基于卷积神经网络的畜牧业动物图像识别研究

目前,青藏高原地区有多种放牧管理方式,但因家庭劳动力、草场规模、种群品种数量等因素存在着一定的局限性。因此,本文将深度学习技术引入畜牧业动物图像识别中,还通过数据增强技术对原始图像进行了平移、旋转、翻转、缩放等操作,建立了青藏高原地区常见的畜牧业动物图像数据集。设计了卷积神经网络模型并实现了图像识别和统计。实验表明,该方法对畜牧业动物图像的识别率达到87.89%。

基于嵌入并行注意力机制的YOLOv3模型高原动物种类检测算法

针对YOLOv3模型定位目标边界框不够精确等问题,提出一种改进的YOLO算法。该算法在网络的残差模块中通过并行地引入通道注意力及空间注意力来提取关键目标特征,对多尺度预测与动物种类预测的方法做了新的设计。为证实算法效果,采集大量的原始图像数据,建立青藏高原地区牦牛、藏系羊和马等畜牧业动物图像数据集。数据集上新模型训练后,实验结果表明,算法提高了边界框的定位准确度和检测精度,相比YOLOv3算法,新算法在测试集上的mAP@IoU提高了1.6 mAP。

蒙城县动物疫病防治现状与问题

动物防疫是畜牧业发展的基础,动物疫病是危害畜牧业和畜产品安全的主要因素,事关人民群众的身体健康和生命安全,事关经济健康发展和社会稳定,事关畜牧业持续健康发展。文章分析了蒙城县动物疫病防治工作现状及存在的主要问题,针对性地提出了一些建议和对策,以期为加强蒙城县动物疫病防治工作,加快畜牧业发展提供一些参考。

关于山西玉米产业的可持续发展

玉米是山西半干旱农区高产生态型作物,在巩固中部和晋东南地区中晚熟和中早熟传统玉米主产区的基础上,重点开发南部旱地春播晚熟玉米区和夏播中早熟玉米区以及北部盆地中熟玉米区和山地早熟玉米区,玉米的种植面积有望达到180万～200万hm2,山西将成为我国重要的玉米产区之一。构建以秸秆还田为主体的保护性土壤生态耕作体系,提高地力,大力推广新一代紧凑耐密型杂交种,以合理密植、测土配方施肥、地膜覆盖为中心的玉米标准化生产技术,玉米大田产量可由现在的5 000 kg/hm2提高到6 000kg/hm2,总产将达到1 000万～1 200万t。以玉米资源为依托,大力发展草食动物畜牧业,开拓以玉米化工醇为源头的玉米生物化工业,延长产业链,把资源优势转化为经济优势,产值可达千亿元以上,玉米产业将是山西煤炭后主要的生物资源替代产业。