摘要：针对当前大田环境条件下对害虫进行识别研究的不足,以南方蔬菜重大害虫为研究对象,探索了一种在大田环境下使用黄色诱捕板对蔬菜害虫进行监测计数的方法。在经典图像处理算法基础上,根据害虫监测目标的需要,提出了一种基于结构化随机森林的害虫图像分割算法和利用不规则结构的特征提取算法,进一步结合背景去除、干扰目标去除和检测模型计数子算法,集成设计了基于视觉感知的蔬菜害虫计数算法(Vegetable pest counting algorithm based on visual perception,VPCA-VP)。使用了现场环境下拍摄的图像进行实验与分析,共识别出蓟马9351只,烟粉虱202只,实蝇23只。经过与人工计数比对得出,本文基于视觉感知的蔬菜害虫计数算法的平均识别正确率为94.89%。其中,蔬菜害虫蓟马的识别正确率为93.19%,烟粉虱的识别正确率为91%,实蝇的识别正确率达到100%。算法达到了较好的测试性能,可以满足害虫快速计数需求,在农田害虫监测中有一定的应用前景。

摘要：为了解决柚子采摘时传统水果检测模型对于小目标柚子漏检和将叶子误检为膨大期柚子的问题,设计了一种改进的特征融合单镜头检测器(InceptionV3-feature fusion single shot-multibox detector,IFSSD)。该检测器以特征融合单发多盒探测器(Feature fusion single shot-multibox detector,FSSD)为基础检测器,以改进的InceptionV3网络作为骨干网络代替超深度卷积神经网络(Very deep convolutional networks 16,VGG16),从而提高了计算效率,同时使用Focal Loss损失函数代替Multibox Loss损失函数,进而改善了由于正负样本不平衡导致的检测器误检情况。对测试数据集进行检测,结果表明,该模型的检测准确率为93.7%(IoU大于0.5),在单个NVIDIA RTX 2060 GPU上每幅图像检测时间为29 s。本文模型可以实现树上柚子的自动检测。

摘要：农产品安全是关系人民群众身体健康和生命安全的国计民生问题,农产品的安全产销事关经济全局。本文以蔬菜作物为研究对象,在广东东升农场生产基地进行应用示范,基于"互联网+"的思想,综合利用智能化大数据管理,专家智能决策等现代化信息技术创制了一个为蔬菜安全产销进行有效监管和提供科学指导的一体化的蔬菜安全产销服务平台,包括信息采集系统、专家系统及监管与服务应用系统三个子系统。该平台能够帮助监管机构实时地对蔬菜安全生产进行有效监管,采用专家决策给予生产者科学指导,提供给消费者产品的各个环节信息,实现质量可追溯并可直接线上消费,完成蔬菜安全产销的各个环节主动地监管与指导。最后,搭建基于云平台技术的数据中心,构建完整的蔬菜安全产销服务及监管平台。

摘要：那天，我和爸爸出来散步时广场上正在举办一场大型的活动，我听到主持人的报幕：“新疆姑娘像花朵一样，活泼开朗，热情奔放，大大的眼睛高高的鼻梁，灿烂的笑容让你荡漾……”随后响起一阵悠扬的新疆舞曲，接着一个美丽大方的维吾尔族姑娘踮着轻盈的脚尖，出现在舞台的中央。