简介：摘要：本文在嫡权法构建衡阳数字乡村发展评价指标体系模型的基础上，对衡阳数字乡村发展综合评价分析，发现所存在的问题，为衡阳地区数字乡村发展提供重要的意见和建议，为数字乡村发展提供决策依据，为全国乡村振兴提供实践案例。

简介：<正>湖南化工研究院创建于1951年,主要从事农药、精细化工、无机功能材料等领域新技术、新产品的研究和工程技术开发,是国家农药创制工程技术研究中心的依托单位。下设5个专业研究所和4个技术服务中心,现有科研人员160余人,其中高级职称58人、中级职称66人,博士6人、硕士19人。拥有国家氨基甲酸酯类农药工业性试验基地、湖南省农用化学品重点实验室、湖南省化肥农药质量监督检验授权站、湖南省化工信息中心,与国内6所高校联合建有农药学、有机化学、化学工程等专业博士点和硕士点;国家农药创制工程技术研究中心在农药技术研究与开发方面已形成了集新化合物设计与合成、结构表征、生物活性筛选、工艺研究、工程技术开发、应用技术研究以及信息咨询等于一体的较为完整的应用基础与应用开发研究体系。

简介：<正>湖南化工研究院创建于1951年,主要从事农药、精细化工、无机功能材料等领域新技术、新产品的研究和工程技术开发,是国家农药创制工程技术研究中心的依托单位。下设5个专业研究所和4个技术服务中心,现有科研人员160余人,其中高级职

简介：<正>湖南化工研究院创建于1951年,主要从事农药、精细化工、无机功能材料等领域新技术、新产品的研究和工程技术开发,是国家农药创制工程技术研究中心的依托单位。下设5个专业研究所和4个技术服务中心,现有科研人员160余人,其中高级职称58人、中级职称66人,博士6人、硕士19人。拥有国家氨基甲酸酯类农药工业性试验基地、湖南省农用化学品重点实验室、湖南省化肥农药质量监督检验授权站、湖

简介：[目的/意义]准确高效地获取马匹体尺信息是马产业现代化进程中的关键环节.传统的人工测量方法耗时长、工作量大,且会对马匹造成一定应激反应.因此,实现准确且高效的体尺参数自动测量对于制定蒙古马早期育种计划至关重要.[方法]选择Azure Kinect深度相机获取蒙古马双侧RGB-D数据,以YOLOv8n-pose为基础,通过在C2f模块中引入可变形卷积(Deformable Convolution v2,DCNv2),同时添加洗牌注意力机制(Shuffle Atten-tion,SA)模块和优化损失函数(SCYLLA-IoU Loss,SIoU)的方法,利用余弦退火法动态调整学习率,提出一种名为DSS-YOLO(DCNv2-SA-SIoU-YOLO)的模型用于蒙古马体尺关键点的检测.其次,将RGB图中的二维关键点坐标与深度图中对应深度值相结合,得到关键点三维坐标,并实现蒙古马点云信息的转换.利用直通滤波、随机抽样一致性(Random Sample Consensu...

简介：<正>各省、自治区、直辖市农业(农牧渔业、农林、农牧)厅(局):为了贯彻实施《农药管理条例》和《农药管理条例实施办法》(以下简称《实施办法》),进一步做好农药登记管理工作,现将有关事项通知如下:一、加强农药登记试验的管理农药登记试验报告的准确性和科学性,是做好农药登记管理工作的重要保证。为了提

简介：[目的/意义]智慧农业科技是农业领域又一次新技术革命,具备农业新质生产力"高科技、高效能、高质量、可持续"的内在特征,已成为推进农业新质生产力发展的重要内核与引擎.[进展]本文对智慧农业科技创新的现实基础、内在逻辑与问题挑战开展系统研究,结论表明中国"表型+基因型+环境型"智能育种已迈入快车道,农业天、空、地信息感知技术体系逐渐成熟,农业大数据与智能决策技术研究探索不断推进,面向不同领域的智能农机装备创制取得丰硕成果.智慧农业科技创新通过赋能农业要素、技术、场景、主体与价值,推动农业新质生产力发展.但也面临科技创新政策体系不健全、关键技术存在卡点堵点断点、科创成果转化落地难度较大、支撑体系不够完备等重大挑战.[结论/展望]聚焦问题导向,提出了中国智慧农业科技创新平台、技术、场景、人才的"四高"路径,并围绕顶层设计、政策供...

简介：摘要 : 冠层光截获能力是反映作物品种间差异的重要功能性状，高通量表型冠层光截获对提高作物改良效率具有重要意义。本研究以小麦为研究目标，利用数字化植物表型平台（ D3P）模拟生成了 100种冠层结构不同的小麦品种在 5个生育期的三维冠层场景，记录了从原始冠层结构中提取的绿色叶面积指数（ GAI）、平均倾角（ AIA）和散射光截获率（ FIPARdif）信息作为真实值 ,进一步利用上述三维小麦场景开展了虚拟的激光雷达（ LiDAR）模拟实验，生成了对应的三维点云数据。基于模拟的点云数据提取了其高度分位数特征（ H）和绿色分数特征（ GF）。最后，利用人工神经网络（ ANN）算法分别构建了从不同 LiDAR点云特征（ H、 GF和 H+GF）输入到 FIPARdif、 GAI和 AIA的反演模型。结果表明，对于 GAI、 AIA和 FIPARdif，预测精度从高到低对应的点云特征输入为 GF+H > H > GF。由此可见， H特征对提高目标表型特性的估算精度起到了重要作用。输入 GF + H特征，在中等测量噪音（ 10%）情况下， FIPARdif和 GAI的估算均获得了满意精度， R2分别为 0.95和 0.98，而 AIA的估算精度（ R2=0.20）还有待进一步提升。本研究基于 D3P模拟数据开展，算法的实际表现还有待通过田间数据进一步验证。尽管如此，本研究验证了 D3P协助表型算法开发的能力，展示了高通量 LiDAR数据在估算田间冠层光截获和冠层结构方面的较高潜力。