【目的】建立一个可以预测温室无土栽培切花月季生长发育时期及收获期的模型,为切花月季生产过程中的环境因子调控提供理论支持。【方法】以生长周期差异明显的3个主栽切花月季品种‘洛神’‘欢乐颂’和‘粉红雪山’为试验材料,无土栽...【目的】建立一个可以预测温室无土栽培切花月季生长发育时期及收获期的模型,为切花月季生产过程中的环境因子调控提供理论支持。【方法】以生长周期差异明显的3个主栽切花月季品种‘洛神’‘欢乐颂’和‘粉红雪山’为试验材料,无土栽培种植于曲靖市马龙区的塑料温室大棚中,于2021—2022年收集5期的生长发育数据和同期的光照辐射及温度数据。通过分析切花月季的生长周期特征,构建基于生理辐热积(Physiological product of thermal effectiveness and PAR,PTEP)的切花月季生长发育时期预测模型,并使用独立数据对构建的生长模型进行验证。【结果】切花月季在修剪到萌芽、萌芽到现蕾以及现蕾到收获这3个生长发育阶段所需的生理辐热积分别为22.08、29.41和38.89 MJ/m^(2);本研究所构建的切花月季生长发育时期预测模型基于生理辐热积,在切花月季的各个生长发育阶段,模型的模拟预测值与实测值表现出良好的一致性。1∶1线性回归标准误差(RMSE)分别为0.7、6.5和9.4 d,显示出模型预测的准确性。【结论】通过考虑光照辐射与温度的综合影响,构建的模型能够预测切花月季在不同生长发育阶段的时间点,以及切花产品的收获期。基于该模型,种植者可以更精准地调节温室内的光照与温度,从而在一定程度上调控切花月季产品的生产周期。研究结果将为温室无土栽培切花月季的生产提供科学依据,同时也将为种植者制定切实可行的生产和技术支持。展开更多
[目的/意义]针对当前玫瑰鲜切花分级仍依赖人工进行简单分级,造成效率低、准确率低等问题,提出一种新的模型Flower-YOLOv8s来实现玫瑰鲜切花的分级检测。[方法]以单一背景下单支玫瑰花的花头作为检测目标,将鲜切花分为A、B、C、D四个等...[目的/意义]针对当前玫瑰鲜切花分级仍依赖人工进行简单分级,造成效率低、准确率低等问题,提出一种新的模型Flower-YOLOv8s来实现玫瑰鲜切花的分级检测。[方法]以单一背景下单支玫瑰花的花头作为检测目标,将鲜切花分为A、B、C、D四个等级,对YOLOv8s(You Only Look Once version 8 small)模型进行了优化改进。首先,构建了一个全新的玫瑰鲜切花分级检测数据集。其次,在YOLOv8s的骨干网络分别添加CBAM(Con⁃volutional Block Attention Module)和SAM(Spatial Attion Module)两个注意力机制模块进行对比实验;选择SAM模块并对其进一步优化,针对模型轻量化需求,再结合深度可分离卷积模块一起添加到C2f结构中,形成Flower-YOLOv8s模型。[结果和讨论]从实验结果来看YOLOv8s添加SAM的模型具有更高的检测精度,mAP@0.5达到86.4%。Flower-YOLOv8s相较于基线模型精确率提高了2.1%,达到97.4%,平均精度均值(mAP)提高了0.7%,同时降低了模型参数和计算量,分别降低2.26 M和4.45 MB;最后使用相同的数据集和预处理方法与Fast-RCNN、Faster-RCNN、SSD、YOLOv3、YOLOv5s和YOLOv8s进行对比实验,证明所提出的实验方法综合强于其他经典YOLO模型。[结论]提出的基于改进YOLOv8s的玫瑰鲜切花分级方法研究能有效提升玫瑰鲜切花分级检测的精准度,为玫瑰鲜切花分级检测技术提供一定的参考价值。展开更多
文摘【目的】建立一个可以预测温室无土栽培切花月季生长发育时期及收获期的模型,为切花月季生产过程中的环境因子调控提供理论支持。【方法】以生长周期差异明显的3个主栽切花月季品种‘洛神’‘欢乐颂’和‘粉红雪山’为试验材料,无土栽培种植于曲靖市马龙区的塑料温室大棚中,于2021—2022年收集5期的生长发育数据和同期的光照辐射及温度数据。通过分析切花月季的生长周期特征,构建基于生理辐热积(Physiological product of thermal effectiveness and PAR,PTEP)的切花月季生长发育时期预测模型,并使用独立数据对构建的生长模型进行验证。【结果】切花月季在修剪到萌芽、萌芽到现蕾以及现蕾到收获这3个生长发育阶段所需的生理辐热积分别为22.08、29.41和38.89 MJ/m^(2);本研究所构建的切花月季生长发育时期预测模型基于生理辐热积,在切花月季的各个生长发育阶段,模型的模拟预测值与实测值表现出良好的一致性。1∶1线性回归标准误差(RMSE)分别为0.7、6.5和9.4 d,显示出模型预测的准确性。【结论】通过考虑光照辐射与温度的综合影响,构建的模型能够预测切花月季在不同生长发育阶段的时间点,以及切花产品的收获期。基于该模型,种植者可以更精准地调节温室内的光照与温度,从而在一定程度上调控切花月季产品的生产周期。研究结果将为温室无土栽培切花月季的生产提供科学依据,同时也将为种植者制定切实可行的生产和技术支持。
文摘[目的/意义]针对当前玫瑰鲜切花分级仍依赖人工进行简单分级,造成效率低、准确率低等问题,提出一种新的模型Flower-YOLOv8s来实现玫瑰鲜切花的分级检测。[方法]以单一背景下单支玫瑰花的花头作为检测目标,将鲜切花分为A、B、C、D四个等级,对YOLOv8s(You Only Look Once version 8 small)模型进行了优化改进。首先,构建了一个全新的玫瑰鲜切花分级检测数据集。其次,在YOLOv8s的骨干网络分别添加CBAM(Con⁃volutional Block Attention Module)和SAM(Spatial Attion Module)两个注意力机制模块进行对比实验;选择SAM模块并对其进一步优化,针对模型轻量化需求,再结合深度可分离卷积模块一起添加到C2f结构中,形成Flower-YOLOv8s模型。[结果和讨论]从实验结果来看YOLOv8s添加SAM的模型具有更高的检测精度,mAP@0.5达到86.4%。Flower-YOLOv8s相较于基线模型精确率提高了2.1%,达到97.4%,平均精度均值(mAP)提高了0.7%,同时降低了模型参数和计算量,分别降低2.26 M和4.45 MB;最后使用相同的数据集和预处理方法与Fast-RCNN、Faster-RCNN、SSD、YOLOv3、YOLOv5s和YOLOv8s进行对比实验,证明所提出的实验方法综合强于其他经典YOLO模型。[结论]提出的基于改进YOLOv8s的玫瑰鲜切花分级方法研究能有效提升玫瑰鲜切花分级检测的精准度,为玫瑰鲜切花分级检测技术提供一定的参考价值。
