English
分享
扫码分享
English
ISSN 2095-5553 CN 32-1837/S
中华人民共和国农业农村部主管
农业农村部南京农业机械化研究所主办
Toggle navigation
中国农机化学报
主办单位
首页
关于期刊
期刊介绍
道德声明
编委会
收录情况
影响因子
获奖情况
开放获取
新闻公告
期刊导航
最新录用
当期目录
过刊浏览
热点文章
专辑专题
引用排行
点击排行
下载排行
作者中心
投稿须知
投稿中心
下载中心
学术不端界定
审稿流程
同行评审
收费标准
版权转让协议
审稿中心
专家在线审稿
编辑在线办公
主编在线办公
收录网站
中国知网
万方数据
维普网
超星期刊
订阅
RSS
Email alert
期刊订阅
联系我们
联系我们
广告合作
期刊
出版年
关键词
结果中检索
((( 杨森[Author]) AND 1[Journal]) AND year[Order])
AND
OR
NOT
文题
作者
作者单位
关键词
摘要
分类号
DOI
Please wait a minute...
选择:
导出引用
EndNote
Ris
BibTeX
显示/隐藏图片
Select
牛粪与玉米秸秆沼渣混合堆肥及其对环境影响研究
杨森, 佟敏, 崔亚茹, 王体朋, 史昌明
摘要
(
49
)
PDF
(1370KB)(
76
)
可视化
为实现秸秆沼渣和畜禽粪便的高值化利用,研究牛粪与玉米秸秆沼渣混合堆肥的效果,并利用生命周期法分析混合堆肥的环境效益。对不同混合比例以及堆肥时间下堆体含水率、pH值、总碳、总氮、挥发性固体含量和电导率的分析结果发现,混合比例对堆体特性有显著影响,随着牛粪和玉米秸秆沼渣比例由2∶1增加到6∶1,堆体含水率明显增加,但是当比例超过4∶1时,混合堆肥对堆体含水率的影响逐渐降低。添加秸秆沼渣对堆体初期pH值的变化影响很大,且变化规律不明显,但是当发酵时间超过40天时,堆体的pH呈明显的降低趋势;增加牛粪的比例,有助于提高堆体腐熟后的pH值,随着牛粪添加比例由2∶1增加到6∶1,堆体的pH值由82提高到84,60天腐熟后堆体的总碳含量由3534%增加到3681%,挥发性固体的含量显著降低,由4696%降低到3766%,电导率由83ms/cm增加到94ms/cm。同时,牛粪和沼渣混合堆肥相较于直接排放显著降低堆肥底物中CO2、CH4、N2O、NOX、NH3、SO2、PO43-等污染物的排放,表明混合堆肥对环境更加友好。
2023, 44 (12): 168-173.
DOI:
10.13733/j.jcam.issn.2095-5553.2023.12.025
Select
飞灰添加量对沼渣、牛粪共堆肥的影响
史昌明, 佟敏, 崔亚茹, 杨森, 王体朋
摘要
(
198
)
PDF
(964KB)(
136
)
可视化
为改善沼渣、牛粪共堆肥低磷和低钾等问题,向共堆肥肥堆中添加生物质飞灰,对堆肥过程中堆体理化特性进行分析。选取飞灰添加量为8%、12%、20%和25%,按四分法每10天取样记录含水率、电导率、总碳、总氮、总磷和总钾等变化,分析研究飞灰添加量对沼渣、牛粪共堆肥的影响。结果表明:当飞灰的添加量由8%增加到25%,堆体的含水率增加,但是当添加量超过12%时,对含水率影响不大,最终维持在58%左右;飞灰中的碱金属等物质的存在,中和好氧发酵过程产生的酸,提高堆体的pH值,同时还提高堆体的电导率,改善堆体的发酵环境;飞灰中的生物炭和钾等成分提高堆体的总碳和总钾含量,60天腐熟后,堆体的总碳含量由37.37%增加到47.81%,总钾含量最大值为35.74 g/kg,但是对总氮和总磷含量的影响不明显。然而过高的飞灰添加量会抑制微生物的生长,从而降低发酵速率和产品质量。
2022, 43 (10): 222-227.
DOI:
10.13733/j.jcam.issn.2095-5553.2022.10.031
Select
基于小样本学习的植物病害识别研究
*
肖伟, 冯全, 张建华, 杨森, 陈佰鸿
摘要
(
275
)
PDF
(1103KB)(
534
)
可视化
为在仅有少量训练样本条件下获得较高的植物病害分类精度,采用小样本学习模型作为病害分类器,在匹配网络、原型网络和关系网络3种典型小样本学习算法框架下分别采用Conv4、Conv6、ResNet10、ResNet18和ResNet34 5种浅层网络作为特征提取网络,在PlantVillage植物病害数据集上对病害识别性能进行对比试验。在1shot条件下,匹配网络、原型网络和关系网络对植物叶片病害识别的平均准确率分别为72.29%、72.43%和69.45%;其中原型网络+ResNet34为表现最好的组合,病害识别准确率达到了77.60%。在5shot条件下,匹配网络、原型网络和关系网络平均准确率分别为87.11%、87.50%和82.92%,各种网络病害识别准确率比1shot条件均有明显提升;原型网络+ResNet34依旧是表现最佳的组合方式,识别准确率达到89.66%。上述试验结果表明,通过优选小样本学习框架和特征提取网络的组合方式,对于少量样本的病害也能取得较好的识别效果。
2021, 42 (11): 138-143.
DOI:
10.13733/j.jcam.issn.20955553.2021.11.21