【摘 要】
:
<正>一、粮棉油全产业链的概念和内涵粮棉油产业链就是粮棉油从产前、产中、产后全过程的一个延伸产业链条,既涉及生产种植环节,又涉及加工、存储、消费、流通等等触类连带的一系列环节,通俗说就是"从田间到餐桌"的全产业链,可以分成五大环节:产前、生产、加工、流通、消费。从当前我国粮油产业链看,流通环节已初具现代农业的特征,但生产加工环节仍然较薄弱和分散,生产方式和组织形式都还普遍延续着传统农业的形态。
论文部分内容阅读
<正>一、粮棉油全产业链的概念和内涵粮棉油产业链就是粮棉油从产前、产中、产后全过程的一个延伸产业链条,既涉及生产种植环节,又涉及加工、存储、消费、流通等等触类连带的一系列环节,通俗说就是"从田间到餐桌"的全产业链,可以分成五大环节:产前、生产、加工、流通、消费。从当前我国粮油产业链看,流通环节已初具现代农业的特征,但生产加工环节仍然较薄弱和分散,生产方式和组织形式都还普遍延续着传统农业的形态。
其他文献
针对目标检测网络参数量冗余、模型复杂、推理速度缓慢以及难以部署在资源受限的嵌入式设备等问题,提出一种融合剪枝与量化的目标检测网络压缩方法。首先对目标检测网络模型进行稀疏化训练得到缩放因子,并根据缩放因子的分布计算卷积层中通道重要性的占比,根据缩放因子计算动态阈值将对网络模型贡献小的卷积层剪除。然后通过均匀映射的方式将32位浮点型数据量化成8位整型数据,减少网络计算量的同时压缩网络模型的大小。最后采
近年来,房地产开发行业逐渐扩张,在激烈的市场竞争下,房地产企业的经营往往以利益最大化为先,但由于其自身税种多、税额大、清算复杂,纳税筹划成为影响房产收益的最大问题。本文深度分析房地产开发税制的基本特征,简要分析各阶段涉税情况和筹划的必要性,并从决策、开发、销售、清算四个阶段详细分析纳税筹划及对应的方案,以期进一步加强税收管理,降低风险,立足于全局,实现价值最大化。
目的探讨血清和尿液转铁蛋白(Tf)水平与糖尿病肾病(DN))的关系,为临床上DN的诊治探索新的生物学标记物。方法(1)选择兰州大学第一医院内分泌科2019年10月-2020年12月收治的170名2型糖尿病(T2DM)患者为研究对象,同时选取我院体检中心选取30名健康体检人员作为对照组(HC)。根据DN的严重程度,T2DM患者分为正常蛋白尿组(NO)、微量蛋白尿组(MI)、大量蛋白尿组(MA)、肾功
于2020年7月至2021年6月,在郑州市3个城市站点和1个郊区站点开展逐月大气VOCs离线样品采样及实验室分析,探讨郑州市大气VOCs体积分数水平、组成特征、反应活性和来源贡献.结果表明,观测期间,郑州市大气φ(VOCs)为(37.50±14.30)×10-9,组分占比为:烷烃(33%)>OVOCs(24%)>卤代烃(23%)>芳香烃(8%)>烯烃(7%)>炔烃(4%)>硫化物(1%).季节变化
针对通用的目标检测算法在检测生活场景下的多类目标时检测精度低、速度较慢的问题,提出了一种基于注意力机制改进的轻量级目标检测算法YOLOv4s。该算法以CSPDarknet53-s作为主干特征提取网络提取图像特征,通过注意力模块进行特征选择,再利用特征金字塔网络对特征进行融合,最后通过检测头分别处理特征融合后的两个输出,进而提高对生活场景下多类目标检测的能力。实验结果表明:相比改进前的算法,YOLO
为了提高传统SSD算法对小目标检测的准确率,提出一种改进的SSD目标检测算法:采用基于可变形卷积的ResNet50作为SSD算法的特征提取网络,提高对目标的处理能力;设计特征金字塔(FPN)来融合不同层的特征图,丰富浅层特征图的语义信息;在特征融合时引入通道注意机制,提取相应的通道权重,增加重要信息的比例,提高检测效果。最后采用PASCAL-VOC2007开源数据集进行仿真实验,并与传统SSD目标
目标检测作为计算机视觉的重要分支而备受人们关注。现有的检测方法普遍模型尺寸较大,设备要求高,难以用于移动端或嵌入式设备中实时处理。因此,本文利用MobileNetV3结合SSD的轻量级网络,再加入双向特征金字塔模型对特征进行融合,以此提高网络的准确率。实验结果表明,加入双向特征金字塔的轻量级目标检测网络在Pascal VOC数据集上mAP达到了73.65%,比单独的MobileNetV3-SSD目
针对道路目标检测中行人目标检测效果不佳的问题,提出了一种改进型SSD行人目标检测算法。首先,采用具有噪声的基于密度的聚类方法(DBSCAN)结合K-means算法选取适当规格的Anchor Box,使用DBSCAN剔除样本干扰点后利用K-means确定聚类中心,根据重叠度选择适当规格的Anchor Box;然后,对SSD算法的各个特征图进行尺度不变的卷积操作构建语义信息增强的特征图,并将原始特征图
当前基于深度学习的主流目标检测算法根据处理策略可以大致划分为两大类别,分别为以R-CNN系列为代表的两阶段目标检测算法以及以YOLO系列为代表的单阶段目标检测算法。早先的单阶段目标检测相比双阶段目标检测在速度方面有明显的优势,但是识别精度要低一些,但是随着YOLO系列的不断更新优化,到YOLOv5时无论是模型的精度还是速度,其优异的性能备受关注。YOLOv5算法作为目标检测领域最具影响力的算法之一