危害损失

摘要： 为评估高邮地区夏季小青菜病虫危害损失,科学指导病虫害绿色防控,于2020年在高邮市卸甲镇开展了夏季小青菜病虫害危害损失评估试验。结果表明,2020年高邮市夏季小青菜的主要病虫害有菜青虫、黄曲条跳甲、霜霉病,虫害发生程度明显重于病害。菜青虫、黄曲条跳甲等虫害综合危害损失率为75.26%;霜霉病等病害综合危害损失为1.13%。2020年高邮市夏季小青菜病虫综合危害损失率为76.40%。

摘要： 现阶段,我国社会经济发展速度日益加快,人民生活水平得到了显著提升,食品安全问题受到了整个社会的密切关注。猪瘟是养猪生产中的常见疾病之一,其危害损失极大地影响着整个养殖业,猪瘟发生后会造成猪大规模感染传播,所以在生产中主要采用的是预防为主、防治为辅的措施,因此必须积极将防治措施做好。当前,基层养殖者并未深入了解此类疾病,甚至仍有诸多问题存在,需要促进猪瘟防治能力进一步增强。

摘要： 小麦是江苏省重要口粮作物,其丰歉和质量直接关系到江苏省粮食安全。小麦病虫害是影响小麦产量和品质的主要因素,近年来,小麦病虫害尤其是一类病害呈重发、频发态势,其中小麦赤霉病是对江苏省夏粮生产威胁最大的生物灾害,流行频率高、防治技术要求高、自然危害损失高,一旦疏于防控,除造成小麦严重减产外,还会导致真菌毒素超标,威胁农产品质量安全。为有效控制小麦赤霉病等重大病虫发生危害,加强对小麦病虫害防控技术的全程全方位指导服务,必须坚持绿色发展理念,牢固树立全生育期管控策略,从秋播种子处理着手,综合运用抗(耐)病品种、健身栽培、科学用药等措施,提升防控效果,降低危害损失,为保障小麦丰产丰收奠定坚实基础。

摘要： 小麦条锈病是我国农业生产中最为严重的病害之一,其流行频率高、发病范围广、为害损失重,严重威胁农业生产和国家粮食安全。新中国成立以来,小麦条锈病在全国多次大流行,给小麦生产造成了严重损失。系统回顾总结小麦条锈病发生流行的历史,分析病害流行的特点、原因,以及造成的危害损失,有助于我们进一步总结经验,吸取历史教训,明确病害流行对农业生产和国家粮食安全构成的潜在威胁,增强做好研究治理和防控工作的责任感。同时,针对造成病害流行的原因和当前研究治理工作中存在的问题,提出对策建议,以期为实现小麦条锈病的可持续治理提供科学指导。

摘要： 水稻穗期是多种病虫集中危害的重要时期,也是防病虫夺丰收最为关键的时期,综合分析田间病虫情、气象条件、品种抗性等穗期病虫发生相关因素,预计穗期病虫总体呈中等至偏重发生态势。做好水稻穗期病虫害防控,是保障农业生产安全,夺取秋粮丰收的关键措施,各地要切实加强病虫监测预警,加大防治宣传指导力度,全力组织打好穗期病虫防治总体战,努力将危害损失控制到最低限度。

摘要： 农作物病虫害是影响粮食稳产增产的关键因素,防控农作物病虫危害是减灾保丰收的关键举措。2021年小麦条锈病、赤霉病、水稻"两迁"害虫、草地贪夜蛾、粘虫、玉米螟等重大病虫害呈重发态势,直接威胁粮食生产安全。为组织做好防控工作,最大限度降低危害损失,实现"虫口夺粮"保丰收目标,农业农村部特制定本方案。本文摘编其中主要农作物重大病虫发生趋势分析和重点任务两部分。

摘要： 草地贪夜蛾是跨国界、远距离迁飞的重大害虫。按照主攻周年繁殖区、控制迁飞过渡区、保护玉米主产区,强化"三区"联防和"四带"布控,层层阻截诱杀迁飞成虫,治早、治小全面扑杀幼虫,最大限度降低危害损失。一、加强监测预警按照统一方法,增设测报网点,加密布设高空测报灯、性诱等监测设备,开展大区联合监测,信息实时共享,全面掌握成虫发生动态。

摘要： 2021年小麦病虫害防治以条锈病、赤霉病和蚜虫"两病一虫"为主攻对象,抓住关键时机和落实关键措施,切实提高防效,减轻危害损失。一、小麦条锈病在全面加强监测基础上,狠抓冬繁区防控压菌源、春季流行区治早治小控危害。西南、汉水流域等病害冬季繁殖区,早春全面落实"带药侦查、发现一点、控制一片"打点保面预防控制措施,压低菌源基数,降低后期大面积流行风险,减轻当地危害损失。

摘要： 农作物病虫害是影响粮食稳产增产的关键因素,防控农作物病虫危害是减灾保丰收的关键举措。为确保水稻、小麦、玉米、马铃薯重大病虫害总体危害损失控制在5%以内,跨区域迁飞性、流行性重大病虫害关键源头区和重发区防治处置率达到100%,水稻、小麦、玉米三大粮食作物病虫害统防统治覆盖率达到43%以上,需进行绿色防控产品和技术加快推广,组织做好防控工作,最大限度降低危害损失。

摘要： 2021年江苏省玉米病虫害防控以草地贪夜蛾、玉米螟为主,同时兼顾棉铃虫、小斑病、锈病等中后期病虫害,应及时加强监测预警,科学开展综合治理,降低危害损失。一、草地贪夜蛾按照“严密监测、全面扑杀、分区施策、防治结合”的总体要求,主攻春夏迁入代害虫,诱杀成虫,扑杀幼虫,确保玉米等作物不连片成灾,害虫不大规模迁飞扩散。

摘要： 本文通过对试验区专业化综防区、农民自防区、病虫防治区、杂草防治区和非防区5个处理区系统调查统计病虫草害发生为害情况、防治情况及对比分析产量结果,初步弄清了在各种病虫草害并存状态下,农作物产量综合损失的情况,包括病虫草害、病虫害及草害潜在的危害损失和在防治情况下的实际损失,为科学评估病虫草害对农作物的危害,正确估测各个单项病虫危害损失提供科学的依据。

摘要： 该文重新分析了国内外农作物病虫害危害损失，评价了化学防治的作用及其对环境的影响，提出了害虫防治的经济生态学效益计算方法。

摘要： 福寿螺是浙江省温岭市重要的外来有害生物之一,高密度的福寿螺危害后会造成无苗区,严重影响水稻产量.利用随机区组排列方法,研究了福寿螺对水稻秧田期秧苗的危害损失情况.试验结果表明,福寿螺对水稻秧苗的危害性比移栽后本田期秧苗要大.初步提出水稻秧田期福寿螺防治指标为:常规粳糯稻1只/m2,杂交稻0.3只/m2.

摘要： 福寿螺是近年国际上备受关注的危险性有害生物.利用随机区组排列方法,探讨了福寿螺不同入侵期对晚稻产量的影响.结果表明,福寿螺主要是啮食秧苗和分蘖,导致苗教、有效稳和实粒教减少,结实率降低,是水稻减产的主要原因.福寿螺在水稻移栽后,入侵越早,对水稻危害越大,产量的损失越高；同一时期福寿螺入侵,甬优1号的危害损失程度高于秀水110.建立了危害损失模型,为制订福寿螺的防治指标提供了科学依据.

摘要： 为明确千金子对水稻产量影响的程度,为防治千金子提供必要的理论依据,我们于1998年对千金子的为害损失进行了研究,结果表明,千金子对水稻产量构成的影响,在有效穗、穗重方面,有随千金子密度增加而减少、降低的趋势;而瘪粒率则具随密度增加而增加的趋势;当直播稻田每m有0.5株千金子时,产生51.20﹪的损失;每m有8株千金子时,水稻的产量损失达到76.43﹪.每m千金子密度1、2株;4、8株在5﹪显著水平无差异,但与CK及每m0.5株千金子的处理间存在显著差异.千金子植株与水稻急夺光照而高于稻穗,稍遇风雨,倒伏于水稻之上,影响有效穗、穗重、结实率,对产量危害较大,有效的化学防除的要求日益迫切.该问题一旦解决,直播水稻的种植将会有一飞跃.

摘要： 为明确千金子对水稻产量影响的程度,为防治千金子提供必要的理论依据,我们于1998年对千金子的为害损失进行了研究,结果表明,千金子对水稻产量构成的影响,在有效穗、穗重方面,有随千金子密度增加而减少、降低的趋势;而瘪粒率则具随密度增加而增加的趋势;当直播稻田每m有0.5株千金子时,产生51.20﹪的损失;每m有8株千金子时,水稻的产量损失达到76.43﹪.每m千金子密度1、2株;4、8株在5﹪显著水平无差异,但与CK及每m0.5株千金子的处理间存在显著差异.千金子植株与水稻急夺光照而高于稻穗,稍遇风雨,倒伏于水稻之上,影响有效穗、穗重、结实率,对产量危害较大,有效的化学防除的要求日益迫切.该问题一旦解决,直播水稻的种植将会有一飞跃.

摘要： 为明确千金子对水稻产量影响的程度,为防治千金子提供必要的理论依据,我们于1998年对千金子的为害损失进行了研究,结果表明,千金子对水稻产量构成的影响,在有效穗、穗重方面,有随千金子密度增加而减少、降低的趋势;而瘪粒率则具随密度增加而增加的趋势;当直播稻田每m有0.5株千金子时,产生51.20﹪的损失;每m有8株千金子时,水稻的产量损失达到76.43﹪.每m千金子密度1、2株;4、8株在5﹪显著水平无差异,但与CK及每m0.5株千金子的处理间存在显著差异.千金子植株与水稻急夺光照而高于稻穗,稍遇风雨,倒伏于水稻之上,影响有效穗、穗重、结实率,对产量危害较大,有效的化学防除的要求日益迫切.该问题一旦解决,直播水稻的种植将会有一飞跃.

摘要： 本发明公开了一种减少窑筒体表面热损失和无窑头余风热焓损失的水泥生产系统，该系统去除了窑头烟囱，还包括连接窑头引风机和篦冷机冷却风机的窑头余风循环单元、和设置在回转窑筒体上的筒体余热回收装置；窑头余风循环单元由窑头余风循环管道、风量分配器和若干个出风管道组成，窑头余风循环管道一端与窑头引风机出风口连接，窑头余风循环管道另一端与风量分配器进风口连接，风量分配器出风口与对应出风管道一端连接，出风管道另一端连接对应篦冷机中部风室下方冷却风机，将窑头余风送入篦冷机中部风室；筒体余热回收装置进水口与冷水水箱相连，出水口与AQC炉相连。本发明达到窑头余风热焓全部利用，同时减少窑筒体表面热损失，提高了全系统热效率。

摘要： 本发明涉及一种基于感知损失和风格损失的图像扩展方法，包括：对预处理后的数据集送入到构建好的图像扩展网络中，图像扩展网络包括重构路径和生成路径，重构路径用于输入待补全区域图像，获取其待补全部分的先验信息，最后重构出原始图像；生成路径用于输入缺失图像，利用重构路径得到的先验分布，引导图像的生成过程，在训练过程中，重点引入感知损失和风格损失约束生成图像的纹理和风格，改善了传统方法的扭曲模糊结构。感知损失和风格损失分别获取已知区域的语义信息和整体风格，从而有助于网络把握图像的真实纹理风格。

摘要： 劳动生产率损失成本计算系统包括：就业信息存储部(21)，存储关于每个从业者的就业信息的数据；健康诊断结果存储部(22)，存储关于每个从业者的健康诊断的数据；压力检查结果存储部(23)，存储关于每个从业者的压力检查的数据；设定数据存储部(300)，存储设定数据；劳动生产率损失成本计算部(40)，根据就业信息存储部(21)存储的项目数据、健康诊断结果存储部(22)存储的项目数据以及压力检查结果存储部(23)存储的项目数据计算劳动生产率损失成本；以及输出部(50)，将已计算出的劳动生产率损失成本输出。

摘要： 压力损失决定装置(1)具有路径跟踪部(30)、配管信息管理部(50)和损失决定部(40)。路径跟踪部(30)从三维建筑物信息中提取应该配置配管的平面，对平面进行网格分割而分割成多个单元，设定作为配管的始点的始点单元和作为终点的终点单元。配管信息管理部(50)存储有表示流体在单元之间的压力损失值的损失信息(51)。损失决定部(40)检索通过从始点单元到终点单元的单元的连接而形成的多个配管路径，针对多个配管路径的各配管路径，使用损失信息(51)决定从始点单元到终点单元的压力损失值。

摘要： 本发明提供了一种损失分布计算系统，包括：频率分布/规模分布输入部分，用于输入关于频率分布和规模分布的信息；规模分布离散化部分，用于执行针对输入规模分布的上部离散化和下部离散化之一或者两者；子复合分布计算部分，用于在执行对所有事件的划分之后计算针对所有事件之外的部分的损失的累积和的概率值，以便计算上部子复合分布和下部子复合分布之一或者两者，上部子复合分布基于频率分布和上部离散规模分布进行计算，并且下部子复合分布基于频率分布和下部离散规模分布进行计算；精确度计算部分，用于基于上部子复合分布和下部子复合分布之一或者两者计算损失分布函数的上限和下限，基于上部子复合分布和下部子复合分布之一或者两者计算函数作为损失分布函数的近似值，并且计算近似值的精确度；以及损失分布输出部分，用于输出关于具有由关于所计算的精确度的信息表示的保证的精确度的损失分布函数的近似值的信息。

摘要： 本文讨论了用于训练机器学习(ML)模型以基于图像数据确定深度数据的技术。训练可以使用立体图像数据和深度数据(例如，激光雷达数据)。可以将第一图像(例如，左图像)输入到ML模型，该模型可输出预测的视差和/或深度数据。预测的视差数据可与第二图像数据(例如，右图像)一起使用以重建第一图像。第一图像和重建图像之间的差异可用于确定损失。损失可能包括像素、平滑、结构相似性和/或一致性损失。此外，可以确定深度数据和预测深度数据之间的差异和/或预测视差数据和预测深度数据之间的差异，并且可以基于各种损失来训练ML模型。因此，这些技术可以使用自我监督训练和监督训练来训练ML模型。

摘要： 本发明公开了一种基于边缘损失和风格损失的图像卡通化方法、装置、计算机设备及存储介质，其包括：将原始图像输入预设神经网络模型进行训练以获得卡通图像；计算第一训练模型、卡通图像和预设卡通图像的边缘损失值和风格损失值；根据边缘损失值和风格损失值调整预设神经网络模型的参数，并重新对原始图像进行训练以再次获得卡通图像；返回步骤二，并判断当前边缘损失值与上一次边缘损失值之间的第一差值是否在第一预设范围内以及判断当前风格损失值与上一次风格损失值之间的第二差值是否在第二预设范围内；若第一差值在第一预设范围内且第二差值在第二预设范围内，输出卡通图像。本发明可以在保证原图内容信息不丢失的前提下，提高卡通化程度。

摘要： 本发明公开了一种基于深度学习与损失权重分析的涡轮叶片损失模型构建方法，所述方法为了探究如何对现有涡轮叶型损失模模型修正，首先需对叶型损失中的各项损失进行拆分，并与现有模型的预测大小进行对比，分析得到需要修正的系数与项和需要添加的修正项，进而形成具有修正形式的损失预测模型。并通过对比具有不同叶型参数的涡轮叶型损失，找到需要考虑的叶型参数变量。利用人工神经网络模型建立需要考虑的叶型参数变量与需要修正的系数(或项和需要添加的修正项)之间的函数关系，并带入具有修正形式的损失预测模型，进而构建涡轮叶型损失预测模型。该方法能够准确预测具有较大攻角工作范围的涡轮叶型损失。

摘要： 本发明涉及图像深度学习领域，且公开了一种兼顾L2损失与L0损失的对抗攻击方法，包括以下步骤：第一步：首先使用Sign‑OPT攻击产生初始对抗噪声方向θ0和距离λ0；第二步：计算噪声维度不重要度矩阵β；第三步：使用二分搜索寻找一个阈值t，使得将β中高于t的值置0，低于t的值置1后，依然满足f(x0+λ0θ0·β)！＝y0，其中x0表示原始图像，y0表示神经网络对x0的正确分类类别，对初始对抗噪声方向θ0进行维度优化得到最终噪声方向θ'＝β·θ0。该种兼顾L2损失与L0损失的对抗攻击方法，与现有技术比较，不需要重复多次输入多个模型通路，节省了计算资源，受攻击的像素少。

摘要： 在本说明书的一实施例中，可以提供一种对灾害损失区域的损失规模进行评估的服务器的工作方法。此时，服务器的工作方法可以包括：获取至少一个以上的第一灾害图像的步骤；从至少一个以上的第一灾害图像分别推导出损失区域，并以所推导出的损失区域为基础通过贴标获取损失区域相关信息的步骤；以及，使用至少一个以上的第一灾害图像以及损失区域相关信息学习第一学习模型的步骤。