饲草与耕作制度

饲草产业与间套轮作、连作障碍等种植制度

同领域方向
技术筛选
16 篇内容清除全部筛选
Agricultural Systems·10月10日 · 周六74 分 论文饲草与耕作制度阅读 0

Linking land use advantage and temporal stability for row configuration design in maize/soybean intercropping under water-limited dryland conditions in northeastern China

Linking land use advantage and temporal stability for row configuration design in maize/soybean intercropping under water-limited dryland conditions in northeastern China。Agricultural Systems

Frontiers in Sustainable Food Systems·9月28日 · 周一80 分 论文饲草与耕作制度农业绿色发展与碳阅读 1

Alfalfa-mediated phytoremediation and soil restoration for sustainable cereal and fruit crop production: a review of roles, detoxification mechanisms, nitrogen enhancement, and agroecological integration

综述紫花苜蓿通过植物修复与土壤恢复支撑谷类与果树可持续生产的多功能作用。

MDPI Agronomy 16(16):1591 2026年8月18日·8月18日 · 周二76 分 论文饲草与耕作制度阅读 3

基于EfficientNet与FPN多尺度特征融合的田间害虫智能检测(原标题:Enhancing Pest Detection in Agriculture: A Multi-Scale Feature Fusion Approach with YOLOv3)

华北大学Zhang等基于EfficientNet与FPN多尺度特征融合构建田间害虫智能检测框架:EfficientNet作为轻量级注意力嵌入骨干网络提取层次特征,集成多尺度检测与分层FPN融合以提升微小、不显眼的害虫识别性能。在37种田间作物常见害虫上的实验表明,所提模型在IoU阈值0.5下的平均精度([email protected])达到98.89%、平均识别错误率1.57%、平均推理时间仅0.048秒/图像,在检测精度和实时性能间取得平衡,为田间害虫监测提供轻量、可靠、自动化的监测解决方案,促进数据驱动、精准的害虫管理,推动可持续绿色精准农业。

MDPI Agriculture 16(16):1784 2026-08-20·8月20日 · 周四80 分 论文玉米阅读 4

基于处方图的变量喷药系统设计与试验(大豆-玉米带状复合种植):实时处方图解析、时空喷嘴匹配与延时补偿(原标题:Design and Experiment of a Prescription-Map-Based Variable-Rate Spraying System for Soybean-Maize Strip Intercropping)

为满足大豆-玉米带状复合种植中差异化施药需求,本研究开发了基于实时处方图解析、时空喷嘴匹配与延时补偿的带状变量喷药系统。使用ArcMap生成具有预定施药量级别的模拟处方图,基于高精度RTK-BDS定位建立田间坐标转换模型并结合SRAM预加载实现快速处方矩阵寻址;开发喷嘴空间位置预测模型与前向延时补偿控制算法,减少动态作业中由定位偏移、执行器响应滞后和液压延迟引起的边界错位。带状变量喷药试验中延时补偿后平均边界偏移由0.69米降至0.29米;大豆与玉米带不同施药量级下平均流量控制精度均超95%,流量变异系数均低于6%。

arXiv:2607.06585v1 [cs.CV] 2026-07-05·7月5日 · 周日72 分 论文饲草与耕作制度阅读 9

Pixel-Precise Explainable Stress Indexing: A Semantic Segmentation Framework for Disease Severity Quantification in Field Crops(像素级可解释压力指数:田间作物病害严重程度量化的语义分割框架)

植物病害每年造成全球农业产量损失20%-40%、经济损失超2200亿美元。文章提出统一深度学习流水线,集成语义分割、基于回归的严重程度估计和病害分类,根据感染叶片面积比例将胁迫严重程度分为四档。在包含1641样本、六个类别的苹果树叶病害分割数据集上,采用MobileNetV2的U-Net表现最佳,像素准确率98.20%、mIoU 0.70、检测准确率99.41%、单张图像处理时间仅14.7毫秒,适合实时田间应用。计算出的严重程度指数与专家标注高度相关(r=0.968, R²=0.937),为自动化作物监测和决策支持提供可靠方案。[预印本]