农业机械在农作物种植中的应用研究

农业机械在农作物种植过程中发挥着重要作用,相关部门要全面把控不同农业机械的内在功能,确保农作物种植实现全面机械化。基于此,文章介绍了现代农业机械的主要类型,分析了部分农业机械使用现状,阐述了现代农业机械在农作物耕作、施肥喷药、灌溉与收获等环节中的应用。结果表明,操作人员要合理应用多种智能化农业机械,有效解决农业种植中的实际问题,提升农作物种植整体质量,降低相关人员劳作强度。

基于知识蒸馏的轻量化农作物病害识别算法

农作物病害是威胁农作物生长的主要因素之一,机器学习算法能高效率实现大范围农作物病害的发现,有利于对其进行及时处理,进而提升农作物的产量和质量.在大范围农业场景中,由于供电等条件限制,无法满足服务器等高算力设备的供电需求,现有深度网络模型大多需要较高算力,难以部署在低功耗的嵌入式设备上,给大范围农作物病害的准确识别应用带来障碍.为解决此问题,提出了一种基于知识蒸馏的轻量化农作物病害识别模型,并设计了一种基于残差结构和注意力机制的学生模型,利用知识蒸馏方法从大规模模型ConvNeXt中迁移学习成果,在实现模型轻量化的同时保持高精度识别.实验结果表明,在模型规模为2.28 MB的条件下, 39类农作物病害图像分类任务的准确率达到了98.72%,且每类病害的精确率、召回率和特异度均高于90%.该模型满足了在嵌入式设备中部署的需求,为农作物病害识别提供了一种实用高效的解决方法.

高光谱遥感在农作物研究中的应用与发展趋势

高光谱遥感是目前农作物研究的重要技术手段。为促进农作物生长周期的健康发展和基础研究,提高遥感技术在农作物研究中的应用水平,笔者概述了高光谱遥感在农作物研究中的分析算法,重点讨论了高光谱遥感在农作物长势、农作物信息监测和农作物信息提取方面的研究进展。针对目前仍需深入开展的叶面积指数、生物量估算、氮素监测、叶绿素监测、病虫害监测、重金属监测、农作物碳氮比和水分含量等研究进行了系统综述。分析结果表明,在农作物研究中高光谱遥感技术与人工智能的结合已初见成效,但仍难以满足现代农业的智能化需求,若与新一代信息技术和大模型集成交叉将发挥巨大的研究潜力。

微生物在农作物病害生物防治中的应用及机制探讨

文章详细探讨了微生物在农作物病害生物防治中的应用及作用机制,分析了微生物防治的主要类型及其功能特性,并阐述了微生物制剂的研发与应用实例。微生物通过直接抑制病原体、竞争性排斥、诱导植物抗性等机制防治病害。环境条件、土壤类型、制剂质量以及施用方法(如种子处理、土壤处理、叶面喷雾)是影响防治效果的关键因素。通过综合考虑并优化这些因素,可显著提升微生物生物防治效果,为农作物提供有效和可持续的病害防治方案。文章旨在为微生物在农作物病害防治中的应用提供科学依据和技术指导。

微喷灌技术在农作物种植中的应用研究

近年来,我国农业种植领域的发展速度不断加快,并取得了良好的成果。随着科技不断发展,微喷灌技术凭借节水、节能、负面影响小等优势,在农作物种植领域得到了大范围应用和推广。针对微喷灌技术在农作物种植中的应用展开探讨,阐述了微喷灌技术的主要形式,着重论述了微喷灌技术的具体应用,以供参考。

农业绿色可持续发展中陕西省农作物生产减碳特征分析

为积极推进农业减排和推动农业绿色可持续发展,采用排放系数法,对《国家统计数据》中的2003-2019年陕西省化肥、农药、农用塑料薄膜(农膜)、农用柴油和农业灌溉面积5个指标数据分析测算农作物生产投入碳排放情况并分析减碳特征。结果显示,17年间化肥和农药的投入量先增后减、农膜和柴油的投入量持续上升、有效灌溉面积则呈现先增后降再升的趋势。在碳排放量方面,化肥碳排放量占71.69%,是主要的碳排放源;接下来是农用柴油(17.43%)、农膜(7.36%)、农药(2.44%)和农业灌溉(1.08%)。此外,2003-2019年陕西省农作物生产的碳排放强度先升后降,2013年达到最高值1.0157 t/hm2,碳排放强度2019年相比2013年降低了17.68%,以期为陕西省制定农业减排政策、推动农业绿色可持续发展提供一定的指导。

农作物栽培技术要点与农业技术推广作用

近年来,随着国民经济的快速发展,现代农业水平不断提升,农作物栽培技术得到广泛的应用,科学合理采用农作物栽培技术,能提升农业生产质量、产量,提高农业经济水平。同时,推广农业技术能促使农业技术的良好普及应用,提升农业生产的技术水平。基于此,分析了农作物栽培技术要点以及农业技术推广的作用,旨在为促使农业技术的良好发展提供助力。

新修订的三项农作物种子国家强制标准发布

近期,新修订的《粮食作物种子第1部分:禾谷类》(GB 4404.1-2024)(以下简称《禾谷类》)、《经济作物种子第2部分:油料类》(GB 4407.2-2024)(以下简称《油料类》)、《农作物种子标签通则》(GB 20464-2024)(以下简称《通则》)三项种子质量强制性国家标准经国家市场监督管理总局(国家标准化管理委员会)批准发布(中华人民共和国国家标准公告2024年第26号),于2025年10月1日起正式实施。

无人机在农作物检测领域应用现状及展望

无人机在农作物检测中具有重要的意义和价值,对农业现代化起着重大的推动作用。该研究详细介绍了无人机在农作物检测应用现状,无人机通过提高农业生产效率和管理水平,实现农田监测和评估精细化,降低劳动强度和风险,促进农业可持续发展。随着技术的发展和进步,无人机在现代农业中的应用前景十分开阔,将继续推动农业的现代化和可持续发展。

福建省农作物种质资源调查收集与多样性分析

2017-2022年,福建省在第三次全国农作物种质资源普查与收集行动中,共收集作物地方品种和野生近缘植物种质资源6235份,蔬菜、粮食、果树、经济作物、牧草绿肥分别占33.57%、25.91%、24.35%、14.59%、1.57%;所有资源隶属于83科,229属,313种,其中豆科种质资源份数最多,占总数的16.04%。不同地区和海拔是影响收集农作物种质资源种类和数量的重要因素。全省9个地级市中,三明市收集种质资源数量最多,占20.65%。全省收集农作物种质资源数量随着海拔升高而下降,不同海拔收集数量随着市辖县(市、区)、乡(镇)、村(街道)的数量减少呈现减少趋势。沿海地区如漳州、福州、宁德、泉州、莆田、厦门等6个地级市,海拔0~200 m是种质资源Shannon-Wiener多样性指数和Brillouin丰富度指数最高的海拔区间;闽西北山区,如龙岩、三明、南平等3个地级市,海拔200~400 m、400~600 m、600~800 m种质资源的Shannon-Wiener多样性指数和Brillouin丰富度指数较高。不同地级市、不同海拔区间与收集种质资源的物种多样性指数的相关性分析发现,三明和龙岩市与Shannon-Wiener多样性指数呈极显著正相关,莆田和龙岩市与Pielou均匀度指数呈现极显著负相关,这与全省农业经济分区有密切关系。通过梳理全省农作物种质资源的多样性,为因地制宜地开发、利用、挖掘全省地方农作物种质资源提供参考和科学依据。

福建省第三次全国农作物种质资源普查收集的成效与思考

种子是农业的“芯片”,农作物种质资源是国家战略性资源。为摸清福建省农作物种质资源家底,防止资源流失,保护濒临灭绝的地方品种,福建省开展了“第三次全国农作物种质资源普查与收集行动”。通过该“行动”,共收集种质资源6235份,包括新种质资源1000多份和台湾地区引进的农作物种质资源33份。通过鉴定评价,筛选出252份优异性状的种质资源,有30多份作为亲本用于资源创新,为福建省今后种质资源保护利用工作的开展提供依据。

基于渐进式生成对抗网络的农作物病虫害细粒度分类

随着深度学习应用的普及和飞速发展,基于深度学习的图像识别方法广泛应用于农作物病虫害领域,但大部分的神经网络重视识别准确率的提高,却忽略神经网络庞大的参数计算量。为解决这个问题,基于渐进式生成对抗网络判别器模型和卷积注意力模块,提出一种改进的渐进式生成对抗网络判别器CPDM网络模型对农作物病虫害进行识别。通过对渐进式生成对抗网络判别器网络结构的调整,采用均衡学习率、像素级特征向量归一化和卷积注意力模块增强CPDM网络模型的特征提取能力,提高对真实图片的识别准确率。试验在PlantVillage数据集上进行,将该模型与VGG16、VGG19和ResNet18进行比较,得到TOP-1准确率分别为99.06%、96.50%、96.65%、98.86%,分别提高2.56%、2.41%、0.2%,且参数量仅为8.2 M。试验证明提出的CPDM网络模型满足在保证分类准确率的基础上,有效控制神经网络参数计算量的目的。

上海金山区农作物种质资源普查工作的分析与思考

按照《第三次全国农作物种质资源普查与收集行动实施方案》的总体部署和《上海市农业种质资源普查总体方案(2021-2023年)》的要求,上海市金山区于2020年4月启动了第三次全国农作物种质资源普查与收集行动。通过统一组织实施,金山区共收集到农作物种质资源132份,包括粮食作物55份,经济作物7份,蔬菜60份,果树10份,收集到地方特色种质资源亭林雪瓜和枫泾杜瓜。结合此次普查工作存在的问题,提出建立农作物种质资源普查与收集的长效机制、加强地方种质资源的保护和管理以及加大地方种质资源的研究和利用的建议。

一种轻量级YOLOv5S农作物虫害目标检测模型

[目的]本文提出一种轻量级YOLOv5S农作物虫害目标检测模型以解决在样本数量不足的情况下农作物虫害识别的问题。[方法]利用Ghost技术将2个Ghost Bottle Block线性特征提取模块封装为1个GB模块,代替YOLOv5S中前7个CBL、CSP、SPP非线性特征提取模块,从而约简了YOLOv5S的网络参数,减轻了网络体量。[结果]在保证虫害检测效果的前提下降低网络对计算硬件与训练样本的依赖。为了验证模型的有效性,对水稻、玉米、棉花、马铃薯、苜蓿5种农作物的12类虫害进行识别与定位,多类别平均精度(mAP)为91.31%,比YOLOv5S模型高出2.56百分点。[结论]通过与SSD、Faster-RCNN、YOLOv5S模型对比发现,本文提出的模型在mAP、F1-score、精确率(Precision)、召回率(Recall)4个评价指标均占优势,尤其在小目标、密集目标、与背景相似目标的检测方面表现突出。

湖北省农作物碳汇的阶段性特征、空间差异与动态演进——基于1997—2022年湖北省农作物数据

湖北省是我国农业大省,科学测算湖北省农作物碳汇,摸清本底,对碳汇交易和农业低碳发展具有重要意义。对湖北省1997—2022年的农作物碳汇量进行测算,运用Dagum基尼系数、Kernel密度估计和Markov链,探讨湖北省农作物碳汇量的地区差异和动态演进特征。结果表明:1997—2022年,湖北省农作物碳汇量呈现“W”形波动上升的态势,平均值为12085.30万t,其中粮食作物为湖北省农作物碳汇的主要贡献来源。“双碳”背景下对湖北省的三大地区及各市(州、林区)展开分析,发现1997—2022年鄂东地区农作物碳汇量位于湖北省三大地区的第一位。Dagum基尼系数分析显示湖北省农作物碳汇存在一定的地区差异,其差异主要来自于超变密度,平均贡献率为53.58%,湖北省农作物碳汇总量具有较强的稳定性,具有一定的俱乐部趋同特征。最后提出相关对策建议,如开发农作物碳汇核算方法学和标准,制定差异化的农业碳汇增汇政策,探索农业碳汇交易机制及价值实现。

农作物秸秆资源化利用问题及发展策略研究

分析了我国现阶段农作物资源化利用存在的附加值低、农户积极性不高、筹资难、农业机械化发展不均衡、人才缺乏等问题,研究适合我国农作物秸秆资源化利用的发展策略及措施,以推动我国农作物秸秆资源化利用。

农作物秸秆禁烧政策执行阻滞及其破解:一个力场分析框架

基于W市X镇的实践个案,从“力场”理论视角出发,构建一个“压力-阻力-动力-引力”PRMA力场分析框架,以解析农作物秸秆禁烧政策执行阻滞问题。结果表明:力场视角对基层政策执行更具解释力;上级政府部门压力、农户阻力与执行机构动力、政策环境引力之间形成“力差”,是政策执行陷入阻滞的原因,且影响镇村干部的执行策略选择;破解农作物秸秆禁烧政策执行阻滞,应从减压力、降阻力、增动力、扩引力等4个方面改变原有的“阻碍力>推动力”的“力差”格局,形成力场内“推动力>阻碍力”的常态化格局。据此,建议地方政府构建常态化治理机制,同时通过增进地方政策目标的科学化与完善考核机制以减轻压力、完善配套政策以扩大引力、多元利益激励以降低目标群体阻力、扩权赋能和建立激励机制以增强执行动力。

微塑料及其复合污染对农作物生长影响的研究进展

微塑料作为一类新污染物,已被大量研究证实广泛存在于土壤环境中,并对农作物生长及生理性状产生了不良影响,进而威胁粮食安全、危害人类健康.微塑料对农作物生长发育的影响主要包括对农作物种子发芽、幼苗生长和生理指标的毒性效应以及对抗氧化系统的刺激作用.系统总结并梳理了微塑料及其复合污染对农作物生长发育的影响,归纳了微塑料不同性质对农作物产生的毒性效应机制,以期能为农田土壤微塑料污染的生态风险评估及治理防控提供理论依据与科学支撑.

计算机视觉技术在农作物病虫害检测中的运用研究

现代农业发展更趋集约化、信息化,这为计算机视觉技术的运用提供了空间。以计算机视觉技术在农作物病虫害检测中的运用优势为切入点,在此基础上分析其具体运用方法,包括建设信息作业系统、强调信息采集、运用可视化技术、重视信息复用等内容。最后就该技术在农作物病虫害检测中的未来运用进行展望,一方面客观呈现技术优势、特点,另一方面为其发挥价值提供必要参考。

基于Res-Inception的农作物病虫害识别技术

针对现有视觉识别技术对于农作物病虫害识别存在实际农业生产中识别效果不佳的问题,研究提出了一种结合ResNet和Inception 2种模型优点的新构架Res-Inception块。Res-Inception块中采取了ResNet中的残差结构使得模型可以有效应对深度过深造成的过拟合和模型退化的问题;Res-Inception块中的卷积层采用Inception模型中的并行联结策略,将传统的3×3卷积核由并行的1×3、3×1卷积核代替,在简化模型参数量的同时使得模型获得了更强的多尺度特征提取能力;最后通过迁移学习使模型拥有高效的学习能力。在训练过程中将公开数据集PlantVillage中的多种作物病虫害作为预训练样本,通过迁移学习后对PlantVillage中6种番茄病虫害图像进行识别,模型对于训练集中病虫害的检测准确率达到99.1%,验证集的检测准确率达到98.9%,平均F 1分数达到98.82%。通过与VGG-16、ResNet34、ResNet50等检测模型在PlantVillage数据集中的6种番茄病虫害识别测试中,本模型的检测准确率远高于这些模型;并且通过对比采用迁移学习前后的模型检测能力,验证了本研究提出的模型可以有效解决模型过拟合问题。本研究提出的Res-Inception块在有效解决了现有模型过拟合及模型退化问题的同时提高了模型的实际检测效果,该模块可为农业生产中病虫害识别模型的轻量化提供新思路,助力模型在实际农业生产中的应用。