【摘 要】
：
一、从化农产品市场背景rn广州从化区地处北回归线,回归线南面是热带,北面是温带,自然景观多样,全年气候温和,雨量充沛,森林覆盖率高,又因流溪河是广州重要的水源地,无工业污染,水质良好,空气清新,环境优美,农产品在广东一带口碑极佳,许多美食爱好者慕名而来.其产品质量优异,得到广大群众的认可,但是农民收入并没有明显改善,这说明产品价值并没有得到很好的挖掘.以吕田大芥菜为例,甘甜无渣,营养丰富,同时又具有一定的食养价值,有宣肺化痰、利气温中、解毒消肿、开胃消食、明目利膈的功效,再加上吕田微酸性砂质壤土,山泉水灌
【机 构】
：
广州城建职业学院;广州市从化区农村电子商务行业协会
论文部分内容阅读
一、从化农产品市场背景rn广州从化区地处北回归线,回归线南面是热带,北面是温带,自然景观多样,全年气候温和,雨量充沛,森林覆盖率高,又因流溪河是广州重要的水源地,无工业污染,水质良好,空气清新,环境优美,农产品在广东一带口碑极佳,许多美食爱好者慕名而来.其产品质量优异,得到广大群众的认可,但是农民收入并没有明显改善,这说明产品价值并没有得到很好的挖掘.以吕田大芥菜为例,甘甜无渣,营养丰富,同时又具有一定的食养价值,有宣肺化痰、利气温中、解毒消肿、开胃消食、明目利膈的功效,再加上吕田微酸性砂质壤土,山泉水灌溉等特有的种植环境,使得该产品有一定的稀缺性.目前主要有三种销售形式,一是农户散销,本地菜市场销售价格是2-3元每斤;二是一些村以农村合作社进行牵头进行销售,收购价格为1元左右,每星期有上万斤的需求量;三是电商销售,价格在5-6元每斤,此价格包含了运费.从以上情况可以看出,它的稀缺性在价格上并没有得到很好的体现.种植户不愁销路,愁的是价格,愁的是收入.
其他文献
针对真实通信场景下的信道衰落孪生技术存在硬件成本高、实时性差的问题,基于贪婪坐标旋转数字计算(Coordinate rotation digital computer,CORDIC)算法及调频谐波叠加模型,给出了非平稳信道复合衰落序列的硬件模拟方案,在现场可编程门阵列(Field programmable gate array,FPGA)平台实现了大规模复指数实时计算.通过引入域折叠技术、贪婪角度记录单元和并行流水线结构,可减少硬件资源的使用,提高系统的实时性.此外,采用基于时分复用的多速率分级结构,进一
管道无损检测领域中传统的漏磁数据灰度可视化方法在缺陷曲线视图显示时具有延迟大、灰度视图辨识度低的缺点.针对该问题,本文提出了一种基于自适应滑动窗口的漏磁数据灰度化特征增强方法.首先,根据漏磁数据特点建立非等量分类标签并设置降采样比,实现对原始漏磁数据的降采样显示;然后,根据预处理后的漏磁数据设计自适应滑动窗口及灰度值补偿算法,实现漏磁数据的局部分段灰度映射;最后,基于漏磁数据分类标签设计自适应灰度映射方法,得到清晰的漏磁数据灰度视图.通过对比实验,验证了所提方法的先进性和有效性.
为了保障时间反演正交频分复(Time reversal?orthogonal frequency division multiplex,TR?OFDM)系统的物理层安全传输,提出了一种基于四元数加密的安全传输算法.该算法主要分为3个步骤:发射端和合法接收端利用估计信道得到加密传输过程中需要的四元数,即密钥;发射端将需要传输的比特序列做三维映射,利用四元数对三维星座点做旋转加密,调制为OFDM符号并经过时间反演处理之后发射出去;合法用户利用四元数进行解密和解调,从而获得传输的数据,而窃听者因为不知道密钥而无
在大规模MIMO系统中,现有的高斯?赛德尔(Gauss?Seide,GS)算法相较于最小均方误差(Minimum mean?square error,MMSE)算法,GS的复杂度较低,但其检测性能相比而言较差.本文提出一种适用于大规模MIMO系统上行链路检测的基于雅克比预迭代改进的高斯?赛德尔(Jacobi?improved Gauss?Seide,JA?IGS)检测算法,该算法首先通过引入雅可比(Jacobi,JA)预迭代器来优化迭代初始解,然后对传统的GS进行线性优化,在增加较低复杂度情况下,检测性能
从跳数计算、跳距估计和估算坐标算法入手,提出一种改进DV?Hop算法.首先采用多通信半径优化跳数,然后采用加权法修正平均跳距,再利用接收信号强度(Received signal strength indicator,RSSI)测距技术通过定义平均跳距误差实现二次修正,最后采用加权最小二乘法消除误差项的异方差性,进一步降低误差.仿真结果表明,改进算法在保持较小时间复杂度的同时能降低定位误差.
本文采用惩罚逻辑回归方法,利用威斯康星大学的乳腺癌数据对乳腺肿瘤进行预测.首先选取与乳腺癌相关的10个指标作为自变量,接着采用逻辑回归、LASSO惩罚逻辑回归、L2惩罚逻辑回归和弹性网惩罚逻辑回归作为分类器,利用75％的数据集作为训练集建立模型,最后利用25％的测试集、混淆矩阵和ROC曲线评估不同模型的预测精度.结果表明,LASSO惩罚逻辑回归的预测表现最好,预测精度达到97.18％;弹性网惩罚逻辑回归的预测表现随着α的增大发生变化,特别当α=0.9时,预测精度达到97.18％,与LASSO惩罚逻辑回归的
情绪在歌唱活动中发挥着重要作用,但现阶段高校声乐课程缺乏对情绪调动的有效训练.由于虚拟现实技术具有真实性、沉浸性的特征,本文提出将其应用于声乐教学过程中的情绪诱发阶段.为了验证虚拟现实技术对情绪诱发的有效性,本文提取了不同类型的脑电特征,对情绪自我想象和虚拟现实情绪诱发两种场景下的情绪状态进行分类,并对比了情绪分类准确率、情绪自评分数和声乐自评分数,从主观和客观两方面探究虚拟现实技术对参与者情绪调动的影响.实验结果表明,相比于传统自我想象,虚拟现实技术可以极大地诱发参与者情绪,提升演唱效果,从而为声乐演唱
由于图像分割具有模糊性,提出了一个对灰度不均匀、高噪声图像的分割模型.该模型以模糊能量泛函为基础,结合区域和边缘信息,利用变异系数作为局部区域统计量,避免了噪声对分割的干扰,很好地提取了图像信息.区域能量可以平衡目标和背景的重要性,驱使初始轮廓向目标边界移动.边缘能量对伪水平集函数进行正则化,保持曲线演化过程中的平滑性.在求能量泛函极小值时,直接计算新旧能量泛函的差值以更新伪水平集.对于高噪声以及混合噪声和强度不均匀的合成和真实图像的分割结果表明,本文模型具有较好的分割效果.
基于现有的语义分割方法在面对不受限制的开放词汇量和多样多变的场景时表现出的分割不够精细、语义信息提取不充分和收敛时间长的问题,提出一种融合U?Net改进模型与超像素优化的语义分割方法.U?Net改进模型中结合空间金字塔模块(Atrous spatial Pyramid pooling,ASPP)和Xception结构,在ASPP模块的分支网络中加入扩张卷积(Dilated convolutions,DC)形成模块本身的串并联结构,以增强图像特征提取能力;在Xception模块中添加注意力通道以及使用大的卷
提出一种轻量高效的视频火焰检测算法.该算法以基于深度学习的卷积神经网络目标检测算法为主体,提取监控视频中的图像帧,识别并定位火焰区域.加入运动目标检测模块作为后处理机制,依据连续视频帧中火焰的运动特性,采用基于混合高斯模型的运动目标检测算法对火焰目标检测结果进行合理化判断,减少类似火焰的静止物体或光线造成的误报,效率高且资源消耗少.此外,收集并标注了一套火焰检测数据集(Fire detection dataset,FDD),包含多种场景下多类型燃烧物产生的火焰图片2487张以及15段不同场景下的火灾视频数