搜論文知識(shí)網(wǎng)并非《中國農(nóng)機(jī)化學(xué)報(bào)》期刊的官網(wǎng)或雜志社，為客戶提供期刊征稿、論文發(fā)表等中介服務(wù)，在客戶與期刊雜志社之間搭建了一座省時(shí)、省力的便捷橋梁。本站與《中國農(nóng)機(jī)化學(xué)報(bào)》等上百家同類正規(guī)期刊保持著多年的密切合作關(guān)系，切實(shí)提高客戶期刊發(fā)表的質(zhì)量與效率。通過本站發(fā)表論文，客戶將獲得更大的選擇空間、更高的通過率、更快的發(fā)表速度、更滿意的服務(wù)質(zhì)量。

　　《中國農(nóng)機(jī)化學(xué)報(bào)》期刊簡(jiǎn)介：

　　《中國農(nóng)機(jī)化學(xué)報(bào)》將堅(jiān)持實(shí)事求是、理論與實(shí)際相結(jié)合的嚴(yán)謹(jǐn)學(xué)風(fēng)和文風(fēng)，鼓勵(lì)學(xué)術(shù)創(chuàng)新。確定的辦刊方針為：研討農(nóng)業(yè)機(jī)械化理論，促進(jìn)農(nóng)業(yè)機(jī)械化科技領(lǐng)域出成果，培育農(nóng)業(yè)機(jī)械化倡議人才，加強(qiáng)國內(nèi)外學(xué)術(shù)交流，為我國農(nóng)業(yè)現(xiàn)代化與實(shí)現(xiàn)農(nóng)業(yè)機(jī)械化，為政府決策提供理論支撐。本刊將用嶄新的媒體平臺(tái)支撐我國農(nóng)業(yè)機(jī)械化理論基礎(chǔ)性、前沿性、前瞻性、應(yīng)用性、公益性研究，適應(yīng)實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化以及農(nóng)業(yè)機(jī)械化的需求，為我國農(nóng)村經(jīng)濟(jì)發(fā)展和社會(huì)進(jìn)步做出貢獻(xiàn)。

　　中國農(nóng)機(jī)化學(xué)報(bào)收錄情況/影響因子

　　國家新聞出版總署收錄　中文期刊科技數(shù)據(jù)庫、萬方數(shù)據(jù)庫、中國期刊全文數(shù)據(jù)庫全文收錄。

　　中國農(nóng)機(jī)化學(xué)報(bào)欄目設(shè)置

　　綜述、發(fā)展研究、管理研究、基礎(chǔ)研究、應(yīng)用研究、“三農(nóng)”研究、國外農(nóng)機(jī)化等。

　　中國農(nóng)機(jī)化學(xué)報(bào)雜志投稿須知

　　1總體要求

　　1)論文要求論點(diǎn)明確、論據(jù)充分，資料數(shù)據(jù)真實(shí)可靠，注意保守國家機(jī)密。

　　2)嚴(yán)格遵守與著作權(quán)有關(guān)的法律法規(guī)并文責(zé)自負(fù)。凡引用他人論文的部分須在引用結(jié)尾處加注與參考文獻(xiàn)相同的序號(hào)。稿件行文次序：中英文對(duì)照的標(biāo)題、作者姓名、作者單位、所在省市、郵政編碼、摘要、關(guān)鍵詞;中圖分類號(hào)、文獻(xiàn)標(biāo)識(shí)碼;正文;中英文對(duì)照的參考文獻(xiàn)。

　　3)文章用Word格式排出，來稿需發(fā)電子郵件。如論文第一作者系在校研究生，且與導(dǎo)師共同撰寫，必須將有導(dǎo)師簽名的論文打印稿郵寄編輯部存檔。

　　2其它要求

　　1)作者簡(jiǎn)介。提供第一作者與通訊作者較為詳細(xì)的資料：姓名，性別，出生年，民族(漢族可省略)，籍貫，學(xué)位，工作單位全稱及職稱(如有多個(gè)單位，須與論文標(biāo)題署名順序一致)，研究方向，郵編、通訊地址及E-mail。通訊作者應(yīng)為基金項(xiàng)目負(fù)責(zé)人或研究生導(dǎo)師。

　　2)基金項(xiàng)目。基金項(xiàng)目指論文的資助背景，項(xiàng)目名稱應(yīng)按國家有關(guān)規(guī)定的正式名稱填寫，項(xiàng)目名稱后須注明項(xiàng)目編號(hào)，多項(xiàng)基金項(xiàng)目應(yīng)依次列出。

　　3)摘要。要素為研究目的、方法、結(jié)果和結(jié)論，一般為100~300字。

　　4)關(guān)鍵詞。一般選3~5個(gè)關(guān)鍵詞。

　　5)英文摘要及關(guān)鍵詞。根據(jù)規(guī)范要求，應(yīng)附帶英文題名、作者姓名(漢語拼音)、作者單位及英文摘要和關(guān)鍵詞。中文英摘要、關(guān)鍵詞要相統(tǒng)一。

　　3正文

　　1)正文雙欄(投稿論文可用通欄)，各級(jí)標(biāo)題頂格，正文段首退格二字符，所有插圖和表格用插入格式插入到正文的相應(yīng)位置。

　　2)字體。中文用5號(hào)宋體;外文和數(shù)字(包括上下角標(biāo))用5號(hào)TimeNewRoman體，變量用斜體，矩陣和矢量用斜體加粗，單位和常量用正體。

　　3)表格。表格采用國際通用的三線表形式，表題為中英文對(duì)照小5黑，表文宋體為小5宋。表中的縮略詞和量的符號(hào)必須與正文一致。

　　4)插圖。圖號(hào)全文連排。圖題為中英文對(duì)照小5黑，圖文用小5宋，符號(hào)必須與正文一致。插圖盡量用AutoCAD繪制，然后轉(zhuǎn)為Word格式插入文中，勿用掃描儀制成圖片格式;曲線圖、柱狀直方圖等用Excel繪制;流程框圖用Word的畫布繪制。投稿時(shí)將所有插圖的原始文件(每圖一個(gè)文件，用“圖×.dwg”、“圖×.xls”，照片等圖片用“圖×.jpg”文件名)，與文稿一并發(fā)來。

　　5)公式。公式中的符號(hào)必須與正文一致，上下角標(biāo)要清楚、到位。

　　6)單位制。正文中所有的計(jì)量單位須按國際標(biāo)準(zhǔn)標(biāo)注，不使用已廢棄單位如斤、畝等。

　　4中英文對(duì)照的參考文獻(xiàn)

　　1)專著格式示例：[序號(hào)]作者.書名[M].出版地:出版單位,出版年:起止頁碼.

　　2)期刊格式示例：[序號(hào)]作者.文題[J].期刊名,年,卷(期):起止頁碼.

　　3)學(xué)位論文格式示例：[序號(hào)]作者.文題[博士(或碩士)學(xué)位論文][D].出版地:出版者,出版年.

　　4)會(huì)議文獻(xiàn)格式示例：[序號(hào)]作者.文題[C].會(huì)議名稱,開會(huì)年份及地點(diǎn);出版單位,出版年.

　　5)報(bào)紙格式示例：[序號(hào)]作者.文題[N].報(bào)紙名,出版日期(版次).

　　《中國農(nóng)機(jī)化學(xué)報(bào)》論文發(fā)表目錄：

　　花生聯(lián)合收獲機(jī)械試驗(yàn)選型方法研究………………陳傳強(qiáng) 李鹍鵬 欒雪雁

　　基于傅里葉級(jí)數(shù)的往復(fù)式切割器振動(dòng)分析………………………………嚴(yán)帥

　　農(nóng)業(yè)機(jī)械發(fā)動(dòng)機(jī)活塞型線特性分析……………………吳金妹 彭晗 徐學(xué)瀅

　　基于UG和ANSYS的柴油發(fā)動(dòng)機(jī)曲軸有限元分析………………馬建輝 郭鵬

　　濃縮風(fēng)能型風(fēng)力發(fā)電機(jī)濃縮裝置的流動(dòng)分析與評(píng)價(jià)……馬廣興 田德 韓巧麗

　　基于統(tǒng)計(jì)分析的生物質(zhì)液壓成型模具參數(shù)優(yōu)化…………………陳洪波 姚平喜

　　鳴網(wǎng)鄭重承諾：

　　1、搜論文知識(shí)網(wǎng)并非各類雜志的官方網(wǎng)站或雜志社，是快速高效發(fā)表論文的中介機(jī)構(gòu)，謝絕投遞雜志社的稿件。

　　2、本站提供服務(wù)全面，包括期刊推薦、論文發(fā)表、論文寫作等指導(dǎo)服務(wù)，如有需要請(qǐng)點(diǎn)擊在線客服人員進(jìn)行具體咨詢。

　　3、本站只適當(dāng)收取維持網(wǎng)站正常運(yùn)轉(zhuǎn)的編審排錄費(fèi)、排版、制作、印刷、郵寄樣刊、發(fā)票等綜合費(fèi)用，無其他額外費(fèi)用。

　　4、本站所合作的期刊，均為國家新聞出版總署(www.gapp.gov.cn)認(rèn)證的正規(guī)、合法、雙刊號(hào)期刊。

　　5、本站憑借多年的論文發(fā)表經(jīng)驗(yàn)，審核、發(fā)表成功率高，文章審核通過確認(rèn)錄用支付費(fèi)用。

　　最后，感謝您一直以來對(duì)網(wǎng)站及合作期刊《中國農(nóng)機(jī)化學(xué)報(bào)》的關(guān)注與支持，我們會(huì)認(rèn)真對(duì)待您繁忙之余提出的寶貴意見和建議，我們會(huì)再接再厲，與您攜手共進(jìn)!

　　中國農(nóng)機(jī)化學(xué)報(bào)最新期刊目錄

數(shù)字素養(yǎng)對(duì)糧食綠色生產(chǎn)效率的影響效應(yīng)——基于農(nóng)業(yè)技術(shù)服務(wù)的中介效應(yīng)

摘要：農(nóng)戶作為農(nóng)業(yè)生產(chǎn)的主要角色，探究農(nóng)戶數(shù)字素養(yǎng)對(duì)糧食綠色生產(chǎn)效率的影響及內(nèi)在邏輯，對(duì)推動(dòng)農(nóng)業(yè)綠色發(fā)展具有重要意義。基于2021—2022年的中國土地經(jīng)濟(jì)調(diào)查數(shù)據(jù)(CLES)，運(yùn)用SBM—Undesirable模型測(cè)算糧食綠色生產(chǎn)效率，采用OLS回歸與中介效應(yīng)模型，實(shí)證分析數(shù)字素養(yǎng)影響糧食綠色生產(chǎn)效率的作用機(jī)制。研究表明：農(nóng)戶數(shù)字素養(yǎng)對(duì)糧食綠色生產(chǎn)效率具有顯著的促進(jìn)作用。其中，數(shù)字技術(shù)使用深度正向影響...

數(shù)字技術(shù)使用對(duì)棉農(nóng)生產(chǎn)效率的影響機(jī)制研究

摘要：數(shù)字技術(shù)賦能農(nóng)業(yè)是推動(dòng)農(nóng)業(yè)數(shù)字化轉(zhuǎn)型和提高農(nóng)業(yè)生產(chǎn)效率，促進(jìn)農(nóng)業(yè)現(xiàn)代化成果轉(zhuǎn)化的突破口。基于新疆395份棉農(nóng)調(diào)研數(shù)據(jù)，運(yùn)用DEA、OLS、多元logistics以及中介效應(yīng)等模型探究數(shù)字技術(shù)對(duì)新疆棉農(nóng)生產(chǎn)效率的影響機(jī)制。研究結(jié)果表明：棉農(nóng)運(yùn)用數(shù)字技術(shù)能夠顯著提升其生產(chǎn)效率，使用數(shù)字技術(shù)的棉農(nóng)比未使用數(shù)字技術(shù)的棉農(nóng)生產(chǎn)效率高0.175。機(jī)制檢驗(yàn)表明，土地流轉(zhuǎn)在數(shù)字技術(shù)影響棉農(nóng)生產(chǎn)效率過程中起部分中介...

種植業(yè)結(jié)構(gòu)調(diào)整對(duì)農(nóng)民家庭經(jīng)營收入的影響——基于吉林省調(diào)研數(shù)據(jù)的分析

摘要：種植業(yè)作為保障國家糧食和重要農(nóng)產(chǎn)品穩(wěn)定安全供給的基礎(chǔ)，其結(jié)構(gòu)調(diào)整對(duì)保障國家糧食安全、提高農(nóng)民家庭經(jīng)營收入具有重要意義。基于吉林省237份農(nóng)民調(diào)查問卷，運(yùn)用OLS回歸及PSM傾向得分匹配法，探究種植業(yè)結(jié)構(gòu)調(diào)整對(duì)農(nóng)民家庭經(jīng)營收入的影響機(jī)制，同時(shí)深入剖析資源稟賦對(duì)農(nóng)民家庭經(jīng)營收入的影響。結(jié)果表明：種植業(yè)結(jié)構(gòu)調(diào)整對(duì)農(nóng)民家庭經(jīng)營收入存在顯著的正向影響，并在10%的水平顯著。農(nóng)民經(jīng)營耕地面積、農(nóng)民家庭勞動(dòng)力人...

基于糧食安全視角下大豆生產(chǎn)者補(bǔ)貼政策對(duì)農(nóng)戶福利的影響研究

摘要：探討大豆生產(chǎn)者補(bǔ)貼政策對(duì)農(nóng)戶福利的影響，對(duì)于夯實(shí)糧食安全根基、健全種糧農(nóng)民收益保障機(jī)制具有重要意義。基于2012—2022年13個(gè)大豆主產(chǎn)區(qū)的省級(jí)層面數(shù)據(jù)，運(yùn)用雙重差分模型、中介效應(yīng)檢驗(yàn)和DEA—Malmquist等方法實(shí)證檢驗(yàn)大豆生產(chǎn)者補(bǔ)貼政策對(duì)農(nóng)戶福利的影響效應(yīng)。結(jié)果表明：生產(chǎn)者補(bǔ)貼政策效應(yīng)每提升1%，則農(nóng)戶福利平均提升0.218%，說明大豆生產(chǎn)者補(bǔ)貼政策能夠顯著提升農(nóng)戶福利，通過多種穩(wěn)健性檢...

基于自編碼神經(jīng)網(wǎng)絡(luò)高階特征提取的溫室環(huán)境因子高維數(shù)據(jù)壓縮方法

摘要：針對(duì)溫室環(huán)境數(shù)據(jù)的維度高、冗余性強(qiáng)，導(dǎo)致數(shù)據(jù)處理存在壓縮比低和峰值信噪比較高的問題，提出基于自編碼神經(jīng)網(wǎng)絡(luò)高階特征提取的溫室環(huán)境因子高維數(shù)據(jù)壓縮方法。應(yīng)用改進(jìn)回歸方程，填補(bǔ)溫室環(huán)境因子數(shù)據(jù)中的缺失值，針對(duì)深度自編碼神經(jīng)網(wǎng)絡(luò)的內(nèi)部協(xié)變量遷移現(xiàn)象，加入自適應(yīng)平衡層，結(jié)合小批量梯度下降法，構(gòu)建深度自適應(yīng)平衡自編碼神經(jīng)網(wǎng)絡(luò)，提取溫室環(huán)境因子高階特征，基于矢量量化思想，判斷相對(duì)誤差，通過實(shí)施新碼書計(jì)算，獲得...

基于多任務(wù)學(xué)習(xí)的桃園環(huán)境檢測(cè)方法研究

摘要：桃園場(chǎng)景復(fù)雜，為輔助農(nóng)業(yè)機(jī)器人更好地感知環(huán)境，快速精準(zhǔn)識(shí)別桃園中的桃子和道路，針對(duì)當(dāng)前現(xiàn)有的模型任務(wù)單一、檢測(cè)精度低和推理速度慢等實(shí)際問題，改進(jìn)YOLOv5n并提出一種高效的多任務(wù)學(xué)習(xí)網(wǎng)絡(luò)MTL—YOLO，同時(shí)完成目標(biāo)檢測(cè)和語義分割兩類任務(wù)。首先，在YOLOv5n的基礎(chǔ)上添加可行駛區(qū)域分割檢測(cè)頭，實(shí)現(xiàn)對(duì)桃子和桃園道路的檢測(cè)；其次，使用輕量級(jí)ShuffleNet V2作為MTL—YOLO的主干網(wǎng)絡(luò)，...

基于CNN—Transformer混合模型的辣椒病害識(shí)別

摘要：為提高辣椒病害識(shí)別精度，克服傳統(tǒng)模型對(duì)病害特征捕捉不全導(dǎo)致的分類錯(cuò)誤與漏檢問題，提出一種CNN—Transformer混合架構(gòu)辣椒病害識(shí)別模型CTF—Net。在網(wǎng)絡(luò)低層設(shè)計(jì)增強(qiáng)卷積模塊FEC，將SE注意力機(jī)制引入MobileNetV2卷積模塊MV2，自適應(yīng)調(diào)整通道權(quán)重，增強(qiáng)對(duì)關(guān)鍵特征的敏感度。并結(jié)合平均池化和最大池化特征提取分支，增強(qiáng)模型在多尺度和多視角下的特征提取能力；在網(wǎng)絡(luò)高層設(shè)計(jì)具備自適應(yīng)特...

基于卷積神經(jīng)網(wǎng)絡(luò)的水稻葉片病害檢測(cè)與識(shí)別研究進(jìn)展

摘要：我國水稻葉片病害的防治工作一直以來都是重中之重。實(shí)現(xiàn)快速、準(zhǔn)確的病害檢測(cè)和分類識(shí)別，有助于在早期及時(shí)發(fā)現(xiàn)病害并采取治療措施，從而提高水稻的產(chǎn)量和品質(zhì)。通過分析現(xiàn)有水稻葉片病害檢測(cè)與識(shí)別算法發(fā)現(xiàn)，基于傳統(tǒng)圖像處理方法的葉片病害檢測(cè)效率低并且準(zhǔn)確率不高，但隨著深度學(xué)習(xí)不斷發(fā)展，基于卷積神經(jīng)網(wǎng)絡(luò)的病害檢測(cè)與識(shí)別已成為研究人員關(guān)注的重要課題。針對(duì)近年來使用的模型算法總結(jié)歸納數(shù)據(jù)預(yù)處理與數(shù)據(jù)增強(qiáng)、框架結(jié)構(gòu)改...

面向豆類作物病害的改進(jìn)YOLOv10檢測(cè)算法

摘要：為實(shí)現(xiàn)豆類病害的實(shí)時(shí)精準(zhǔn)檢測(cè)，提出一種改進(jìn)YOLOv10的目標(biāo)檢測(cè)算法。首先，引入DCNv2替換neck網(wǎng)絡(luò)中的CBS模塊，提高模型對(duì)不同形狀和空間位置的病害作物的檢測(cè)能力。然后，采用BiFPN結(jié)構(gòu)，通過多尺度特征加權(quán)融合策略提高模型對(duì)不同尺度目標(biāo)特征的區(qū)分能力。最后，設(shè)計(jì)一種基于注意力機(jī)制的多尺度融合檢測(cè)頭，有效利用neck網(wǎng)絡(luò)提供的多尺度輸入特征，改善對(duì)不同尺度目標(biāo)的檢測(cè)效果。利用公開的豆類病...

氣力集排式排種系統(tǒng)管道彎徑比對(duì)繩索擴(kuò)散的影響

摘要：氣力集排式排種系統(tǒng)采用集中送種、分配排種的方式實(shí)現(xiàn)高效播種，具有對(duì)種子形狀兼容性好、種子損傷率低、適應(yīng)寬幅與高速作業(yè)等優(yōu)點(diǎn)。采用EDEM—Fluent耦合方法基于DDPM模型的耦合接口針對(duì)小麥氣力集排式排種系統(tǒng)中彎管部分的氣固兩相流進(jìn)行模擬分析，研究入口氣流速度為25 m/s、顆粒質(zhì)量流量為0.2 kg/s時(shí)，不同彎徑比（R/D）條件下的壓損變化與繩索擴(kuò)散規(guī)律。仿真結(jié)果表明：R/D=2、R/D=3...

煙草收獲技術(shù)與裝備研究現(xiàn)狀及發(fā)展

摘要：煙草屬于勞動(dòng)密集型行業(yè)，尤其是采收環(huán)節(jié)勞動(dòng)強(qiáng)度高、作業(yè)效率低、費(fèi)時(shí)費(fèi)工，煙草收獲分層多次采摘的特點(diǎn)導(dǎo)致機(jī)械化程度落后于其他作業(yè)環(huán)節(jié)，嚴(yán)重制約煙草行業(yè)的發(fā)展，因此，研制煙草收獲機(jī)械對(duì)解放勞動(dòng)力和提升生產(chǎn)效率具有重要意義。綜述煙草收獲技術(shù)與裝備的研究現(xiàn)狀。首先，對(duì)不同采收方式的煙草收獲裝備進(jìn)行整理分類，闡述其工作原理及整機(jī)性能。其次，分析煙草采收核心部件的結(jié)構(gòu)形式與應(yīng)用場(chǎng)景。針對(duì)煙草生產(chǎn)需求，指出現(xiàn)有...

基于機(jī)器視覺的蘭花分級(jí)方法研究

摘要：針對(duì)盆栽蘭花分級(jí)機(jī)械化程度低問題，設(shè)計(jì)一種基于機(jī)器視覺的蘭花分級(jí)方法，搭建蘭花視覺檢測(cè)室并采用俯拍相機(jī)、側(cè)拍相機(jī)獲取蘭花圖片，采用歸一化模板匹配算法、泛洪填充算法、Laplace算法、MER算法進(jìn)行株高測(cè)量，采用MER算法進(jìn)行冠幅測(cè)量，采用仿射分割算法、MER算法進(jìn)行勻稱度測(cè)量，采用HSV算法進(jìn)行花蓋度測(cè)量。為測(cè)試算法性能，進(jìn)行視覺識(shí)別算法測(cè)量精度試驗(yàn)和分級(jí)判斷試驗(yàn)。試驗(yàn)結(jié)果表明，視覺識(shí)別算法測(cè)量...

基于度量學(xué)習(xí)的收割機(jī)滾動(dòng)軸承故障診斷

摘要：為實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)中收割機(jī)滾動(dòng)軸承故障的診斷、節(jié)約維修成本及保障生產(chǎn)效率，基于度量學(xué)習(xí)思想設(shè)計(jì)匹配網(wǎng)絡(luò)，用于實(shí)際樣本較少場(chǎng)景下的軸承故障診斷。匹配網(wǎng)絡(luò)具有2個(gè)結(jié)構(gòu)相同的子網(wǎng)絡(luò)，子網(wǎng)絡(luò)提取并融合軸承振動(dòng)信號(hào)的時(shí)頻特征，通過計(jì)算2個(gè)子網(wǎng)絡(luò)輸出特征向量之間的相似度來判斷樣本的故障類型。結(jié)果表明，所提出的模型能夠準(zhǔn)確提取軸承故障的時(shí)域和頻域特征，明顯區(qū)分不同類型的故障樣本在特征空間的分布，其性能在可學(xué)習(xí)樣本數(shù)...

融合多尺度特征和多重注意力的棉田雜草檢測(cè)研究

摘要：針對(duì)現(xiàn)有棉田雜草檢測(cè)方法識(shí)別雜草類別少、精度低的問題，提出一種融合多尺度特征和多重注意力的棉田雜草檢測(cè)方法。首先，在骨干網(wǎng)絡(luò)中引入高效多尺度注意力模塊提升模型的特征提取能力，同時(shí)不增加模型參數(shù)量與計(jì)算量；其次，在頭部網(wǎng)絡(luò)添加漸進(jìn)特征金字塔，進(jìn)一步增強(qiáng)特征融合效果；最后，通過改進(jìn)框回歸損失函數(shù)提升模型的收斂速度和定位精度。在CottonWeedDet12數(shù)據(jù)集上進(jìn)行試驗(yàn)，結(jié)果表明，該方法檢測(cè)平均精度...

YOLO—Sugarcane:用于快速檢測(cè)復(fù)雜背景下甘蔗植株的輕量級(jí)神經(jīng)網(wǎng)絡(luò)

摘要：為解決現(xiàn)有輕量級(jí)網(wǎng)絡(luò)模型易受到甘蔗遮擋影響而導(dǎo)致漏檢和誤檢問題，提出一種改進(jìn)的YOLO—Sugarcane輕量級(jí)神經(jīng)網(wǎng)絡(luò)模型。首先，用MobileNetV3的Bneck模塊替換YOLOv7—tiny主干網(wǎng)絡(luò)內(nèi)的MP和ELAN模塊，有效提高模型的召回率；其次，用深度可分離卷積替代標(biāo)準(zhǔn)3×3卷積，降低模型的運(yùn)算成本，保證其在甘蔗收割機(jī)上的穩(wěn)定部署；最后，引入輕量級(jí)通道注意力模塊ECA(Efficien...

基于改進(jìn)CenterNet的農(nóng)作物害蟲無錨檢測(cè)算法研究

摘要：農(nóng)業(yè)生產(chǎn)中的害蟲管理對(duì)確保作物產(chǎn)量和品質(zhì)起著關(guān)鍵性作用。基于卷積神經(jīng)網(wǎng)絡(luò)的害蟲檢測(cè)技術(shù)近年來取得一定進(jìn)展，但仍面臨兩大主要挑戰(zhàn)：一是某些害蟲種類外貌高度相似導(dǎo)致分類識(shí)別困難；二是因害蟲對(duì)象具有多尺度特征導(dǎo)致大量假陰性檢測(cè)，特別是在小型害蟲的識(shí)別上。為解決這些問題，研究提出一種實(shí)時(shí)、無錨框的改進(jìn)CenterNet害蟲檢測(cè)模型。該模型在主干網(wǎng)絡(luò)中嵌入CBAM注意力機(jī)制，以有效提升特征的分類準(zhǔn)確性。同時(shí)...

基于深度學(xué)習(xí)的農(nóng)作物病害檢測(cè)算法研究

摘要：針對(duì)目前無法高效地檢測(cè)農(nóng)作物病害的問題，基于深度學(xué)習(xí)算法YOLOv5進(jìn)行改進(jìn)，利用K—means算法對(duì)標(biāo)簽錨框進(jìn)行調(diào)整，以便更好地適應(yīng)訓(xùn)練數(shù)據(jù)集中的病害區(qū)域面積的大小。將Ghostnet模塊引入YOLOv5的backbone網(wǎng)絡(luò)中，在不影響特征提取的前提下減小計(jì)算量和參數(shù)量。同時(shí)，基于CBAM注意力機(jī)制中的通道注意力和空間注意力，提出并行連接結(jié)構(gòu)和殘差連接提高網(wǎng)絡(luò)的特征提取能力，引入到算法的Nec...

馬鈴薯塊莖物理力學(xué)特性試驗(yàn)研究

摘要：為探究不同壓縮方向、不同壓縮部位馬鈴薯塊莖的物理力學(xué)特性是否存在差異，開展馬鈴薯物理力學(xué)特性試驗(yàn)研究，為馬鈴薯收獲、分選、裝運(yùn)等機(jī)械關(guān)鍵部件設(shè)計(jì)，特別是仿真分析模型建立提供理論依據(jù)。以收獲期青薯9號(hào)馬鈴薯為研究對(duì)象，采用排水法測(cè)定其密度為1.04×10～3 kg/m³；采用烘干法測(cè)定其含水率為79%；采用電子萬能材料試驗(yàn)機(jī)，以10 mm/min、20 mm/min、30 mm...

成熟期艾草莖稈離散元仿真模型參數(shù)標(biāo)定與試驗(yàn)

摘要：為解決利用離散元法對(duì)艾草機(jī)械化收割、脫葉和切碎等關(guān)鍵作業(yè)環(huán)節(jié)進(jìn)行仿真分析時(shí)缺乏準(zhǔn)確模型的問題，采用物理試驗(yàn)與仿真試驗(yàn)相結(jié)合的方法，以成熟期新鮮艾草莖稈為研究對(duì)象，基于EDEM仿真軟件中的Hertz—Mindlin(no slip)模型和Hertz—Mindlin with bonding模型對(duì)莖稈物理參數(shù)和黏結(jié)參數(shù)進(jìn)行標(biāo)定。通過Plackett—Burman試驗(yàn)、最陡爬坡試驗(yàn)和Central—Co...

核桃青皮物料特性試驗(yàn)研究

摘要：為獲取核桃青皮變距螺旋擠壓脫水裝置的關(guān)鍵參數(shù)，以“溫185”核桃青皮為研究對(duì)象，測(cè)定其基本參數(shù)、力學(xué)特性及壓縮特性。核桃青皮基本特性包括青皮厚度、密度和含水率；力學(xué)特性包括摩擦系數(shù)、彈性模量、剪切模量、泊松比和碰撞恢復(fù)系數(shù)；壓縮特性包括壓縮比和脫水率等。結(jié)果表明，“溫185”核桃的青皮厚度均值為7.12 mm，平均密度為1.053 g/cm³以及含水率為89.8%。核桃青皮與...

　　相關(guān)農(nóng)業(yè)期刊推薦

• 北大核心南京農(nóng)業(yè)大學(xué)學(xué)報(bào)
• 學(xué)報(bào)東北林業(yè)大學(xué)學(xué)報(bào)
• 國家級(jí)中國牧業(yè)通訊
• 南大核心中國農(nóng)村觀察
• 省級(jí)國外畜牧學(xué)豬與禽
• 省級(jí)南方水產(chǎn)科學(xué)
• 北大核心植物學(xué)報(bào)
• 省級(jí)遼東學(xué)院學(xué)報(bào)
• 北大核心西北農(nóng)業(yè)學(xué)報(bào)
• 北大核心青海大學(xué)學(xué)報(bào)
• 省級(jí)閩東農(nóng)業(yè)科技
• 省級(jí)河北農(nóng)機(jī)
• 省級(jí)農(nóng)產(chǎn)品加工創(chuàng)新版
• 省級(jí)現(xiàn)代牧業(yè)雜志
• 國家級(jí)污染防治技術(shù)
• 北大核心浙江農(nóng)林大學(xué)學(xué)報(bào)
• 省級(jí)福建林業(yè)科技
• 省級(jí)福建環(huán)境雜志
• 省級(jí)農(nóng)業(yè)工程技術(shù)(溫室園藝)
• 省級(jí)飼料博覽
• 國家級(jí)中國農(nóng)村金融
• 省級(jí)茶博覽
• 國家級(jí)中國生物防治學(xué)報(bào)
• 省級(jí)農(nóng)家參謀種業(yè)大觀
• 國家級(jí)農(nóng)業(yè)發(fā)展與金融
• 北大核心中國動(dòng)物傳染病學(xué)報(bào)
• 省級(jí)黑龍江八一農(nóng)墾大學(xué)學(xué)報(bào)
• 省級(jí)漁業(yè)經(jīng)濟(jì)研究
• 北大核心世界農(nóng)業(yè)
• 北大核心中國獸醫(yī)雜志

　　核心期刊推薦