农业土地有关名词解释

农用地

国家编制土地利用总体规划,规定土地用途,将土地分为农用地建设用地未利用地

农用地是指直接用于农业生产的土地,包括耕地林地草地农田水利用地养殖水面等。

建设用地是指建造建筑物、构筑物的土地,包括城乡住宅和公共设施用地、工矿用地、交通水利设施用地、旅游用地、军事设施用地等。

未利用地是指农用地和建设用地以外的土地。

耕地

根据《土地利用现状分类》(GB/T21010-2007):耕地是指种植农作物的土地,包括熟地,新开发、复垦、整理地,休闲地(含轮歇地、轮作地);以种植农作物(含蔬菜)为主,间有零星果树,桑树或其他树木的土地;平均每年能保证收获一季的已垦滩地和海涂。耕地中包括南方宽度小于1.0m、北方宽度小于2.0m固定的沟、渠、路和地坎(埂);二级分类为水田水浇地旱地

农田

依据《基本农田保护条例》:本条例所称基本农田依据土地利用总体规划确定的不得占用的耕地。是指按照一定时期人口和社会经济发展对农产品的需求。

永久基本农田是按照一定时期人口和经济社会发展对农产品的需求,依据土地利用总体规划确定不得占用的耕地,就是对法律规定的基本农田实行永久保护、特殊保护。一经划定,在规划期内必须得到严格保护,除法律规定的情形外,不得擅自占用和改变。

国家实行永久基本农田保护制度。下列耕地应当根据土地利用总体规划划为永久基本农田,实行严格保护:
(一)经国务院农业农村主管部门或者县级以上地方人民政府批准确定的粮、棉、油、糖等重要农产品生产基地内的耕地;
(二)有良好的水利与水土保持设施的耕地,正在实施改造计划以及可以改造的中、低产田和已建成的高标准农田;
(三)蔬菜生产基地;
(四)农业科研、教学试验田;
(五)国务院规定应当划为永久基本农田的其他耕地。

高标准农田是指土地平整、集中连片、设施完善、农电配套、土壤肥沃、生态良好、抗灾能力强,与现代农业生产和经营方式相适应的旱涝保收、高产稳产,划定为永久基本农田的耕地

承包地

农民集体所有和国家所有依法由农民集体使用的耕地林地草地,以及其他依法用于农业的土地,采取农村集体经济组织内部的家庭承包方式承包,不宜采取家庭承包方式的荒山、荒沟、荒丘、荒滩等,可以采取招标、拍卖、公开协商等方式承包,从事种植业、林业、畜牧业、渔业生产。家庭承包的耕地的承包期为三十年,草地的承包期为三十年至五十年,林地的承包期为三十年至七十年;耕地承包期届满后再延长三十年,草地、林地承包期届满后依法相应延长。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值