多模式水田智能控灌系统设计与试验

为了提高大区块水田用水效率、增加水稻产能,建立了大区块水田智能控灌装备体系,并结合物联网与传感器技术,设计了一种以STC15F2K60S2为主控芯片的水田智能控灌系统。根据不同的使用环境在系统内部设定的“经济用水灌溉”“浅湿晒灌溉”“稻渔共生灌溉”3种不同的智能控灌模式,并利用田间终端传感器采集水田内水温、水位、土壤含水率等参数,达到提高经济效益和生态效益的目的。系统所采集的数据可以通过无线网络上传至云数据库,供远程控制中心或用户智能终端软件调用。在黑龙江省安达市农业科技园区的田间试验表明:智能控灌系统可以远程监测大区块水田实时情况,下位机之间的距离在2100m以内时数据传输稳定,可快速地对操作指令进行反应,最终达到节水控制灌溉提高经济效益的效果。

国内外职业教育发展经验对黑龙江省大庆市职业教育发展的启示

职业教育是教育体系中非常重要的组成部分,能够为各行各业提供大量具备专业技能和专业知识的人才。在目前全球化的背景下,职业教育发展迅速,但黑龙江省大庆市作为资源型城市还存在职业教育学生在企业和学校之间衔接不顺畅的情况。文章在分析大庆市职业教育现状的基础上,通过运用比较研究法,探讨了国外技能强国和国内发达的资源型城市在职业教育人才培养以及技能型人才使用中“选用育留”方面的经验,从而总结出大庆市应当加大政府支持力度、改变职业院校培养模式、加强校企融合发展、完善职业教育体系等经验。

一种基于级联R-CNN的水稻害虫检测算法

为了解决水稻害虫识别目标小而导致算法识别精度相对较低的问题,通过多种优化算法改进级联R-CNN的结构,提出了一种基于级联R-CNN的水稻害虫检测算法。首先通过特征金字塔优化提取的小目标特征,其次用ROI Align替换特征提取模型中的ROI池化,减少小目标特征的丢失,最后用Soft-NMS减少重叠目标对小目标丢失的影响。实验表明,该方法能够有效的识别和检测复杂背景下的水稻害虫,且多种害虫准确率平均值mAP达到94.15%。

基于深度学习的红豆外观品质识别

在进行红豆副产品深加工时,首要任务是根据外观品质粗略评估红豆原材料是否优良。传统的红豆品质和缺陷检测方法存在人工识别主观性强与分拣困难的问题。本文通过手机拍摄红豆数字图片,基于YOLOV4-Tiny深度学习网络和迁移学习思想自动提取图像特征,进行红豆外观品质识别研究,最终对于优质红豆识别准确率可达86.28%,劣质红豆识别准确率可达89.00%,模型mAP值可达90.78%。同时测试模型速度,对于红豆视频流检测可达46 fps,符合实际应用场景,为红豆外观品质识别与分级识别提供了新方案。