植保无人机低容量喷雾防除玉米田杂草的雾滴沉积特性及除草效果

为探索植保无人机在4~6叶期玉米田喷施除草剂雾滴沉积分布规律及杂草防除效果,通过改变药液雾滴粒径及喷液量测定了靶标杂草的雾滴沉积规律及对药效的影响。结果表明,相同喷液量条件下,靶区雾滴覆盖率和雾滴沉积量随雾滴粒径增大而增加,雾滴密度随雾滴粒径增大而减少;施药后30 d对杂草的株防效为72.87%~92.63%,鲜重防效为83.07%~97.30%。研究结果为玉米田除草剂合理喷施、安全喷施提供了参考数据。

机动车混合检测线的开发

文章在分析汽车和摩托车检测线的基础上,提出了一种新型的混合机动车检测线的基本构成,介绍了我们实现的并行、混合检测系统中的软硬件方案,并着重介绍了用VB开发检测程序时的几个问题。

深度学习在杂草识别领域的研究现状与展望

使用深度学习精准识别杂草实现使用农药减量、增效、安全的目标受到研究人员的广泛关注。因此综述近年来国内外使用深度学习算法对不同作物的杂草进行识别检测的研究进展,重点从数据获取、算法选择、优化部分、识别效果等方面总结研究现状,指出其在数据集建立费时费力、田间识别精度低、算法设备部署困难、实时性与准确率不能兼得等方面的问题,并提出解决方案,同时展望数据集建立简易和准确,算法模型结构轻量和鲁棒性强,便于部署移动设备的发展趋势以及未来应用的方法,为后续杂草精准化清除研究提供参考。

作物模型在我国玉米生产中的应用与研究

重点分析了作物模型在我国玉米生产中的模拟与应用,包括玉米生长模型在我国不同地区对玉米生长发育及产量的模拟以及适用性分析;外界条件对玉米生长发育影响的模拟;指导并优化田间管理措施。基于我国玉米生长模型的研究现状分析,建议今后的研究中应提高作物模型的适用性,根据我国玉米生产管理现状进一步完善模型,以使作物模型得到更加广泛的应用。