是决定玉米果穗生长进而影响玉米产量的重要因素。为了提升无人巡检机器人视觉系统对玉米花丝的检测精度和速度,该研究提出一种融合坐标注意力机制的轻量级目标检测网络YOLOX-CA。将坐标注意力机制（coordinate attention,CA）模块嵌入到YOLOX-s主干特征网络（Backbone）部分,以加强对关键特征的提取,提升检测精度;在颈部特征加强网络（Neck）部分,将特征金字塔结构中的普通卷积,更改为深度可分离卷积,在降低网络参数量的同时保证精度不丢失;在预测头（Head）部分引入GIoU(generalized intersection over union)改进定位损失函数计算,得到更为精准的预测结果。基于自建玉米花丝数据集训练和测试网络,试验结果表明,YOLOX-CA网络平均检测精确度达到97.69%,参数量低至8.35 M。在同一试验平台下,相较于YOLOX-s、YOLOv3、YOLOv4等目前主流的目标检测网络,平均检测精确度分别提升了2.21、3.22和0.64个百分点;相较于YOLOv3、YOLOv4,每帧推理时间分别缩短4... 相似文献
18.
面向大规模多类别的病虫害识别模型 总被引：1，自引：1，他引：0
早期病虫害精准识别是预警和防控的关键,但是病虫害种类繁多数量巨大,外部形态存在类间相似度较高而类内差异性较大等性状特征,导致病虫害识别仍然是一项极具挑战的工作。为实现病虫害识别分类任务中差异化特征的提取和表示,该研究提出一种大规模多类别精细病虫害识别网络模型（a large-scale multi-category fine-grained pest and disease network,PD-Net）。首先通过在基准网络模型中引入卷积块注意力模型,通过混合跨特征通道域和特征空间域实现模型在通道和空间两个维度上对关键特征提取和表示,用以增强网络对差异化特征的提取和表示能力。其次引入跨层非局部模块,提升模型在多个特征提取层之间对于多尺度特征的融合。在61类病害数据集和102类虫害数据集上的试验结果表明,对比AlexNet、VGG16、GoogleNet、Inception-v3、DenseNet121和ResNet50模型,该研究提出的面向大规模多类别病虫害识别模型,Top1识别准确率在病害和虫害集上分别达到88.617%和74.668%,精确率分别达到了0.875和0.745,召回率分别达到0.874和0.738,F1值达到0.874和0.732,试验结果对比其他模型均有一定幅度的提升,验证了PD-Net模型在大规模多类别病虫害识别上的有效性。 相似文献
19.
基于多模态图像的自然环境下油茶果识别 总被引：1，自引：1，他引：0
针对自然条件下油茶果生长条件复杂,存在大量遮挡、重叠的问题,提出了一种基于RGB-D（red green blue-depth）多模态图像的双主干网络模型YOLO-DBM（YOLO-dual backbone model）,用来进行油茶果的识别定位。首先,在YOLOv5s模型主干网络CSP-Darknet53的基础上设计了一种轻量化的特征提取网络。其次,使用两个轻量化的特征提取网络分别提取彩色和深度特征,接着使用基于注意力机制的特征融合模块将彩色特征与深度特征进行分级融合,再将融合后的特征层送入特征金字塔网络（feature pyramid network,FPN）,最后进行预测。试验结果表明,使用RGB-D图像的YOLO-DBM模型在测试集上的精确率P、召回率R和平均精度AP分别为94.8%、94.6%和98.4%,单幅图像平均检测耗时0.016 s。对比YOLOv3、YOLOv5s和YOLO-IR（YOLO-InceptionRes）模型,平均精度AP分别提升2.9、0.1和0.3个百分点,而模型大小仅为6.21MB,只有YOLOv5s大小的46%。另外,使用注意力融合机制的YOLO-DBM模型与只使用拼接融合的YOLO-DBM相比,精确率P、召回率R和平均精度AP分别提高了0.2、1.6和0.1个百分点,进一步验证该研究所提方法的可靠性与有效性,研究结果可为油茶果自动采收机的研制提供参考。 相似文献
20.
动物的姿态和行为与其自身的健康状况有着密切联系，检测动物骨骼关键点是进行动物姿态识别、异常行为分析的前提。针对现有的关键点检测方法对动物骨骼的识别准确率低、鲁棒性差等问题，该研究提出了一种引入Transformer编码器的动物骨骼关键点检测模型。首先，在HRNet网络的特征提取层中引入改进的Transformer编码器，用于捕捉关键点之间的空间约束关系，在小规模的羊数据集上有较优的检测性能。其次，引入多尺度信息融合模块，提高模型在不同维度特征上的学习能力，让模型可以适用于更多的实际场景。为了验证模型的有效性和泛化性，该研究采集并标注了羊的骨骼关键点数据集，并加入东北虎数据集ATRW共同作为训练集。试验结果表明，在羊和东北虎关键点数据集上，该模型分别取得77.1%和89.7%的准确率，均优于对比模型且计算量更小，单张图像检测时间为14 ms，满足实时检测的需求。使用牛、马等数据集进行跨域测试均能较好地检测出骨骼关键点，并分析了Transformer编码器的可解释性。该研究可为精确检测动物骨骼关键点提供一种有效的技术支持。 相似文献