排序方式: 共有55条查询结果,搜索用时 109 毫秒
51.
52.
为了研究兴凯湖大白鱼在吉林省池塘高密度养殖的可行性以及相同放养密度、不同放养规格及搭配品种情况下的经济效益,2019年5月-9月,在吉林省长春市九台水产良种场,选择两口池塘进行试验。1~#池塘、2~#池塘兴凯湖大白鱼鱼种投放密度均为9 600尾/hm~2。1~#池塘兴凯湖大白鱼鱼种投放平均规格为0.125 kg/尾,2~#池塘兴凯湖大白鱼鱼种投放平均规格为0.175 kg/尾。经过5个月的养殖,证明两个试验池的兴凯湖大白鱼均可养成商品规格。从整体经济效益看,1~#池塘优于2~#池塘。 相似文献
53.
基于深度卷积神经网络的玉米病害识别 总被引:8,自引:2,他引:6
为了提高玉米病害的识别率,本文提出了一种在自然环境条件下基于深度卷积神经网络的玉米病害识别方法。该方法以玉米常见的10类病害为研究对象。算法模型是先将图像预处理,应用Triplet loss双卷积神经网络结构学习玉米图像特征,再使用SIFT算法提取图像纹理细节,最后通过Softmax对图像进行标签分类。训练集采用正常玉米图像与玉米病害图像相结合的方式,使用深度相似性网络学习正常玉米图像特征表示,再使用迁移学习方法学习玉米病害图像的特征,最后对特征进行分类识别。研究结果表明,该方法可准确识别10种常见玉米病害,正确率可达90%以上,为玉米病害的防治提供了有效的技术支持。 相似文献
54.
机器视觉在HSV颜色空间下稻瘟病病程分级判定研究 总被引:1,自引:0,他引:1
该研究旨在开发基于机器视觉技术的稻瘟病病程分级系统,实现对稻瘟病病程分级准确、客观的判定。提出基于GrabCut、高斯滤波、OTSU二值化、颜色空间转换、阈值切割等处理的稻瘟病分级判定算法模型,该算法模型利用OpenCV与python语言实现,以反向阈值切割为核心策略分离叶片与病斑,再以循环遍历模式统计像素点得出病斑面积占比,实现对稻瘟病的快速、精确分级。试验结果表明,该算法模型与专业研究人员人工判定的结果匹配度达95.77%,相对于人工判定,具备更高的稳定性和客观性。目前对稻瘟病病程分级主要依赖研究人员通过经验判定,客观、准确的判定病程对防治稻瘟病具有重要意义。该系统以手机APP为图像采集端口,不依赖其他仪器和设备,通过手机拍照即可实时获得稻瘟病精确的分级结果,降低了研究门槛,提高了科研工作的效率。 相似文献
55.