基于顶芽智能识别的棉花化学打顶系统研究

设计了基于顶芽智能识别的棉花化学打顶系统,为实现精准作业,合理高效使用棉花化学打顶药剂,以减少因化学打顶剂的过度使用造成的环境污染。该系统主要由棉花顶芽识别系统、控制系统和喷施系统组成。采用YOLO v5s算法构建棉花顶芽识别模型。控制系统采用STM32F407单片机,负责接收识别系统的信号,并对各个棉花打顶剂管道进行控制。同时,显示界面能够实时显示机具行驶速度、药液流量、打顶剂液位等参数。试验结果表明,在田间全天光照试验中,上午和下午时间段识别效果最优;在速度0.4 m/s下,平均识别率约为94%;信号发送区间为100 mm时,成功向下位机发送信号的成功率达到92%;田间对靶喷施试验表明,有效喷施率为94%,满足作业要求。

盐碱地轻简化栽培条件下不同棉花品种性状比较

受植棉收益下降、植棉机械化程度低等因素的影响,我省棉花生产持续萎缩。本研究以11个棉花品种为材料进行露地栽培试验,综合棉花的生长性状、棉花籽棉和皮棉的产量以及纤维品质指标,筛选出的适宜山东省盐碱地轻简化栽培的品种为鲁6269、K836和鲁棉338。

机器视觉在棉花智能打顶领域的应用研究进展

棉花打顶作为棉花田间管理中的关键环节,打顶作业的质量将影响棉花后续的生长,精准识别定位棉株对棉花机械化打顶具有积极的意义。简要概述机器视觉技术在国外农业领域的应用研究,总结对比国内棉花打顶领域的定位技术,并对双目立体视觉技术、BP(Back Propagation)神经网络、卷积神经网络在棉株识别定位上的研究进行介绍,讨论分析机器视觉在棉花打顶方面存在的识别速度慢、算法冗余、作业环境制约等问题,并对棉株顶叶的分类识别、打顶机的改进优化、化学打顶剂的精准喷施以及实现多功能作业等具体研究方向进行展望,为后续棉花智能化打顶研究提供参考。

基于YOLOv4网络的棉花顶芽精准识别方法

为实现非接触、低成本、精准识别棉花顶芽,提出一种基于YOLOv4网络在复杂环境下对棉花顶芽进行精准识别的方法。利用K-means算法对棉花顶芽数据集进行聚类,优化先验框改善网络检测精度和速度,得到最优权值模型。对聚类前后模型以及与其他目标检测模型在棉花顶芽检测性能上进行了对比试验,并探究了顶芽在逆光和遮挡环境下,不同模型的检测性能。结果表明:该模型在测试集的平均检测精度(AP)、精确率(P)、召回率(R)、调和平均值(F1)比原模型分别提高0.36%、1.73%、0.52%、1.16%,单张图像平均检测时间缩短0.28 s;对比SSD、YOLOv3、Tiny-YOLOV4模型,该模型检测精确率和F1值最高,性能均衡;在自然场景处于逆光状态下,YOLOv4模型检测顶芽效果好于其他模型,且逆光环境对检测影响小;在遮挡条件下各个模型检测精度均有不同程度下降。

鲁北植棉区短季棉与饲用燕麦连作生产技术

近年来,由于植棉比较效益降低,棉花种植面积呈萎缩态势。因地制宜创新棉作制度和提升棉田耕地质量,构建高效的棉饲连作产业模式,提高土地利用率,增加农民收益,是稳定棉花生产的重要举措。鲁北植棉区尝试棉饲连作模式,提高了种植效益,形成了一套可复制可推广的高效种植技术。

黄河三角洲地区短季棉无膜栽培的种植表现和效益分析

通过短季棉鲁棉532覆膜晚播和无膜晚播种植模式与春棉鲁棉258常规种植模式进行比较,探索适宜山东黄河三角洲地区气候地理条件的短季棉最佳种植模式,为大面积推广短季棉种植模式提供依据。结果表明,短季棉覆膜晚播种植模式对促进生长、增产、增效效果不突出;短季棉无膜晚播种植模式比其他模式可明显减少管理用工,降低植棉投入,比覆膜晚播效益略高,比春棉产量和效益均降低。建议采用短季棉无膜晚播与黑麦草(饲草)连作模式在黄河三角洲地区大面积推广,以提高短季棉的种植效益。

农民合作社信用互助试点业务的问题及思考

2017年以来,为激发农村金融活力,山东省开展了农民合作社信用互助试点业务。该项业务的开展,有效地满足了社员小额、短期、高效的资金需求,合作社实体经济实现了融资增效,三农产业链得到了长足发展与延伸。信用互助试点业务作为产业振兴的助跑器,前期阶段发挥了积极的作用。伴随着信用互助业务的深入开展,逐渐凸显一系列的问题,引发进一步的思考。

黄河流域机采棉田无人机喷施脱叶剂参数研究

在黄河流域机采棉田使用植保无人机喷施脱叶剂,探索不同参数对棉花脱叶率和吐絮率的影响。试验结果表明:棉花的吐絮率和脱叶率受到脱叶剂浓度的影响,在脱叶剂浓度相同时还受到喷洒量的影响;在保证有效喷洒量的情况下,对鲁棉532品种棉花喷施脱叶剂浓度在[3.75%,6.67%]闭区间内效果最优;施药后10~15 d效果最明显;使用植保无人机喷施可减少30%的用药量。