http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
시설원예와 연작 장해 (2) 병충해와 염류집적 예방대책 - 연작으로도 다수확할 수 있다 - 합리적 대책 바탕위에 적극적 실천따라야
최주성 한국작물보호협회 1992 자연과 농업 Vol.13 No.2
결론적으로 하우스의 연작장해 대책은 유기물 증시를 포함한 합리적인 비배관리를 바탕으로 논밭 돌려짓기등 윤작과 심경, 침수 등으로 염류 집적을 예방하는 동시에 적절한 수분관리와 석회시용, 접목재배 그리고 태양열소독, 약제소독등 보다 적극적인 토양소독 등의 근본적이고도 복합적인 병충해 방제대책을 수립, 실천하는 것이다.
시설원예와 연작장해 (1) 연작장해의 원인과 실태조사 - 주원인 염류집적과 병해발생$\cdots$
최주성 한국작물보호협회 1992 자연과 농업 Vol.13 No.1
하우스재배에서 수량이나 품질을 낮추는 주요한 원인 가운데에는 시설내에서 발생하는 병해나 생리장해가 있다. 우리나라는 아직 선진국과 같이 시설이 대형화되고 중장비화(重裝備化)되지는 않았지만 현재에도 하우스 재배가 전업화되고 단지화됨에 따라 자연 연작하지 않을 수 없게 되어 연작장해가 일어나고 있는 실정이다. 즉 하우스 재배에서는 단위면적당 수량을 높이기 위해서 밀식하는 경향인데 비해 하우스내는 고온이고 노지보다 시비량이나 관수량도 많아 비료성분인 염류(鹽類)가 쌓이고 토양 병원균도 많아지고 토양물리성이 나빠져 토양병해나 생리장해가 많이 발생하고 있다. 이 글에서는 하우스 작물의 연작장해의 원인과 실태조사 결과를 분석해보고 다음호에서는 그 대책에 대해 알아본다.
Optical Flow 추정을 위한 딥러닝 기반의 Lightweight Deep Neural Network
최주성(Joo sung Choi),김중희(Jung Hee Kim),박재서(Jae Seo Park),강석주(Suk-Ju Kang) 대한전자공학회 2019 대한전자공학회 학술대회 Vol.2019 No.11
Conventional methods for optical flow estimation are inappropriate for applications that demand real-time operation and small memory capacity. Deep learning based networks, such as FlowNet[l] and FlowNet2[2], have high accuracy and fast running time, but require more than 160M of parameters. Therefore, we introduce tow deep learning based networks called PWC-Net[3] and LiteFlowNet[4] that have compact number of parameters and also have effective performances. Introducing two network models of compact but effective CNN models for optical flows, called PWC-Net and LiteFlowNet.