一、怎样识别农药标签(论文文献综述)
赵文潇,翟飞,杨海龙,邴欣,贾敏[1](2021)在《纳米酶生物传感器在食品质量与安全检测中的应用》文中进行了进一步梳理纳米酶作为一种酶模拟物具有成本低,稳定性好,灵敏度高等优势,可代替传统酶构建纳米酶生物传感器,操作的简便性使其成为传统检测方法的良好补充工具。该文首先简述纳米酶生物传感器的检测原理,其次概述近年来纳米酶在食品质量与安全检测中的应用实例,最后对其在该领域的应用进行总结与展望。
孙晓明,卢海燕,卞立平,刘贤金,孙爱东[2](2021)在《基于登记信息构建的农药使用风险智能预警模型研究》文中指出农业生产过程中农药使用不当的现象普遍存在,易导致残留超标等风险。本研究利用大数据分析与人工智能技术,通过采集、清洗农药登记信息,挖掘风险指标数据,构建了农药安全使用规范数据库,并在此基础上建立了农药使用风险智能预警模型,以期降低农药使用风险,提高农产品质量安全。该模型可集成到农业生产管理系统和监管系统中,供农户和监管部门使用。当农户录入农事操作信息时,模型可根据用药记录智能识别出超范围、超剂量、超频次等不当用药操作和违反安全间隔期的采收操作,给出预警提示,将安全保障的窗口前移,从而实现产中实时预警、产后自动研判,为农业生产提供技术支撑,为监管部门提供决策参考。
吴赛赛[3](2021)在《基于知识图谱的作物病虫害智能问答系统设计与实现》文中研究表明在农业生产过程中,病虫害一直以来都是影响农产品产量和质量的主要问题,然而随着互联网技术的发展,网络数据呈爆炸式增长,作物病虫害数据也呈现出高度分散、多源异构的状态,使得农民、植保专家等农业相关从业者很难迅速准确地获取所需信息。传统的信息获取方式以搜索引擎为主,但其采用基于关键词或浅层语义分析等方式实现检索,返回大量相关网页链接,答案模糊且冗余。智能问答系统由于支持用户自然语言输入、精准捕获用户意图、返回简洁准确的答案,成为近年来的研究热点。知识图谱的出现和快速发展,为智能问答系统提供了高质量的知识库基础,推动了问答系统在各个领域中的应用。本文融合自然语言处理、深度学习等技术,设计并实现基于知识图谱的作物病虫害智能问答系统,主要开展的工作如下:(1)作物病虫害知识图谱构建。知识图谱构建过程主要分为四个步骤:数据获取,本体构建,知识抽取以及知识存储。首先,利用爬虫技术采集相关作物病虫害数据,并进行数据清洗、数据分析等数据预处理工作。其次,根据数据内容及表示特征,构建作物病虫害本体,预定义实体间的关系和属性类型,明确知识抽取的边界。然后,在本体的基础上,利用规则逻辑方法提取半结构化数据;利用实体和关系联合抽取方法提取非结构化数据。最后,将抽取到的三元组数据存储到Neo4j图数据库中,实现知识图谱的可视化管理和一定程度的知识推理。(2)提出基于新标注策略的实体和关系联合抽取。传统的语料标注方式不一定适用于所有领域,本文根据作物病虫害语料库特征,以一种与领域语料相适应的新标注体系实现实体和关系的联合抽取。将实体和关系抽取任务转化为序列标注问题,对实体和关系进行同步标注,直接对三元组建模而不是分别对实体和关系建模,通过标签匹配和映射即可获得三元组数据,不仅提高至少一倍的标注效率,还有效缓解重叠关系抽取问题。同时利用BERT-Bi LSTM-CRF端到端深度学习模型在数据集上进行实验,取得90.51%的F1值。(3)基于知识图谱的问答算法研究。在作物病虫害知识图谱构建完成的基础上,将问答任务划分为三个子任务:命名实体识别、属性链接以及问句相似性计算。为了构建更加轻量级的问答系统,本文利用Han LP自然语言处理工具中的中文分词+自定义词典+词性标注功能实现问句的实体识别。通过构建属性标注库,利用ERNIE预训练语言模型完成对问答过程的问句属性链接,其在数据集上的表现明显优于其他经典模型。为了增强用户问答的智能性、便利性和连贯性,通过基于TF-IDF算法的文本相似性计算,展示与用户输入问句相似的相关问句。(4)设计并实现了基于知识图谱的作物病虫害智能问答原型系统。结合Fast API、Vue.js等框架实现问答原型系统的前端和后端开发与交互,实现用户以自然语言问句提问,支持作物病虫害症状、病原、防治药物等信息的问答。本文在实体关系联合抽取技术基础上提出了一种知识图谱的半自动化构建方法,并研发基于知识图谱的作物病虫害智能问答系统。本文工作为农业智能问答领域提供了一种新思路,其中知识图谱的半自动化构建方法可为农业推荐系统、农业知识库构建、农业智能搜索等应用知识库构建的技术支撑。
乔琦[4](2021)在《基于高光谱-电子鼻的苹果农残自动化检测研究》文中研究指明食品安全问题一直以来都备受消费者的关注。传统食品加工线上的农残检测方法,虽然可以准确检测农药残留量,但是无法做到对在线检测。高光谱成像技术和电子鼻技术是新兴的无损、在线检测方法。高光谱成像技术能够采集到可见光-近红外所覆盖区间内的图像信息和光谱信息。电子鼻技术是模拟哺乳动物嗅觉系统,通过传感器阵列来对气体成分进行检测。本文通过高光谱成像技术与电子鼻技术相结合的方法,对苹果的农残进行检测。首先对高光谱图像进行预处理,其中为了解决由于光谱相机本身的原因所造成各波段下光源强度不均匀和暗电流等影响,进行黑白校正,以及对高光谱图像进行光强补偿来消除由于苹果本身形状带来的光照不均匀的影响,然后本研究中通过两个步骤实现自动化、准确的感兴趣区选取,第一步通过计算各波段下光谱图像的对比度、清晰度、平均梯度等纹理信息,并通过熵值法对其加权,得到最优的图像分割波段。第二步运用canny算子对图像进行边缘提取,并进行闭运算,将细小孔洞连接,最后通过水平、竖直两个方向进行检测,并得到样本的位置信息,进而去除图像的背景信息,最终实现图像准确分割。其次对得到的感兴趣区进行光谱特征的计算:光谱均值、光谱方差。之后通过连续投影法(SPA)方法分别进行特征波段的选取,将得到的光谱特征通过最大相关-最小冗余(m RMR)算法进行融合,并构建多个分类模型:粒子群-支持向量机(PSO-SVM)、极限学习机(ELM)、随机森林(RF)、朴素贝叶斯(NBM)。通过对比多项指标可以发现模型中PSO-SVM模型为最优分类模型。且对比直接融合与m RMR筛选后的特征在PSO-SVM模型中的结果为95%。待完成高光谱特征提取后,对电子鼻数据进行特征提取,分别提取了稳定均值、积分、最大值、小波能量最大值、小波重构系数方差最大值5种特征,并通过变重要性投影方法(VIP)法对各特征值进行排序,组成50个新的子集,通过在SVM模型选取了VIP值排序后前35个作为最终的电子鼻特征数据,并对比了数据在PSO-SVM和卷积神经网络(CNN)中的检测精度,表明了VIP-PSO-SVM最高可以达到83.33%。最后通遗传算法-偏最小二乘法(GA-PLS)对高光谱和电子鼻特征数据进行融合,经过GA-PLS的筛选得到最终的融合特征,并放入到PSO-SVM、ELM、RF等模型中,通过对比可以发现不论是直接融合、或是GA-PLS筛选后,在PSO-SVM模型中都有较好的检测性能,GA-PLS-PSO-SVM的检测精度更是达到了98.33%。综上所述,本文利用高光谱成像技术与电子鼻检测技术相结合,实现了对苹果表面不同农残量的检测。证明了本模型可以应用于实际食品加工,也可为实现在农业自动化生产线上完成批量样本实时无损检测分类提供理论依据。
广州市人民政府[5](2021)在《广州市人民政府关于取消和重心下移一批市级行政权力事项的决定》文中研究表明广州市人民政府文件穗府[2021]1号各区人民政府,市政府各部门、各直属机构:为深化"放管服" 改革,进一步转变政府职能,市政府决定取消和重心下移2597项市级行政权力事项,其中取消269项,实行重心下移、改由区(含功能区,下同)就近实施2328项。各区、市有关部门要做好落实和衔接工作,细化监管措施,提高监管效能,推进政府管理科学化、规范化、法治化。
秦诗乐[6](2020)在《稻农施药行为研究》文中认为“民以食为天,食以安为先”,农产品的质量安全,是人类社会生存和可持续发展的基础。但农户的施药行为是有限理性的,基于当前农药使用的负外部性,特别是作为我国三大主粮之一的水稻的“用药乱象”,本文选择将稻农施药行为作为研究对象,对稻农的农药过量施用水平进行测算,从农户自身、市场主体、政府监管等三方面出发,探究不同研究视角下稻农施药行为的异质性。本研究的重点内容包括五个部分:首先,利用中国南方水稻主产区731个农户调查数据,通过损害控制生产函数对稻农的农药施用水平进行测算;其次,通过比较分析不同规模的稻农施药行为,掌握规模户与小农户用药行为差异的规律;第三,从市场角度出发,采用PSM考察不同市场主体参与对稻农过量施用农药的影响;第四,从政府角度出发,研究政府监管因素对稻农施药行为的影响,并将政府因素和市场因素共同纳入研究框架,分析二者之间的内在作用逻辑;第五,为统筹兼顾病虫害防治和化学农药减量的目标,本文分别采用Heckman两阶段模型和联立方程模型对农户绿色防控技术采纳行为的影响因素和效应评价进行分析。在理论分析和实证分析的基础上,本研究得出以下结论:第一,调研区域,稻农存在严重的农药过量施用问题,这是由于病虫害与农药投入之间的恶性循环造成的。第二,不同规模农户的施药行为差异大:规模户的农药使用量高于小农户。在控制其他条件不变的情况下,规模户的单次用药剂量超标率比小农户高出56%,规模户的施药频次是小农户的1.40倍,口粮比例是规模户和小农户用药行为差异的根本因素。第三,市场环境因素对稻农施药行为的积极作用偏弱、消极影响较大。众多市场主体中,只有“质量型”收购商有助于抑制稻农的农药过量施用行为,合作社作用不明显,而选择非专业外包防治的农户比非外包组农户的农药过量施用概率高16.98%,非专业防治的组织化水平、植保防治手段与专业化的统防统治存在很大差距。第四,政府监管对农户的农药施用量的影响是有限的,但会与市场环境因素形成良好的交互作用,从而规范农户施药行为。第五,绿色防控技术是对化学农药的一种较好的替代。调研区域的绿色防控技术具有经济和环境双重效应,但农户的采纳比例较低,这与农户家庭的口粮比例大小有关,甚至打药时机预警和收购方关注点等因素在农户的采纳程度上也起到了较强抑制作用。在现有政府监管和市场环境的基础上,为规范农户行为可从以下几方面入手:第一,灵活革新培训方式,积极落实监管职能。通过合理的制度设计来促进绿色市场的规范化,形成农户与市场主体的多层行业自律机制,纠正市场失灵。第二,严格把控市场环境,扎实促进优质优价。要加强对绿色农产品供给市场的管制,发挥市场主体规范对农户行为的约束和监督机制。第三,对农户因材施教,充分发挥示范作用。采用合理的激励方式引导农户进行自我管理,并积极发挥示范户的辐射作用,形成从知识输入到技术输出的转变。第四,不断完善补贴机制,推进技术研发与推广。通过绿色农业技术的补贴常态化、多样化,结合减少技术推广中的交易费用和制度成本,共同弱化农户应对技术更新的成本压力。第五,建立纵向反馈机制,完善风险补偿制度。通过纵向的信息反馈机制,针对性地为农户提供全程或阶段性服务,并通过完善风险补偿制度,弱化农户为应对收入波动而对农药施用量的依赖。
马映荣[7](2020)在《中等职业学校涉农专业《植物保护技术》教材分析》文中提出随着我国经济的飞速发展,对于技能型人才的需求日益显着。中等职业学校承担着培养技能型人才的重要使命,其教育的优质输出是每一位从事职业教育一线教师关注的焦点。中职教育的高质量输出又直接的反映在专业教学的每一堂课上,因此对于专业教材的充分挖掘分析对于课堂教学质量提升具有重要意义。本文以中国农业出版社出版的《植物保护技术》第三版为研究对象,以众多教育学者研究成果以及教育学和心理学相关理论为研究基础。使用结构分析方法,并结合系统论教材分析模型的方法对教材进行了分析,主要包括教材整体分析、教材局部分析和教材使用建议三个方面,以明确教材编写意图,挖掘教材中专业知识和技能,并领会教材中所蕴含的情感渗透,将教材中专业知识和技能的编排与中职生心理特点和智力类型相结合,提出了相应使用建议。在分析过程中也将发现的问题和不足进行了探讨,提出了相应改进措施。通过分析,认为教材在整体设计中始终以素质教育理念为核心,以学生职业能力提升为目的,在编排上以植物保护工作过程为基本依据,整体上分为两部分内容,首先是基于植物保护工作过程的基本内容学习,其次是基于植物保护工作的针对性学习和训练,为学生系统学习植物保护工作流程和专业知识技能提供了载体。局部分析发现,教材将专业知识和专业技能进行了合理搭配,在每一项目编排了任务学习和技能训练,将植物保护工作细分为不同的片段,再将知识和技能渗透于其中,切实为提升学生植物保护工作能力奠定基础。对审美要素分析认为,教材趣味性的体现有待进一步改进,可以适当增设和植物保护工作或专业就业前景相关栏目,从而提升学生学习兴趣并拓展学生视野。在教材使用过程中,建议结合本地常见病虫害为例进行教学,让学生感受到本课程与生活生产的紧密联系。同时让学生依据教材内容,以本地特色作物为对象调查病虫害发生情况,提升专业能力。其次通过创设情景,并使用合作学习、汇报演讲等多种形式满足学生社会需求、自尊需求,从而提升专业能力的同时促进了学生心理健康的发展。因此对于中职专业课教学而言,应充分挖掘教材所蕴含的隐性的情感态度价值观理念,研究教材内容编排规律,将教材内容与学生思维类型和真实需求相互结合。高效能的实施课堂教学,以获得良好教学效果,促进中职教育质量的提升。
张传银[8](2020)在《基于深度学习的玉米田间杂草识别与分割技术研究》文中研究说明玉米作为我国的重要粮食产物,受草害影响极为严重,在极端条件下玉米因杂草影响会减产20%以上。传统的大面积全淋式农药除草方式,不能针对杂草按需施药,易造成农药大量浪费、生产成本较高、环境污染严重等问题,从而影响了玉米的产量和品质。为解决上述问题,需进行玉米杂草精准变量施药。杂草的精准识别检测是实现杂草变量喷洒的首要前提,本文针对田间复杂环境下杂草识别精度低的问题,选择玉米及其伴生杂草为研究对象,结合深度学习和卷积神经网络特征提取的特点,利用图卷积网络的特征传播能力,以提高杂草的识别、定位、分割准确率为目标,展开了基于深度学习的玉米田间杂草识别与分割技术研究,为后续玉米田间杂草的精准防控提供理论依据和技术支撑。主要研究内容如下:(1)研究了一种基于CNN和GCN的田间杂草识别网络。本网络使用CNN提取杂草图像样本特征,根据杂草特征基于欧氏距离构建图模型,使用拉普拉斯变换优化图模型,利用GCN图谱卷积进行特征传播,将融合特征放入分类器,实现杂草的分类识别。在玉米、生菜、胡萝卜三类杂草数据集上的分类准确率分别为97.8%、99.37%、98.93%。(2)基于Mask R-CNN方法构建了杂草分割模型。该模型结合Faster R-CNN目标检测和FCN语义分割,首先使用ResNet-101网络提取杂草的图像特征图,利用RPN(Region Proposal Network)提取区域坐标特征,再利用RoIAlign层得到固定大小的特征图,使用输出模块对特征图进行分类回归分割计算,完成杂草的具体方位、类别及轮廓的计算。在IoU为0.5时,本模型在玉米杂草数据集上mAP为0.853,优于SharpMask、DeepMask的0.816、0.795。为了测试基于Mask R-CNN的杂草分割模型在玉米田间的分割效果,使用该模型在数据集上进行测试,该模型的mAP值为0.785,可实现玉米田间的杂草分割。(3)构建了基于Mask R-CNN田间杂草分割的变量喷洒系统。该系统通过摄像头获取杂草图像,基于Mask R-CNN分割模型计算杂草的位置、标签和像素,由微处理器根据计算结果,通过PWM占空比调节电磁阀开度及开启时间,对杂草进行变量喷洒。在田间变量喷洒试验中,杂草的识别率为91%,识别出杂草并准确喷洒的准确率为85%,准确喷洒的杂草农药雾滴覆盖密度为55个/cm2。可满足除草剂变量喷洒的控制要求。
瞿芳芳[9](2020)在《太赫兹光谱在农产品农药残留检测中的关键技术研究》文中研究说明近年来由于农药残留导致的农产品质量与安全问题堪忧,因而研究快速精准的农药残留检测技术对于防控农药滥用现象尤为重要。太赫兹(Terahertz,THz)技术作为二十一世纪重大新兴科学技术之一,具有指纹性、穿透性,以及相干性等诸多独特优势,在农药残留检测领域具有可观的发展潜力与应用前景。本文采用太赫兹光谱技术对18种农药的指纹峰解析、单组分农残的定量检测、多组分微量混合农残的定性识别,以及痕量农残的定量与定性检测等关键技术进行了研究,对于保障农产品安全与人类健康具有重要的意义。主要研究内容和成果如下:(1)基于密度泛函理论(DFT)和太赫兹光谱预处理算法,完成了农药标准品的分子动力学模拟及其太赫兹指纹峰的精准解析。(1)采用小波阈值去噪与基线校正方法对农药的太赫兹吸收谱(0.1~3.5 THz)进行优化处理;(2)采用DFT模拟计算农药分子的理论光谱;(3)将优化处理后的太赫兹光谱与DFT光谱进行匹配,完成农药指纹峰的理论解析。所研究农药的太赫兹指纹峰包括:毒死蜱(1.47、1.93与2.73 THz)、氟虫腈(0.76、1.23与2.31 THz)、克百威(2.72与3.06 THz)、乐果(1.05、1.89与2.92 THz)、灭多威(1.01、1.65、1.91、2.72与3.20 THz)、噻苯隆(0.99、1.57、2.17与2.66 THz)、溴氰菊酯(0.90、1.49与2.32 THz)、氰戊菊酯(1.13、1.43、1.61、1.98与2.58 THz)、高效氯氰菊酯(1.27、1.84、2.12与2.92 THz)、6-苄氨基嘌呤(2.08与3.00 THz)、多效唑(0.71、1.30、1.88与2.67 THz)和青鲜素(2.34 THz)。(2)利用基线校正算法消除了太赫兹吸收谱的基线漂移特性,增强了农产品基质中单组分2,4-二氯苯氧乙酸(2,4-D)的指纹峰信号,提升了其定量检测的精确度与检测限。(1)采用DFT中B3LYP/6-31G(d,p)基组对2,4-D的指纹峰进行解析(1.35、1.60、2.37和3.00 THz);(2)分析散射基线对农产品基质(茭白、大米和玉米)中2,4-D检测能力的影响;(3)采用非对称最小二乘平滑法(As LS)、自适应重加权惩罚最小二乘法(Air PLS)、背景校正法(Backcor)和稀疏度基线估计去噪法(BEADS)进行吸收谱基线校正;(4)根据1.35 THz处的吸收峰强度建立2,4-D含量的定量回归曲线,结果表明经过基线校正后,2,4-D在茭白、大米和玉米中的检测限分别由7%、5%与7%均提高到1%,回归系数分别有R2≥0.9706、R2≥0.9671、R2≥0.9277;(5)根据模型回收率与预测误差值,外部验证了太赫兹吸收谱基线校正对于提高农产品中2,4-D定量检测精度的有效性与可靠性。(3)结合太赫兹成像技术与深度学习算法,实现了对新鲜植物叶片表面微量、多组分混合农药残留类型的高精度定性识别与图像可视化。(1)采用DFT中B3LYP/6-311G基组对苯菌灵(0.70、1.07和2.20 THz)、多菌灵(1.16、1.35和2.32 THz)和噻菌灵(0.92、1.24、1.66、1.95和2.58 THz)的指纹峰进行解析;(2)将不同类型的农药溶液(浓度为10mg/L)滴加在香椿叶片表面,获取叶片的太赫兹图像并从中提取0.2~2.2 THz的光谱;(3)采用模糊聚类模型,探究区分香椿叶片表面不同农药残留类型的可分性;(4)建立深度卷积神经网络(DCNN)模型和基于四种学习算法(Train CGB、Train CGP、Train CGF、Train RP)的反向传播神经网络(BPNN)模型,对香椿叶片上农药残留的类型进行定性识别,结果表明DCNN得到最优训练与预测识别准确率(分别为97.27%和96.74%);(5)利用DCNN模型实现了对叶片上农药残留类型及其分布情况的图像可视化。(4)采用一种基于开口谐振环结构的太赫兹超材料吸收器,增强了辣椒提取液中痕量农药的传感信号,实现了对痕量农残的定量与定性检测。(1)分别采用DFT中B3LYP/6-311G与B3LYP/6-31G+dp基组对吲哚-3-乙酸(IAA,2.50 THz)与三环唑(0.85、1.11和2.17 THz)进行指纹峰解析;(2)根据吸收器在横向磁性(TM)偏振态下的双波段完美吸收特性(在0.918 THz和1.575 THz处吸收率分别达到90.05%和94.68%),利用超材料吸收峰振幅和频率对农药浓度的高灵敏度响应,建立农药定量检测标准曲线。结果表明基于1.575 THz处吸收峰振幅的传感响应规律较好,对IAA与三环唑的定量结果分别为R2=0.9544与R2=0.7837,检出的农药浓度均达到10 ng/L;(3)采用偏最小二乘线性判别分析(PLS-LDA)模型实现了基于超材料的辣椒提取液中IAA与三环唑的定性鉴别。以上研究成果探明了太赫兹光谱技术在农产品农药残留检测中的巨大优势。本研究探讨的关于农药太赫兹指纹峰的解析、单组分农残定量检测精度的提升、微量多组分混合农残的定性识别与可视化,以及痕量农残的定量与定性传感增强检测等关键技术,为基于太赫兹技术的农产品安全检测提供了一套完整的理论基础与指导方案。
陈宏君[10](2019)在《基于RFID的衡阳市珠晖葡萄质量安全溯源系统研究》文中研究指明新鲜美味的水果在为消费者提供营养的同时,也给消费者带来了诸多安全困扰。为了有效解决水果从“农田到餐桌”的安全问题,让消费者吃上安全、优质的水果,关键在于抓好水果的质量监管,因此水果溯源系统的建立势在必行。本文以衡阳市珠晖葡萄为例,运用RFID技术、二维码以及网络通信等技术,研究了基于RFID的衡阳市珠晖葡萄质量安全溯源系统。研究工作如下:(1)通过分析影响葡萄安全生产的危害因子,确定了葡萄溯源的关键指标,即重金属、残留农药、肥料、致病微生物以及灌溉水质量,有利于从源头上进行监控及检测以确保葡萄的质量安全。(2)结合衡阳市珠晖葡萄流通过程和系统功能需求,确定了葡萄质量安全追溯系统九大功能,即基地基本信息、基地管理、仓储管理、运输管理、销售管理、检测管理、数据库、信息查询以及系统维护。(3)通过分析葡萄溯源系统的追溯方式和生产数据关联模式,以RFID为载体,设计出了一套科学实用的追溯方案。同时,结合葡萄生产管理溯源系统的功能需求,对溯源系统的架构、数据库和运行环境进行了全方面的研究与设计。本系统的应用与实现,不仅有助于提高经营者的责任心,增强消费者的食品消费信心,而且有利于提高衡阳市珠晖葡萄在市场上的核心竞争力,树立产品品牌意识,提高生产企业的经济效益。
二、怎样识别农药标签(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、怎样识别农药标签(论文提纲范文)
(1)纳米酶生物传感器在食品质量与安全检测中的应用(论文提纲范文)
1 纳米酶生物传感器检测原理 |
1.1 纳米酶作为信号标签 |
1.2 基于待测物对催化体系的调控作用 |
1.2.1 纳米酶催化底物影响信号输出 |
1.2.2 纳米酶催化产物影响信号输出 |
1.2.3 基于待测物与纳米酶的相互作用 |
1.3 纳米酶作为信号放大器 |
1.4 多功能纳米酶在检测中的应用 |
1.4.1 超顺磁性 |
1.4.2 荧光 |
1.4.3 表面增强拉曼散射(surface-enhanced raman scattering,SERS)效应 |
2 在食品质量与安全检测方面的应用 |
2.1 农药 |
2.2 兽药 |
2.3 食源性致病菌 |
2.4 真菌毒素 |
2.5 有害金属离子 |
3 结论与展望 |
(3)基于知识图谱的作物病虫害智能问答系统设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 知识图谱 |
1.2.2 知识问答 |
1.3 研究内容与技术路线 |
1.4 论文组织结构 |
第二章 相关理论与技术 |
2.1 本体 |
2.2 知识抽取 |
2.2.1 命名实体识别 |
2.2.2 关系抽取 |
2.3 知识存储 |
2.4 知识融合与知识推理 |
2.5 属性链接 |
2.6 本章小结 |
第三章 作物病虫害智能问答系统设计框架 |
3.1 系统设计框架 |
3.2 系统主要技术 |
3.2.1 数据预处理 |
3.2.2 知识图谱构建 |
3.2.3 基于知识图谱的问答算法 |
3.2.4 问答服务平台搭建 |
3.3 本章小结 |
第四章 作物病虫害知识图谱构建 |
4.1 作物病虫害知识图谱构建流程 |
4.2 基于规则的半结构化知识抽取 |
4.3 基于BERT-Bi LSTM-CRF的实体关系联合抽取 |
4.3.1 ME+R+BIESO标注方法 |
4.3.2 BERT-Bi LSTM-CRF模型 |
4.3.3 实验及结果分析 |
4.4 基于Neo4j的知识存储 |
4.5 本章小结 |
第五章 基于知识图谱的知识问答算法 |
5.1 问句实体识别 |
5.2 属性链接 |
5.2.1 基于ERNIE的属性链接模型 |
5.2.2 属性标注库构建 |
5.2.3 实验结果与分析 |
5.3 答案查询 |
5.4 问句相似性计算 |
5.5 本章小结 |
第六章 作物病虫害智能问答原型系统设计与实现 |
6.1 开发环境与系统架构 |
6.1.1 开发环境 |
6.1.2 系统基础架构的实现 |
6.2 原型系统展示及测试 |
6.3 本章小结 |
第七章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
致谢 |
作者简历 |
(4)基于高光谱-电子鼻的苹果农残自动化检测研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 高光谱成像技术与仿生嗅觉的农药残留量检测研究现状 |
1.2.1 高光谱成像技术对农药残留量检测研究现状 |
1.2.2 电子鼻对农药残留量检测的研究现状 |
1.3 高光谱成像技术 |
1.3.1 高光谱成像技术介绍 |
1.3.2 高光谱成像技术特点 |
1.4 仿生嗅觉检测技术 |
1.5 主要研究内容 |
第2章 高光谱-电子鼻数据采集系统 |
2.1 高光谱成像系统 |
2.1.1 高光谱成像仪硬件组成 |
2.1.2 软件基本操作与基本参数调节步骤 |
2.2 电子鼻检测系统 |
2.3 苹果农药残留信息采集 |
2.3.1 样品制备 |
2.3.2 参数设定与数据采集 |
2.4 本章小结 |
第3章 基于高光谱成像技术的苹果农残检测研究 |
3.1 高光谱图像预处理 |
3.1.1 图像光谱矫正 |
3.1.2 图像光强补偿 |
3.2 光谱图像感兴趣区域精确划分 |
3.2.1 高光谱图像最优分割波段选取 |
3.2.2 感兴趣区域精确划分 |
3.3 光谱图像特征提取 |
3.3.1 基于连续投影法的特征选取 |
3.3.2 基于最大相关-最小冗余的特征选取 |
3.4 基于光谱特征的农残分类检测模型与分析结果 |
3.4.1 基于高光谱图像的农残检测模型建立与结果分析 |
3.4.2 模型优劣性分析 |
3.5 本章小结 |
第4章 基于高光谱与电子鼻融合的农残检测 |
4.1 电子鼻特征提取 |
4.2 基于电子鼻的农残检测模型与分析结果 |
4.3 高光谱-电子鼻融合特征提取 |
4.3.1 融合数据预处理 |
4.3.2 基于遗传算法-偏最小二乘的高光谱-电子鼻特征融合 |
4.4 基于高光谱-电子鼻融合特征的农残检测模型 |
4.5 模型稳定性分析 |
4.6 基于高光谱-电子鼻融合软件设计 |
4.7 本章小结 |
总结与展望 |
参考文献 |
致谢 |
(6)稻农施药行为研究(论文提纲范文)
摘要 |
abstract |
第一章 导论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 研究内容 |
1.3.1 研究思路 |
1.3.2 研究内容 |
1.3.3 研究方法 |
1.4 创新点 |
第二章 文献综述 |
2.1 农户施药行为的现状 |
2.1.1 用药行为不科学、不规范 |
2.1.2 用药行为不安全、不环保 |
2.1.3 用药行为不经济、不高效 |
2.2 农户施药行为的影响因素 |
2.2.1 农户个体特征 |
2.2.2 农户家庭特征 |
2.2.3 政府监管因素 |
2.2.4 市场环境因素 |
2.2.5 自然环境因素 |
2.2.6 其他外部因素 |
2.3 农药过量施用的负面效应 |
2.3.1 对生态的影响 |
2.3.2 对社会的影响 |
2.3.3 对经济的影响 |
2.4 农户过量施用农药的原因 |
2.4.1 政府作用:监管不力,权责不明 |
2.4.2 社会环境:成果转化滞后,信息不对称 |
2.4.3 农户自身:农户素质较低,经营规模分散 |
2.5 文献评述 |
第三章 理论基础与研究框架 |
3.1 概念界定 |
3.2 基于农户行为理论的稻农施药行为分析 |
3.3 基于行为经济学理论的稻农施药行为分析 |
3.4 基于计划行为理论的稻农施药行为分析 |
3.5 稻农施药行为的研究框架 |
3.6 本章小结 |
第四章 稻农农药施用行为的统计分析 |
4.1 数据来源 |
4.1.1 调研对象 |
4.1.2 问卷设计 |
4.1.3 数据收集 |
4.2 农户个人禀赋特征 |
4.3 农户家庭环境特征 |
4.4 农户施药行为特征 |
4.4.1 稻农的农药施用强度分析 |
4.4.2 稻农的施药频次分析 |
4.4.3 不同用药环节的稻农行为特征分析 |
4.5 考察变量交叉分析 |
4.5.1 不同个人特征下的农户施药行为特征 |
4.5.2 不同家庭环境中的农户施药行为特征 |
4.5.3 不同政府监管方式下的农户施药行为特征 |
4.5.4 不同市场主体参与下的农户施药行为特征 |
4.6 本章小结 |
第五章 稻农的农药使用效率测算 |
5.1 引言 |
5.2 农药的边际生产率 |
5.3 模型构建与变量选择 |
5.3.1 C-D生产函数模型构建 |
5.3.2 风险控制生产函数模型构建 |
5.3.3 变量选择 |
5.4 实证结果 |
5.5 本章小结 |
第六章 不同规模稻农施药行为的比较分析 |
6.1 文献回顾 |
6.1.1 现有研究对规模经营和农户施药行为的关系存在不一致观点 |
6.1.2 影响因素分析 |
6.2 数据分析 |
6.2.1 样本区域 |
6.2.2 规模户和小农户施药行为的差异 |
6.3 模型设定与变量选择 |
6.3.1 变量选择 |
6.3.2 模型设定 |
6.4 实证分析 |
6.4.1 单次用药剂量超标行为估计结果 |
6.4.2 施药频次行为估计结果 |
6.4.3 似无相关回归模型的检验 |
6.5 实证结果 |
6.5.1 规模户、小农户的农药使用量是否存在差异 |
6.5.2 规模户、小农户用药行为差异的影响因素讨论 |
6.6 本章小结 |
第七章 不同市场主体参与对稻农施药行为的影响 |
7.1 文献回顾 |
7.2 理论分析与模型构建 |
7.3 不同市场主体参与对稻农施药行为的影响 |
7.3.1 变量选择 |
7.3.2 Logit模型估计 |
7.3.3 平衡性检验 |
7.3.4 估计结果 |
7.4 本章小结 |
第八章 不同政府监管方式对稻农施药行为的影响 |
8.1 引言 |
8.2 理论分析 |
8.2.1 政府监管的作用 |
8.2.2 市场环境的作用 |
8.3 数据分析 |
8.3.1 农户施药行为 |
8.3.2 目标考察变量特征 |
8.4 模型设定与变量选择 |
8.4.1 模型设定 |
8.4.2 变量选择 |
8.5 实证分析 |
8.5.1 政府监管与市场环境对农户施药行为影响 |
8.5.2 政府监管与市场环境对农户施药行为影响的交互效应分析 |
8.6 本章小结 |
第九章 稻农绿色防控技术采纳行为分析 |
9.1 引言 |
9.2 文献回顾 |
9.2.1 农户绿色防控技术采纳行为的影响因素 |
9.2.2 农户绿色防控技术采纳行为的效应评价 |
9.2.3 本文的拓展 |
9.3 理论基础与分析框架 |
9.4 模型构建与变量选择 |
9.4.1 Heckman两阶段模型 |
9.4.2 联立方程模型 |
9.4.3 变量说明 |
9.5 影响因素的实证结果 |
9.5.1 农户个人特征因素 |
9.5.2 农户家庭特征因素 |
9.5.3 政府因素 |
9.5.4 市场因素 |
9.6 效应评价的实证结果 |
9.7 本章小结 |
第十章 研究结论与政策启示 |
10.1 研究结论 |
10.2 政策启示 |
10.3 不足与展望 |
参考文献 |
附录 A |
致谢 |
作者简历 |
(7)中等职业学校涉农专业《植物保护技术》教材分析(论文提纲范文)
摘要 |
abstract |
绪论 |
第一节 研究背景 |
第二节 研究目的与意义 |
一、研究目的 |
二、研究意义 |
第一章 文献综述 |
第一节 相关概念界定 |
一、职业教育和中等职业教育 |
二、教材 |
三、教材分析 |
第二节 国内外研究现状 |
一、国外研究现状 |
二、国内研究现状 |
第二章 理论基础 |
第一节 系统理论 |
第二节 情景学习理论 |
第三节 马斯洛需求层次理论 |
第四节 中等职业学校学生特点 |
一、中等职业学校学生的心理特点 |
二、中等职业学校学生的思维类型 |
第三章 研究思路与方法 |
第一节 研究思路 |
第二节 研究方法 |
一、结构分析法 |
二、基于系统论的教材分析方法 |
三、文献研究法 |
第四章 《植物保护技术》教材整体分析 |
第一节 教材编写背景和指导思想 |
第二节 教材内部结构分析 |
第三节 教材外部联系分析 |
一、教材内容与初中生物学和化学知识的联系 |
二、教材内容与农作物植保员中级工标准的联系 |
三、教材与中职学校专业目标的联系 |
第四节 教材整体功能分析 |
一、学生职业能力培养功能 |
二、知识传递功能 |
三、情感态度价值观教育 |
第五章 《植物保护技术》教材局部分析 |
第一节 项目一认知昆虫的局部分析 |
一、知识要素分析 |
二、技能要素分析 |
三、审美要素分析 |
第二节 项目二认知植物病害的局部分析 |
一、知识要素分析 |
二、技能要素分析 |
三、审美要素分析 |
第三节 项目三植物病虫害的田间调查和统计的局部分析 |
一、知识要素分析 |
二、技能要素分析 |
三、审美要素分析 |
第四节 项目四植物病虫害的综合防治的局部分析 |
一、知识要素分析 |
二、技能要素分析 |
三、审美要素分析 |
第五节 项目五农药的使用的局部分析 |
一、知识要素分析 |
二、技能要素分析 |
三、审美要素分析 |
第六节 项目六至项目十一的局部分析 |
一、知识要素分析 |
二、技能要素分析 |
三、审美要素分析 |
第六章 教材使用建议及教学设计案例 |
第一节 教材使用建议 |
一、结合本地特色,充分利用教材提升学生职业能力 |
二、创设真实情境,满足学生合理需求促进心理健康发展 |
第二节 教学设计案例 |
一、昆虫的外部形态教学设计案例 |
二、教学反思 |
第七章 研究总结与展望 |
第一节 研究总结 |
第二节 研究反思与展望 |
一、研究反思 |
二、研究展望 |
参考文献 |
致谢 |
个人简历、在学期间发表的学术论文及研究成果 |
(8)基于深度学习的玉米田间杂草识别与分割技术研究(论文提纲范文)
符号说明 |
中文摘要 |
Abstract |
1 绪论 |
1.1 研究目的与意义 |
1.2 国内外研究现状分析 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 国内外研究存在的问题 |
1.3 研究内容 |
1.4 论文组织结构 |
2 深度学习算法概述 |
2.1 神经网络简介 |
2.1.1 神经元结构 |
2.1.2 多层感知机结构 |
2.1.3 反向传播算法 |
2.2 卷积神经网络 |
2.2.1 卷积层结构 |
2.2.2 池化层结构 |
2.2.3 Dropout层 |
2.2.4 常见分类网络 |
2.2.5 常见分割网络 |
2.3 图论 |
2.3.1 度量矩阵 |
2.3.2 邻接矩阵 |
2.3.3 拉普拉斯矩阵 |
2.4 本章小结 |
3 基于图卷积网络的田间杂草分类识别 |
3.1 引言 |
3.2 基于图卷积网络的杂草识别网络 |
3.2.1 特征提取 |
3.2.2 基于半监督GCN的杂草识别 |
3.3 试验数据集 |
3.4 试验结果与分析 |
3.4.1 玉米杂草数据集试验结果 |
3.4.2 胡萝卜杂草数据集试验结果 |
3.4.3 生菜杂草数据集试验结果 |
3.4.4 混合数据集试验结果 |
3.4.5 CNN、GCN试验对比 |
3.5 本章小结 |
4 基于Mask R-CNN田间杂草分割的变量喷洒系统 |
4.1 引言 |
4.2 数据标注 |
4.3 Mask R-CNN杂草检测分割模型 |
4.3.1 杂草CNN特征提取 |
4.3.2 区域建议网路RPN |
4.3.3 RoIAlign层 |
4.3.4 输出模块 |
4.4 Mask R-CNN杂草分割试验与性能评估 |
4.4.1 杂草分割试验 |
4.4.2 评估指标 |
4.5 试验结果与分析 |
4.5.1 杂草分割结果与分析 |
4.5.2 其他数据集验证 |
4.6 田间变量喷洒试验测试 |
4.6.1 单行植株多阀门喷洒 |
4.6.2 不同地段单行植株多阀门喷洒 |
4.6.3 多行植株多阀门喷洒 |
4.7 本章小结 |
5 总结与展望 |
5.1 本文总结 |
5.2 展望 |
参考文献 |
致谢 |
攻读硕士学位期间取得的成果 |
(9)太赫兹光谱在农产品农药残留检测中的关键技术研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
缩略词表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.1.1 农产品农药残留的危害 |
1.1.2 农药残留限量标准 |
1.2 现有农产品农残检测技术手段 |
1.2.1 主要检测方法 |
1.2.2 现有方法存在的问题 |
1.3 太赫兹技术检测农药残留的可行性 |
1.3.1 太赫兹技术用于检测农残的原理 |
1.3.2 太赫兹技术用于农残检测的优势 |
1.3.3 太赫兹技术用于农残检测的研究现状 |
1.4 本文研究内容及思路 |
1.4.1 研究内容 |
1.4.2 技术路线 |
1.5 本章小结 |
第二章 太赫兹波谱技术理论基础 |
2.1 引言 |
2.2 太赫兹波的产生与探测 |
2.2.1 太赫兹波的产生技术 |
2.2.2 太赫兹波的探测技术 |
2.3 太赫兹时域光谱技术 |
2.3.1 透射式太赫兹时域光谱系统 |
2.3.2 反射式太赫兹时域光谱系统 |
2.3.3 太赫兹光学参数获取 |
2.4 太赫兹扫描成像技术 |
2.5 太赫兹超材料技术 |
2.5.1 太赫兹超材料传感原理 |
2.5.2 太赫兹超材料吸收器分类 |
2.5.3 太赫兹超材料吸收器特性模拟 |
2.6 本章小结 |
第三章 农药的太赫兹指纹峰探测与分子动力学解析 |
3.1 引言 |
3.2 实验材料及方法 |
3.2.1 农药固体样本制备 |
3.2.2 光谱获取 |
3.2.3 密度泛函理论计算 |
3.3 六种杀虫剂农药的太赫兹指纹谱探测及解析 |
3.3.1 杀虫剂农药的太赫兹时域波形与频域光谱 |
3.3.2 杀虫剂农药的太赫兹吸收谱与折射谱 |
3.3.3 太赫兹吸收谱去噪与基线校正处理 |
3.3.4 杀虫剂农药分子结构优化 |
3.3.5 实验光谱与理论光谱比对分析 |
3.3.6 农药分子太赫兹指纹峰归属解析 |
3.4 三种菊酯类农药的太赫兹指纹谱探测及解析 |
3.4.1 菊酯农药的太赫兹时域波形与频域光谱 |
3.4.2 菊酯农药的太赫兹吸收谱与折射谱 |
3.4.3 太赫兹吸收谱去噪与基线校正处理 |
3.4.4 菊酯农药分子结构优化 |
3.4.5 实验光谱与理论光谱比对分析 |
3.4.6 农药分子太赫兹指纹谱归属 |
3.4.7 多组分农药分子的指纹谱分析 |
3.5 三种植物生长调节剂农药的太赫兹指纹谱探测及解析 |
3.5.1 PGRs农药的太赫兹时域波形与频域光谱 |
3.5.2 PGRs农药的太赫兹吸收谱与折射谱 |
3.5.3 太赫兹吸收光谱去噪处理 |
3.5.4 PGRs农药分子动力学模拟 |
3.5.5 PGRs农药分子太赫兹指纹峰归属 |
3.6 本章小结 |
第四章 基线校正算法提升单组分农残定量检测精度的研究 |
4.1 引言 |
4.2 实验材料与方法 |
4.2.1 农产品基质的样本制备 |
4.2.2 样本光谱获取 |
4.3 太赫兹吸收谱基线校正算法 |
4.3.1 AsLS算法 |
4.3.2 AirPLS算法 |
4.3.3 Backcor算法 |
4.3.4 BEADS算法 |
4.4 农产品基质中2,4-D农药的定量检测 |
4.4.1 农药2,4-D的太赫兹指纹峰探测与解析 |
4.4.2 农产品基质的光谱分析 |
4.4.3 农产品基质中2,4-D的检测 |
4.4.4 基于基线校正策略的农产品基质中2,4-D的检测 |
4.4.5 基线校正策略的可靠性验证 |
4.5 本章小结 |
第五章 基于太赫兹成像的多组分微量农残定性识别与可视化研究 |
5.1 引言 |
5.2 实验材料与数据提取 |
5.2.1 苯并咪唑类农药的固体样本制备 |
5.2.2 香椿叶片样本制备 |
5.2.3 太赫兹光谱与成像数据获取 |
5.2.4 太赫兹成像中叶片光谱数据提取 |
5.3 神经网络模型与数据可视化 |
5.3.1 深度卷积神经网络模型 |
5.3.2 反向传播神经网络模型 |
5.3.3 数据可视化方法 |
5.4 香椿叶片中多组分微量混合农药的定性检测 |
5.4.1 农药分子动力学模拟解析 |
5.4.2 多组分混合农药的太赫兹光谱特性分析 |
5.4.3 基于指纹峰与全谱的多组分农药的聚类分析 |
5.4.4 多组分混合农药的神经网络模型解析 |
5.4.5 叶片中多组分混合农药分布的图像可视化 |
5.5 本章小结 |
第六章 基于太赫兹超材料的痕量农残定量与定性检测研究 |
6.1 引言 |
6.2 实验样本制备 |
6.2.1 农药的固体样本制备 |
6.2.2 辣椒提取液中痕量农药的液体样本制备 |
6.3 太赫兹超材料与仪器系统 |
6.3.1 多波段太赫兹超材料吸收器 |
6.3.2 太赫兹透射系统与固体样本光谱获取 |
6.3.3 太赫兹偏振系统与液体样本光谱获取 |
6.4 农药分子指纹峰解析 |
6.4.1 实验光谱与理论光谱对比 |
6.4.2 农药分子指纹峰归属 |
6.5 痕量农残的信号增强检测 |
6.5.1 超材料对IAA的定量传感检测 |
6.5.2 超材料吸收器对三环唑的定量传感检测 |
6.5.3 超材料吸收器对两种农药的定性检测 |
6.6 本章小结 |
第七章 结论与展望 |
7.1 主要研究结论 |
7.2 本文创新点 |
7.3 未来工作展望 |
参考文献 |
作者简介 |
(10)基于RFID的衡阳市珠晖葡萄质量安全溯源系统研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.3 研究意义 |
1.4 本文研究内容 |
1.5 本文的创新点 |
1.6 本文组织构架 |
2 溯源系统相关理论 |
2.1 溯源系统的基本理论 |
2.2 溯源系统开发技术 |
2.3 RFID技术 |
2.4 农产品追溯编码原则与要求 |
2.5 本章小结 |
3 衡阳市珠晖葡萄质量安全追溯系统关键指标 |
3.1 影响葡萄质量因素分析 |
3.2 葡萄质量安全指标分析 |
3.3 安全指标数据采集 |
3.4 本章小结 |
4 溯源系统需求分析 |
4.1 系统建设原则 |
4.2 可行性分析 |
4.3 功能性需求分析 |
4.4 非功能性需求分析 |
4.5 本章小结 |
5 衡阳市珠晖葡萄质量安全溯源管理系统研究 |
5.1 追溯系统总体构架研究 |
5.2 追溯系统功能模块研究 |
5.3 基于RFID的追溯系统业务流程分析 |
5.4 基于RFID的数据库实体关系分析 |
5.5 RFID与二维码混合应用的业务流程设计 |
5.6 基于RFID的编码方案设计 |
5.7 追溯系统运行环境分析 |
5.8 系统主要功能界面设计 |
5.9 系统测试报告 |
5.10 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
四、怎样识别农药标签(论文参考文献)
- [1]纳米酶生物传感器在食品质量与安全检测中的应用[J]. 赵文潇,翟飞,杨海龙,邴欣,贾敏. 食品研究与开发, 2021
- [2]基于登记信息构建的农药使用风险智能预警模型研究[J]. 孙晓明,卢海燕,卞立平,刘贤金,孙爱东. 农药学学报, 2021(05)
- [3]基于知识图谱的作物病虫害智能问答系统设计与实现[D]. 吴赛赛. 中国农业科学院, 2021(09)
- [4]基于高光谱-电子鼻的苹果农残自动化检测研究[D]. 乔琦. 东北电力大学, 2021(09)
- [5]广州市人民政府关于取消和重心下移一批市级行政权力事项的决定[J]. 广州市人民政府. 广州市人民政府公报, 2021(S1)
- [6]稻农施药行为研究[D]. 秦诗乐. 中国农业科学院, 2020(01)
- [7]中等职业学校涉农专业《植物保护技术》教材分析[D]. 马映荣. 西北师范大学, 2020(01)
- [8]基于深度学习的玉米田间杂草识别与分割技术研究[D]. 张传银. 山东农业大学, 2020
- [9]太赫兹光谱在农产品农药残留检测中的关键技术研究[D]. 瞿芳芳. 浙江大学, 2020
- [10]基于RFID的衡阳市珠晖葡萄质量安全溯源系统研究[D]. 陈宏君. 中南林业科技大学, 2019(01)