首页期刊导航|江苏农业科学
期刊信息/Journal information
江苏农业科学
江苏农业科学

常有宏

月刊

1002-1302

nykx@jaas.ac.cn

025-84390282

210014

南京市孝陵卫钟灵街50号

江苏农业科学/Journal Jiangsu Agricultural SciencesCSCD北大核心CSTPCD
查看更多>>本刊是江苏省农业科学院主办的综合性农业技术类期刊，主要刊登国内农业领域（江苏省及周边内外高校、科研单位、国内其他省份）最新农业科研成果、具创新点的实用技术与基础成果应用技术，为解决农业生产全程提供技术支撑和瞻前指导。
正式出版
收录年代

    国际视角下我国智慧农业科技创新发展的启示

    郭婷罗瑞任妮贵淑婷...
    1-10页
    查看更多>>摘要：智慧农业是未来农业的发展方向,也是我国农业新质生产力的重要体现.对比分析发达国家智慧农业的发展特点和经验,探索适合我国国情的智慧农业发展任务与对策建议,对我国智慧农业高质量可持续发展具有重要意义.从政策环境、产业现状、科技创新发展等方面深入分析全球智慧农业发展现状,并通过剖析美国、荷兰、日本等国外发达国家的典型案例,研判出我国智慧农业科技创新发展存在的主要问题;在此基础上,从高精度的农业环境感知设备、适应力强的农业智能机器人、以数据为核心的算法开发与利用、场景化应用的落地与推广4个方面阐述了我国智慧农业科技创新发展的重点任务,并从科技成果推广落地、标准建设和数据治理、资源共享共建共用和专业人才队伍建设方面提出对策建议.

    智慧农业科技创新国际视角重点任务数字经济

      原文链接:
    • 万方数据
    • 维普

    借鉴国际经验 加快我国智慧农业发展

    杜浦杨丹旭时雅婷蔡宇通...
    10-17页
    查看更多>>摘要：在全球农业现代化进程中,智慧农业已成为主流趋势.我国智慧农业虽发展迅速且成效显著,但与国际农业强国相比,尚存在着各方面的不足.而欧美各国在智慧农业发展上领先全球,其发展经验值得中国借鉴.我国智慧农业虽在政策支持下取得较好成果,但仍面临技术研发推广瓶颈、数据安全隐私保护挑战及政策执行与资源整合困难等劣势.因此,为推动我国智慧农业发展,应强化国际经验借鉴:在技术创新上,加强物联网技术研发应用,推广大数据与云计算技术;完善政策体系,加大支持力度,加强国际合作交流;推动农业企业转型升级,发挥市场机制作用,促进可持续发展.研究通过整理、分析和总结国际上农业发展强国推动智慧农业发展的先进经验和做法,能够为我国智慧农业的高质量发展提供经验总结和整体借鉴.

    智慧农业国际经验农业产业升级经验借鉴中国

      原文链接:
    • 万方数据
    • 维普

    基于深度学习的农作物图像识别的发展

    方晓捷严李强张福豪高心雨...
    18-24页
    查看更多>>摘要：农作物图像识别是一项重要的农业技术,它能够通过分析农田中的图像数据来快速、准确地识别不同作物的生长状态和健康状况.随着深度学习技术的快速发展,基于深度学习的农作物图像识别研究取得了显著的进展.梳理近年来该领域的研究进展,总结不同深度学习模型在农作物图像识别任务中的应用.首先,回顾农作物图像识别技术的发展进程,从基于特征选择的传统方法到近年来基于深度学习的方法;其次,讨论神经网络、生成对抗网络、目标检测、知识蒸馏等深度学习算法在农作物图像识别中的应用,包括对不同农作物品种、病虫害和生长阶段的识别;最后,分析该领域存在的问题与挑战,并提出未来可探索的研究方向,进而为农业科技的进一步发展提供参考,促进农作物图像识别技术的应用和推广,推动我国农业生产的智能化和可持续发展.

    深度学习农作物图像识别卷积神经网络目标检测

      原文链接:
    • 万方数据
    • 维普

    基于遥感的流域尺度耕地冠层叶绿素、表层土壤有机碳含量估算及分布特征研究

    陈飞勇陈倩勋王晋
    25-31页
    查看更多>>摘要：耕地表层土壤有机碳(SOC)和作物冠层叶绿素含量分别是土壤肥力和农田作物生长状态的重要指标之一.以山东省瀛汶河流域的耕地为研究对象,利用深度学习提取耕地地块,基于Sentinel-2A多光谱遥感数据和野外采样试验数据,运用BP神经网络模型构建反演模型,得到研究区耕地的表层SOC和冠层叶绿素含量的空间分布.结果表明:(1)秋收时节的复杂影像对深度学习模型准确识别瀛汶河流域的耕地产生一定的影响,但在平原地区影响相对较小;(2)冠层叶绿素反演模型在反演叶绿素含量方面虽已达到较高精度(决定系数r2=0.79),但仍受地表条件复杂性和植被多样性因素的制约;(3)研究区耕地表层SOC含量集中于13.00-16.00 g/kg,且空间分布规律不显著.本研究不仅为瀛汶河流域的农业生产和生态系统管理提供了科学依据,还为精准农业管理提供了有力支持.

    冠层叶绿素耕地土壤有机碳深度学习BP神经网络遥感技术流域尺度瀛汶河流域

      原文链接:
    • 万方数据
    • 维普

    基于无人机多光谱的土壤全氮含量反演模型研究

    张进吴春笃张波张露露...
    32-41页
    查看更多>>摘要：土壤全氮含量是评价土壤肥力及作物生长支持的核心指标之一.本研究构建一种新型反演模型VMD-SSA-LSSVM模型,旨在增强土壤全氮含量预测的精确性与泛化性.首先,使用大疆精灵四多光谱无人机收集作物冠层5个波段的光谱反射率数据;随后,对田间表层土壤进行取样,并通过实验室分析,确定土壤全氮含量,通过分析光谱数据和土壤全氮含量之间的关系,选出敏感波段,并以此为基础构建预测模型;此外,通过比较VMD-SSA-LSSVM模型与其他2种模型(VMD-LSSVM、传统LSSVM)的预测性能,评估不同方法对模型准确性的影响.结果表明,相对于传统LSSVM模型、VMD-LSSVM模型,VMD-SSA-LSSVM模型在土壤全氮含量的反演预测上表现最优.该模型的决定系数(r2)为0.893 3,均方根误差(RMSE)为0.031 3;在之后的拔节、灌浆、孕穗期的验证中,决定系数分别到达0.431、0.481、0.537.这些性能指标表明,VMD-SSA-LSSVM模型能够有效提高土壤全氮含量的预测准确度.通过结合变分模态分解并利用麻雀搜索算法优化的最小二乘支持向量机模型,展现出较高的预测精度和良好的泛化能力.VMD-SSA-LSSVM预测模型可作为土壤全氮含量监测和农田管理的有效工具,为农业生产提供科学的决策支持.

    土壤全氮含量无人机多光谱遥感最小二乘支持向量机变分模态分解

      原文链接:
    • 万方数据
    • 维普

    基于无人机多光谱影像的不同施氮量水稻LAI反演方法研究

    曾广泉马韬张孟希戴妍...
    41-48页
    查看更多>>摘要：为探明水稻生育期内叶面积指数(LAI)的变化情况,建立可快速准确估测不同生育期水稻LAI的模型.在蒸渗测坑内进行不同施氮量下的水稻栽培试验,基于无人机采集不同时期水稻测坑多光谱数据,对计算得出的植被指数进行相关性分析,筛选出与5个生育期相关性最高的前5种植被指数,利用多元线性回归、偏最小二乘回归、随机森林、贝叶斯岭、梯度提升回归这5种方法构建预测模型;模型构建后,引入施氮量作为变量对模型进行优化,比较各生育期最优的预测模型.结果表明,机器学习算法下,随机森林回归模型对扬花期的水稻LAI预测精度和稳定性最好(r2=0.85,MSE=0.33);施氮量对LAI有显著影响,引入施氮量作为变量对各时期、各模型的预测精度都有所提高(r2平均值提高0.15).从整体看,机器学习算法下,随机森林模型可对各时期的水稻LAI指数进行较好的预测;在分蘖后期,各模型的预测精度和稳定性最好.期待本研究建立的预测模型可为水稻LAI遥感监测和田间精细管理提供参考,并为精准农业定量化研究提供技术支持.

    水稻无人机施氮量叶面积指数多光谱影像模型计算

      原文链接:
    • 万方数据
    • 维普

    基于Logistic模型的上海青生长模拟三维可视化建模技术

    叶荣向万娥许俊强章广传...
    49-56页
    查看更多>>摘要：虚拟作物的三维可视化研究在计算机教学、生态学等领域具有广泛的应用前景,尤其在作物生长过程研究方面更是具有重要意义.针对上海青形态结构复杂、上海青生长可视化不易实现的问题,以上海青作为研究对象,在国内外已有的研究基础上,应用物联网技术对温室大棚进行数据实时采集,并在试验数据基础上构建Logistic方程模拟随有效积温变化的上海青生长模型.通过Logistic模型拟合参数发现,上海青叶长、叶宽、株高3个模型的绝对误差值分别为 0～3.88、0～0.28、0～2.72 cm,RMSE 值分别为 0.09～1.68、0.02～0.15、0.04～1.26 cm,da 值分别为 0.20～1.44、0.02～0.12、0.36～1.11 cm,dap值分别为 1.03％～9.69％、1.72％～9.0％和 1.4％～16.5％,所建模型精度较高,能较好地预测不同生长周期的上海青生长发育,实现了上海青生长过程的动态三维可视化表达.本研究结果为上海青作物的栽培管理调控和动态生长预测提供了有效的可视化工具,为上海青作物的高产、高效和理想株型筛选提供了技术支撑.

    上海青生长模拟三维可视化形态结构Logistic模型叶长叶宽株高有效积温

      原文链接:
    • 万方数据
    • 维普

    基于激光扫描技术的小麦植株三维重建与表型参数提取

    崔腾予朱少龙韩东伟刘涛...
    56-61页
    查看更多>>摘要：小麦植株表型信息是小麦品种特性和生长发育规律的外在展示,对小麦的栽培调控具有重要的指导意义.常规的作物表型信息获取以人工测量为主,存在数据偏差大、投入时间多、获取效率低等问题.本研究利用超高精度的三维(3D)激光扫描仪,在实验室内获取小麦个体和群体植株3D点云数据,并进行点云数据预处理,构建小麦植株3D结构模型.在此基础上提取叶片三角网点云并换算成叶面积,提取叶片骨架点云换算成叶片长度和叶片最大宽度,提取小麦植株顶点到基部点云换算成植株高度.通过实地手工测量值的验证,小麦3D模型提取的叶面积、叶片长度、叶片最大宽度、植株高度与实测值的r2分别为0.91、0.95、0.82、0.95,相关性均达到极显著水平,RMSE较小,分别为0.54 cm2、0.73 cm、0.05 cm和1.18 cm.上述研究结果表明,基于3D点云数据提取的小麦表型参数与实测值较为接近,结果可靠,为小麦生长监测和表型数据获取等提供了一种新的方法.

    小麦植株3D激光扫描点云3D激光重建表型参数

      原文链接:
    • 万方数据
    • 维普

    基于MR展示柜的油菜表型数字化保存与展示

    杨文依曹静顾黎宁孙挺...
    62-74页
    查看更多>>摘要：作物表型高效数字化保存和多维度展示,可为后续深入细致的表型研究提供高通量、高精度的表型数据和高保真、全方位的展现形式.以油菜(Brassica napus L.)为主要研究对象,通过多角度对比图像、点云、3D模型和机理模型等多种表型数字化保存形式,选择以多视角RGB图像重建三维点云的方式数字化保存表型信息;在此基础上,通过实施油菜桶栽试验,利用自主研发的多视角表型采集装置,获取了不同生育期、不同角度的植株图像数据,实现作物二维表型的快速保存;通过从运动恢复结构(SFM)算法重建三维点云,实现油菜三维表型的数字化保存.在此基础上,利用计算机三维建模技术,构建3D模型,进而利用虚拟现实技术,构建表型展示环境,并通过集成MR展示柜,实现虚实结合的表型3D展示.结果表明,不同生育时期下的油菜表型均可通过二维图像和三维点云实现数字化保存,通过MR技术实现虚实结合的数字化展示.研究结果可为表型差异展示提供直观方案,为作物种质资源挖掘和创新利用、作物系统模拟和智慧育种提供数据支撑.

    作物表型数字化保存数字化展示三维点云MR技术可视化

      原文链接:
    • 万方数据
    • 维普

    基于YOLO v5模型的缺钙草莓叶片识别方法

    李炳鑫宋涛高婕李冬...
    74-82页
    查看更多>>摘要：针对缺钙草莓叶片病害特征较小、病害尺度特征变换较大、传统的卷积神经网络模型对小目标的检测效果不佳等问题,提出一种基于YOLO v5模型的缺钙草莓叶片识别方法.该方法首先以YOLO v5模型为基础从其Backbone、Neck、损失函数等方面进行优化,提高其对缺钙草莓叶片病害特征的检测能力,并将优化后的网络模型命名为YOLO v5-Smix,再采用多种数据增强手段对已有数据集进行扩充,以保障后续卷积神经网络模型的训练.该方法将原有Backbone骨骼中的CSPDarknet53主干网络替换为以C2F模块为核心的Darknet-53网络,保留缺钙草莓叶片的小目标特征;在Neck特征融合层添加BiFPN结构,有效解决缺钙草莓叶片图像尺度特征变换较大的问题,同时增强网络多尺度特征融合能力;更换原本的损失函数CIoU为WIoU,进一步提高模型的检测效率及检测能力.依据模型评价指标,通过试验将YOLO v5-Smix网络与经典的Faster-RCNN、YOLO v3、YOLO v4、YOLO v5等4种卷积神经网络进行对比.结果表明,YOLO v5-Smix的识别精确度达89.1％,召回率达81.0％,平均精确度达78.8％,与Faster RCNN、YOLO v3、YOLO v4、YOLO v5相比,识别精确度均有提高,能够较精确地识别缺钙草莓叶片病害特征,完成小目标病害特征的检测任务.

    YOLOv5小目标目标检测轻量化模型缺钙草莓

      原文链接:
    • 万方数据
    • 维普