基于MSDB-ResNet的水稻病虫害识别

目的 水稻产量关乎全人类的粮食安全,如何有效地预防和高效地检测水稻病虫害是智慧农业领域的重要课题。深度学习由于具备自主学习图像特征等优异性能,成为水稻病虫害识别的首选方法。但在自然环境下,数据集偏小,且容易受到复杂背景的影响,在训练过程中容易产生过拟合,以及细微特征难以提取等问题。本研究致力于解决上述问题。方法 提出一种基于改进ResNet的多尺度双分支结构的水稻病虫害识别模型(MSDB-ResNet)。在ResNet模型的基础上,引入ConvNeXt残差块,以优化残差块的计算比例,构建双分支结构,通过调整每条分支的卷积核大小,提取输入病害图像中大小不同的病害特征。针对现实环境复杂、数据集太小、过拟合等问题,利用从自然环境拍摄到的5932张水稻病虫害图像,使用随机亮度、运动模糊等数据预处理方法,以及镜像、裁剪、缩放等数据增强方法,将数据集扩充到20000张,训练MSDB-ResNet模型识别4种常见的水稻病害。结果 MSDB-ResNet在水稻病虫害数据集上具有良好的识别性能,识别准确率高达99.10%,较原ResNet 模型提高了2.42个百分点,明显优于AlexNet、VGG、DenseNet和ResNet等经典网络。该模型具有良好的泛化能力和极强的鲁棒性。结论 MSDB-ResNet模型在水稻病虫害识别中具有一定的可行性和先进性,可为实现复杂背景下的水稻病虫害识别提供参考。     

白粉病胁迫下小麦叶片光谱响应与智能分类识别

目的 开展基于高光谱技术的白粉病胁迫下田间小麦光谱的响应研究,实现小麦白粉病感染等级的快速确定。方法 采用光纤光谱仪配合积分球和叶片夹采集大田活体小麦叶片可见-近红外光谱;通过光谱数据拟合得到的SF-SPAD (Spectrum fitting SPAD)值来反映叶绿素含量,对叶片感染白粉病进行初步判定;使用PROSPECT模型进行光谱敏感度分析确定敏感波段;结合主成分分析(Principal component analysis, PCA)降维和支持向量机(Support vector machine,SVM)建模,实现对光谱数据的二分类;根据二分类模型判断的病点百分比对小麦病虫害感染程度进行分级。结果 SF-SPAD值随自下而上的叶序的增大而逐渐上升;SF-SPAD值≤0.90的全是病点,≥1.05的全是好点。光谱敏感度分析确定了敏感波段为可见光波段440~500和540~780 nm,降低了数据维度。确定了感染等级(R)与病点百分比(%)的关系为R₁：0~30%、R₂：30%~50%、R₃：50%~70%、R₄：70%~100%。本研究所建模型适用的检测株数最少为20株。结论 结合SF-SPAD值和光谱PCA-SVM二分类建立的监测模型可以准确、快速地判定小麦白粉病感染与否及感染等级,同时可以降低采样数量、减少地面检测工作量、提高检测效率,是一项实用性强、简单、易推广的智能化监测技术。     

基于循环残差注意力的群养生猪实例分割

目的 在群养环境下，实现生猪粘连、杂物遮挡等不同条件下生猪个体的高精度分割。方法 对真实养殖场景下的8栏日龄20~105 d共45头群养生猪进行研究，以移动相机拍摄图像为数据源，并执行改变亮度、加入高斯噪声等数据增强操作获取标注图片3 834张。探究基于2个骨干网络ResNet50、ResNet101与2个任务网络Mask R-CNN、Cascade mask R-CNN交叉结合的多种模型，并将循环残差注意力(RRA)思想引入2个任务网络模型中，在不显著增加计算量的前提下提升模型特征提取能力、提高分割精度。结果 选用Mask R-CNN-ResNet50比Cascade mask R-CNN-ResNet50在AP_0.5、AP_0.75、AP_0.5-0.95和AP_{0.5-0.95-large}指标上分别提升4.3%、3.5%、2.2%和2.2%；加入不同数量的RRA模块以探究其对各个任务模型预测性能影响，试验表明加入2个RRA模块后对各个任务模型的提升效果最为明显。结论 加入2个RRA模块的Mask R-CNN-ResNet50模型可以更精确、有效地对不同场景群养生猪进行分割，为后续生猪身份识别与行为分析提供模型支撑。     

基于LM神经网络的小麦叶片病害识别

快速、及时和准确的发现小麦病害对提高小麦产量具有重要作用。以小麦叶片白粉病、条锈病和叶锈病3种病害为研究对象,提出了基于LM神经网络的小麦叶片病害识别模型。首先采用K-means算法分割小麦叶片病斑区域,提取小麦病斑区域的颜色特征和纹理特征,构建数据集。然后建立LM神经网络小麦叶片病害识别模型,输入数据进行识别。基于颜色和纹理特征的小麦叶片病害识别率为95.3%。在小样本情况下,利用LM神经网络算法能够快速、准确的识别小麦病害叶片。     

基于改进YOLOX-Nano的农作物叶片病害检测与识别方法

目的 实现精确迅速的农作物病害检测,减少人工诊断成本,降低病害带来的农作物产量和品质影响。方法 根据对农作物病害和病斑特征的分析,提出一种基于卷积注意力机制改进的YOLOX-Nano智能检测与识别模型,该模型采用CSPDarkNet作为主干网络,将卷积注意力模块CBAM引入到YOLOX-Nano网络结构的特征金字塔(Feature pyramid network,FPN)中,并在训练中引入Mixup数据增强方式,同时将分类的损失函数由二分类交叉熵损失函数(Binary cross entropy loss,BCE Loss)替换为焦点损失函数Focal Loss、回归损失函数由GIOU Loss替换为本文设计的CenterIOU Loss函数,采用迁移学习策略训练改进的YOLOX-Nano模型,以此提升农作物病害检测的精度。结果 改进后的YOLOX-Nano模型仅有0.98×10⁶的参数量,在移动端测试单张图片检测时间约为0.187 s,平均识别精度达到99.56%。实践结果表明,其能快速有效地检测与识别苹果、玉米、葡萄、草莓、马铃薯和番茄等农作物的常见病害,且达到了精度与速度的平衡。结论 改进后的模型不仅对农作物叶片病害识别具有较高的精度和较快的检测速度,参数量和计算量较少,还易于部署在手机等移动端设备。该模型实现了在田间复杂环境对多种农作物病害精准定位与识别,对于指导早期农作物病害的防治具有十分重要的现实意义。     

基于YOLOv5改进模型的杂交稻芽种快速分级检测

目的 提高杂交稻种子活力分级检测精度和速度。方法 提出了一种基于YOLOv5改进模型(YOLOv5-I)的杂交稻芽种快速分级检测方法,该方法引入SE (Squeeze-and-excitation)注意力机制模块以提高目标通道的特征提取能力,并采用CIoU损失函数策略以提高模型的收敛速度。结果 YOLOv5-I算法能有效实现杂交稻芽种快速分级检测,检测精度和准确率高,检测速度快。在测试集上,YOLOv5-I算法目标检测的平均精度为97.52%,平均检测时间为3.745 ms,模型占用内存空间小,仅为13.7 MB;YOLOv5-I算法的检测精度和速度均优于YOLOv5s、Faster-RCNN、YOLOv4和SSD模型。结论 YOLOv5-I算法优于现有的算法,提升了检测精度和速度,能够满足杂交稻芽种分级检测的实用要求。     

基于改进区域卷积神经网络的田间玉米叶部病害识别

目的 引入区域卷积神经网络Faster R-CNN算法并对其改进，以实现在田间真实环境下背景复杂且具有相似病斑特征的玉米病害的智能诊断。方法 在玉米田间和公开数据集网站获取具有复杂背景的9种常见病害图像1 150幅，人工标注后对原始图像进行离线数据增强扩充；对Faster R-CNN算法进行适应性改进，在卷积层加入批标准化处理层，引入中心代价函数构建混合代价函数，提高相似病斑的识别精度；采用随机梯度下降算法优化训练模型，分别选取4种预训练的卷积结构作为Faster R-CNN的特征提取网络进行训练，并测试得到最优特征提取网络，利用训练好的模型选取不同天气条件下的测试集进行对比，并将改进Faster R-CNN与未改进的Faster R-CNN和SSD算法进行对比试验。结果 在改进Faster R-CNN病害识别框架中，以VGG16卷积层结构作为特征提取网络具有更出色的性能，利用测试集图像检验模型，识别结果的平均精度为 0.971 8，平均召回率为0.971 9，F1为0.971 8，总体平均准确率可达97.23%；晴天的图像识别效果优于阴天的。改进Faster R-CNN算法与未改进的Faster R-CNN算法相比，平均精度高0.088 6，单张图像检测耗时减少0.139 s；与SSD算法相比，平均精度高0.0425，单张图像检测耗时减少0.018 s，表明在大田环境中具有复杂背景的玉米病害智能检测领域，改进Faster R-CNN算法综合性能优于未改进的Faster R-CNN算法和SSD算法。结论 将改进后的Faster R-CNN算法引入田间复杂条件下的玉米病害智能诊断是可行的，具有较高的准确率和较快的检测速度，能够避免传统人工识别的主观性，该方法为田间玉米病害的及时精准防控提供了依据。     

基于深度学习的玉米叶片病害识别方法研究

玉米叶片病害是造成的玉米质量差、产量低主要原因之一。为了对玉米叶片病害进行快速准确识别，提出了 基于ResNet（Residual Neural Network）深度学习网络对玉米病害识别的方法，采用ResNet 作为玉米病害识别的主体 模型，利用数据增强技术来扩充数据集，扩充后的数据集图片包括训6000 张练集和1645 张测试集，并使用预训练网络 AlexNet、GooLeNet 和ResNet 进行识别玉米叶片病害的性能对比实验，研究发现在批量尺寸为32 个和epoch 次数为16 时ResNet50 获得最高的分类准确率为92.82%，优于传统机器学习算法。     

基于数码图像的小麦条锈病病害程度分级方法

小麦条锈病发病广、发病率高,严重影响农业生产,造成小麦产量重大损失.病叶严重度是获取小麦条锈病病害信息的主要参数.为更好、更便捷地获取小麦条锈病病害信息实现对小麦条锈病单叶病害严重度分级,讨论一种利用数码图像对小麦条锈病进行分级的方法.首先从拍摄的数码图像中选取发病严重度为1％、5％、10％、20％、40％、60％、80％、100％的小麦叶片(以植保专家目测为标准),对应设置为1、2、3、4、5、6、7、8级,每个级别各30张叶片,共计240张,从每个类别中选取10张做数据分析,20张作验证.利用K-means聚类法、形态学变换等操作将小麦叶片与背景分割开,然后对采集的RGB图像通道分离获取R、G、B分量图进行G、R分量加运算,在小麦叶片染病前期,小麦条锈病严重度为1～4级,G+R图像就能较好地区分出病斑区域与健康区域,随着病害程度加深黄化严重,G+R图像不能很好地区分出病斑区域,通过改变R分量图的权重,对5、6、7、8级40个样本进行数据分析,发现G+1.7R时表现出的拟合性和精度最好,采用最大类间方差法(Otsu)对G+R、G+1.7R图像进行分割,将病斑从小麦叶片中提取出来;最后根据染病面积占叶片总面积的百分比对小麦条锈病病害程度进行分级.160个不同病害等级的小麦叶片验证样本中,24个样本被错误分级,136个样本被正确分级,发病程度较轻的1～4级分级正确率为92.5％,发病程度较重的5～8级分级正确率为77.5％,总体分级正确率为85.0％.基于数码图像对小麦条锈病病害程度分级识别方法操作灵活、方便,相对于传统田间目测分级提高了分级正确率,为识别小麦条锈病叶片病害程度提供了一种操作快速简单、成本低且方便普及的新方法.     

一种优化的Swin Transformer番茄叶片病害识别方法

为了及时准确的识别番茄叶片病害,提高番茄产量,提出了一种优化的Swin Transformer番茄病害识别方法,该模型利用Transformer的自注意力结构获得更加完备的番茄病害图像的高层视觉语义信息;结合Mixup混合增强算法,在预处理阶段对图像特征信息进行增强;并采用迁移学习在增强番茄叶片病害数据集上进行训练和优化Swin Transformer模型,以此实现精准的番茄叶片病害识别。结果表明：1)优化的Swin Transformer模型对番茄叶片病害识别准确率达到98.40%;2)在相同训练参数下,本研究模型比原Swin Transformer、VGG16、AlexNet、GoogLeNet、ResNet50、MobileNetV2、ViT和MobileViT模型准确率提高了0.70%～1.91%,且能快速收敛;3)本研究模型中加入的Mixup混合增强算法极大地提高了番茄叶片病害的识别准确率,比现有的常见方法性能更加优越,并且鲁棒性强。因此,本研究提出的新模型能够更加准确的识别番茄叶片病害。     

2006年贵州省赫章县秋季小麦条锈病调查

为了解中国新发现的小麦条锈病菌越夏区贵州省赫章县小麦条锈病秋季发生情况,2006年秋季笔者主要对该县古基乡、野马川镇、六曲河镇进行了调查,共调查119块地,自生麦病田率为55%,秋播小麦病田率为20.20%。古基乡发病较多,自生麦苗上有多个发病中心,有的秋播小麦田块亦呈现病叶较集中现象。在海拔1660-1910m范围内,都有小麦条锈病发生,说明当地越夏菌源能够为本地区秋苗发病提供充足菌量。对进一步研究内容进行了讨论并提出了赫章县小麦条锈病治理措施。     

小麦条锈病产量损失估计

1987～1989年的田间试验表明:小麦灌浆期条锈病的病情指数与产量的相关性最强,发病越重,灌浆速度越慢。但病害对灌浆时间的长短影响不大。盆栽试验证明:旗叶发病对千粒重的影响最大,特别当旗叶、倒二叶的病情严重度达5％以上时,对千粒重影响更为明显。因此认为小麦灌浆期的病情指数为5时,作为条锈病损失的临界病情比较合适,并组建了产量损失预测模型。     

四川地方小麦品种条锈病抗性研究

【目的】利用获得的小麦条锈病成株抗性"一致性"QTL位点SSR分子标记,结合田间抗性表型鉴定,揭示四川地方小麦品种的条锈病抗性遗传多样性。【方法】通过QTL元分析技术,将已定位的小麦条锈病成株抗性QTL整合于同一张连锁图谱,获得条锈抗性"真实"QTL区段。并利用QTL区段内的SSR标记,结合田间条锈病抗性表型鉴定,对64份四川地方小麦品种抗条锈病多样性进行研究。【结果】通过元分析,获得7个控制小麦条锈病成株抗性MQTL。成株期条锈病抗性鉴定发现11份四川地方小麦品种表现为免疫或近免疫,其发病严重度、平均普遍率和病情指数低于10%。标记/性状关联分析发现3个与四川小麦地方品种条锈病成株抗性存在显著关联的SSR标记位点。【结论】四川地方小麦品种条锈病抗性表现差异显著;小麦条锈病成株抗性关联SSR标记的获得为利用条锈病抗性基因提供了分子标记辅助选择手段。     

甘肃省小麦条锈病发生面积预测

甘肃是中国小麦条锈菌重要的周年循环发生区之一,是重要的菌源基地。准确预测甘肃省小麦条锈病的发生面积,对甘肃及中国小麦条锈病的科学防控具有重要意义。利用2001-2021年甘肃省小麦条锈病秋苗发生面积、温度、相对湿度、降雨量和日照时数等资料,通过Pearson相关性分析筛选到影响甘肃小麦条锈病流行的4个关键因子,即小麦条锈病秋苗发生面积、上年8月最低气温、1月平均相对湿度和3月日照时数,并采用全子集回归和BP神经网络算法对甘肃小麦条锈病发生面积进行预测。结果表明,全子集回归模型1和模型2对2020-2021年甘肃小麦条锈病发生面积预测准确度分别为94.63%和88.81%;BP神经网络模型1和模型2的预测准确度分别为98.25%和94.03%。综上可知,BP神经网络模型1是最佳预测模型,其预测2022年甘肃省小麦条锈病发生面积为10.03万hm²。     

Effects of UV-B radiation intensity and timing on epidemiological components of wheat stripe rust

Stripe rust caused by Puccinia striiformis f. sp. tritici is an important wheat disease worldwide that is greatly influenced by environmental conditions. Ultraviolet B (UV-B) radiation is one important environmental factor affecting the occurrence and epidemiology of wheat stripe rust. Investigating UV-B radiation effects on the epidemiology of stripe rust may be conducive to monitoring and predicting this disease. In this study, wheat seedlings were exposed to UV-B radiation during different periods under laboratory conditions and radiation effects on epidemiological components of wheat stripe rust were investigated. Results showed that incubation period was shortened, and the infection efficiency, sporulation quantity and disease index increased when UV-B radiation was performed only pre-inoculation. When the UV-B radiation was performed only post-inoculation or both pre- and post-inoculation, the incubation period was prolonged, and the infection efficiency, sporulation quantity and disease index were reduced. When healthy wheat seedlings were inoculated using urediospores collected from wheat leaves irradiated by UV-B only post-inoculation or both pre- and post-inoculation, infection efficiency, sporulation quantity and disease index were also reduced. However, in the latter, the disease incubation period did not differ under varying UV-B radiation intensities compared to that when wheat leaves were not treated with UV-B radiation. Overall, the effects of direct exposure of wheat plants to UV-B radiation with different intensities in different periods on epidemiological components of wheat stripe rust were systematically explored, and the results suggest that the effects of UV-B radiation increased gradually with the increase of UV-B radiation intensity. This information provides a basis for monitoring and predicting this disease as well as for conducting further studies on pathogen virulence variation.     

山旱地小麦条锈病综合防治技术研究

[目的]为了调查山旱地小麦条锈病综合防治技术的应用效果,以便有效防控小麦条锈病。[方法]于2004年小麦收获前对安康市小麦主产区的8县(区)、23个乡镇、32个村、182户、12.45hm2麦田,2005年对7县区、16个乡镇、20个村的106户、10.43hm2麦田,2006年对8县区、19个乡镇、24个村的118户、9.93hm2麦田进行了小麦品种、播期、间套、施肥、种子处理方法、药剂喷雾和经济性状等因素的大田调查及产量测定。[结果]三唑酮拌种较对照增产23.91%,种子包衣较对照增产28.04%,三唑酮拌种与种子包衣产量差异不大。叶面喷雾1次产量增加24.75%,喷雾两次增加36.19%,喷雾2次的效果优于1次。[结论]在条锈病大发生年份,药剂拌种加叶面喷雾防治效果更佳。     

宁春4号与河东乌麦杂交F2代抗病性及分子标记鉴定

为给宁夏小麦抗病育种提供优异资源,以宁春4号、河东乌麦及其杂交F₂代331个单株为材料,进行了群体抗病性与分子标记鉴定。结果表明:宁春4号中感白粉病、条锈病和叶锈病,河东乌麦中抗至高抗白粉病、中抗条锈病和叶锈病。在F₂代分别鉴定出68、54、52个单株抗白粉病、条锈病、叶锈病,比例依次为20.54%、16.32%、15.71%,其中,50个单株同时抗白粉病和条锈病,44个抗白粉病和叶锈病,32个抗条锈病和叶锈病,29个抗白粉病、条锈病和叶锈病。在F₂代群体中检测到239个单株携带Pm16基因,22.59%携带该基因的单株表现田间抗白粉病;202个携带Yr2基因,16.83%携带该基因的单株抗条锈病;246个携带Lr24,17.07%携带该基因的单株抗条锈病;148个单株同时携带基因Pm16和Yr2,185个单株同时携带基因Pm16和Lr24,155个单株同时携带基因Yr2和Lr24,119个单株同时携带基因Pm16、Yr2和Lr24。新开发的6个SSR标记共检测到10个抗病性数量性状基因座(QTL),涉及2A、5A、3B、5D等4条染色体,加性效应为-0.15~0.08,对表型贡献率为2%~4%,连锁系数(LOD值)最大为10.40,其中,5A、3B和5D染色体存在抗病的QTL富集区。     

安康小麦条锈病流行特点分析和季节流行动态曲线拟合

根据安康市农业技术推广中心小麦条锈病监测结果,分析安康市2001-2008年以来条锈病的发生特点和危害,并采用数理统计法检验条锈病流行动态模型.结果显示,安康市近8年来条锈病累计发病田块面积1.79×105hm2,累计产量损失8.54×107kg.品种单一化种植及病菌新小种的出现是近年来条锈病流行的主要因素.4月下旬的病叶率与产量形成有显著的相关性.通过拟合度的回归检测,得出冈珀茨模型拟合效果最好,从而为条锈病流行动态的定量研究提供借鉴.     

小麦条锈病高光谱遥感监测技术研究

利用ASD地面非成像光谱仪对小麦条锈病进行了单片病叶及冠层的光谱特征研究。结果表明,健康、发病及处于潜育期的小麦植株在某些特定波段的光谱反射率存在显著差异;并且不同孢子堆密度的小麦单片病叶的反射光谱曲线也存在相应差异;对小麦条锈病冠层光谱的研究发现,在930nm附近,病情指数(y)与冠层光谱反射率(x)的相关性达到了极显著水平,二者之间的回归模型为:y=-2.5173x+1.2217(R2=0.9484)。     

小麦持久抗条锈病品种的定量判别研究

对甘肃省陇南地区多年种植没有丧失抗病性和已丧失抗病性的9个品种进行了田间成株期条锈病发生情况及特点的比较研究,测定了潜育期、普遍率、严重度、病情指数和侵染机率等抗性组分。结果表明,持久抗性品种与感病品种的抗性组分大不相同。运用DPS统计软件依上述抗性组分对试验材料进行了聚类分析,初步建立了判断小麦持久抗条锈性品种的判别函数,其回判结果符合率100%,表明利用抗性组分在成株期进行持久抗性品种的鉴定是可行的。