基于贝叶斯正则化BP网络的粮虫分类识别研究

以粮虫为对象,研究了利用数字图像处理技术与BP神经网络技术实现分类识别的方法。首先对4类常见粮虫进行图像采集、预处理及特征提取,然后将提取到的9个形态学特征参数作为神经网络的输入参数,对应的粮虫类别代号作为输出参数,建立BP神经网络,并在网络学习过程中采用贝叶斯正则化优化算法对其进行改进。最后通过仿真试验表明:该方法在粮虫识别算法中收敛速度快,预测精度高,稳定性好,泛化能力优,从而证实了该方法在实际应用中的可行性。     

基于模拟退火算法的粮虫图像特征提取

特征提取是储粮害虫图像识别中的重要环节,是识别系统的难点所在。针对粮虫的二值化图像提取出17个形态学特征;运用模拟退火算法从粮虫的17维形态学特征中提取出面积、周长等10个特征的最优特征子空间;采用支持向量机分类器对粮虫进行分类,识别率达到95.0000%以上,证实了基于模拟退火算法的粮虫特征提取的可行性。     

基于ACO-SVM的粮虫特征提取研究(英文)

[目的]研究基于ACO-SVM的粮虫特征提取,探讨粮虫特征提取的可行性。[方法]通过分析储粮害虫图像识别系统中的1个关键环节——特征提取,提出把支持向量机(Support vector machine,简称SVM)算法中交叉验证训练模型的识别率作为储粮害虫特征提取评价准则的1个重要因子,将蚁群优化算法(Ant Colony Optimization,简称ACO)应用于粮虫特征的自动提取。[结果]该算法从粮虫的17维形态学特征中自动提取出面积、周长等7个特征的最优特征子空间,采用参数优化之后的SVM分类器对90个粮虫样本进行分类,识别率达到95%以上。[结论]该研究表明蚁群优化算法在粮虫特征提取中的应用是可行的。     

基于ACO-SVM的粮虫特征提取研究

[目的]研究基于ACO-SVM的粮虫特征提取,探讨粮虫特征提取的可行性。[方法]通过分析储粮害虫图像识别系统中的1个关键环节——特征提取,提出把支持向量机(Support vector machine,简称SVM)算法中交叉验证训练模型的识别率作为储粮害虫特征提取评价准则的1个重要因子,将蚁群优化算法(Ant Colony Optimization,简称ACO)应用于粮虫特征的自动提取。[结果]该算法从粮虫的17维形态学特征中自动提取出面积、周长等7个特征的最优特征子空间,采用参数优化之后的SVM分类器对90个粮虫样本进行分类,识别率达到95%以上。[结论]该研究表明蚁群优化算法在粮虫特征提取中的应用是可行的。     

蒙古裸腹溞摄食强度的初步研究

本文采用镜检取差的方法初步研究了不同温度,食物密度和光照条件下的蒙古裸腹溞的摄食强度。试验结果表明:蒙古裸腹溞在28℃下成体的日粮高于25℃梯度;成体在0.24 mg/l小球藻密度下的日粮依次高于4.76×10~(-2)mg/l和0.14mg/l梯度;幼体在0.14mg/l小球藻密下的日粮依次高于0.24mg/l和4.76mg/l梯度;在黑暗条件下成体的日粮高于自然光照梯度,幼溞则相反;高密度种群中溞的日粮明显低于低密度种群;各种温度、食物密度和光照条件下蒙古裸腹溞的日摄食量为9.59×10~(-3)～0.17mg/小球藻/个溞日,日粮为32.18％～497.58％,并且溞的摄食存在较明显的昼夜变化节律。     

重庆市农户贮粮害虫研究

对重庆市近郊区县农户贮粮的基本情况及仓虫种类、数量和为害损失程度等进行了调查研究，并提出贮粮害虫防治策略。     

梨树县实施虫口夺粮的主要途径

介绍梨树县虫口夺粮实施的主要途径,主要通过应用白僵菌封垛和释放赤眼蜂实施虫口夺粮,使平均越冬虫源百秆活虫由169.5头降低到36头,被害株率由70%以上下降到26%,平均挽回损失率9.8%,平均投入产出比为1∶34,效果良好。     

天然蜂粮生产技术研究与应用

【目的】蜂粮是蜂群中幼虫和幼蜂的食物,也是幼虫发育过程中的全价营养来源,同时也是供人类食用的蜂产品,其开发利用前景广阔,但目前因生产技术的制约导致不能市场化。本论文旨在研究如何快速生产优质的天然蜂粮,为天然蜂粮的机械化生产提供技术支撑。【方法】根据蜜蜂贮粉生物学原理设计一种能快速生产天然蜂粮的装置——天然蜂粮生产器,包括贮粮器和脱粮器,并以西方蜜蜂(Apis mellifera)为试验材料,研究天然蜂粮生产器在蜂群中使用的可行性。在白莲花期,选取5个强势相当的继箱群作为试验蜂群,分别将贮粮器放入每个试验继箱群巢箱内,待蜂粮酿制为成熟蜂粮后将其从蜂群提出,利用脱粮器将蜂粮生产出来(贮粮器蜂粮);在相同蜂群利用脱粉器分别收集新鲜白莲蜂花粉(新鲜蜂花粉);同时从蜂群中提出贮有成熟蜂粮的天然巢脾,采用手工挖取方法收集蜂粮(蜡脾蜂粮)。所有样品分别进行理化性质和营养成分分析:在常温下利用p H计测定其p H,利用水分活度仪扩散法测定其水活度,用直接干燥法测定其水分含量,采用氯化三苯基四氮唑(TTC)法测定其花粉粒活性,运用Marklund法测定其超氧化物歧化酶活力,运用紫外分光光度法测定其过氧化氢酶活力,使用氨基酸自动分析仪测定其水解氨基酸和游离氨基酸种类及含量。【结果】工蜂能在天然蜂粮贮粮器中贮存并酿制蜂粮,脱粮器可以快速地将贮粮器中的蜂粮生产出来,且生产出的蜂粮保持了原有状态。新鲜蜂花粉的p H、水活度、水分含量、花粉粒活性、过氧化氢酶和超氧化物歧化酶活性均显著高于蜡脾蜂粮和贮粮器蜂粮。新鲜蜂花粉、蜡脾蜂粮和贮粮器蜂粮中的游离氨基酸总含量和水解氨基酸总含量三者间均不存在显著差异,但蜡脾蜂粮和贮粮器蜂粮水解氨基酸中缬氨酸、异亮氨酸、亮氨酸、酪氨酸、组氨酸、精氨酸含量,以及游离氨基酸中的天冬氨酸、脯氨酸含量均显著高于新鲜蜂花粉。蜡脾蜂粮与贮粮器蜂粮两者间理化性质和营养成分总体无显著差异。【结论】本研究设计的天然蜂粮生产器,可以生产天然蜂粮,值得在养蜂生产中推广应用。     

如何防治贮粮害虫

常见的贮粮害虫有米黑虫、黄粉虫、玉米象、豌豆象、蚕豆象、绿豆象、麦蛾、谷蠢、螨类等。粮食被虫蛀后 ,不仅品质变劣 ,而且严重影响其经济价值。现介绍几种防治贮粮害虫的简易方法。1　暴晒杀虫暴晒是以太阳辐射热作用于虫体 ,破坏虫体组织和生活机能 ,致死害虫。同时 ,暴晒还具有防潮、防霉作用。小麦、玉米、豌豆、蚕豆等有虫可应用此法。选择炎热的晴天 ,将粮食置于容易升温的晒场上摊晒。要薄摊勤翻 ,使粮温上升到 48℃左右 ,并在这种温度下持续翻晒 3～ 4h ,然后将粮食趁热聚堆 ,以保持堆内高温 ,即可将虫晒死或闷死。当粮温下降到…     

怎样防治贮粮害虫

常见的贮粮害虫有米黑虫、黄粉虫、玉米象、豌豆象、蚕豆象、绿豆象、麦蛾、谷蠹、螨类等。怎样防治贮粮害虫呢?     

BP神经网络在储粮害虫分类中的应用研究

综合利用计算机视觉技术和BP神经网络技术,实现了对粮仓害虫的无损检测.通过对粮仓害虫图像的CCD图像预处理,获取了几何特征和不变矩等15个特征参数,并通过优化选取其中七个参数输入神经网络进行训练.仿真结果表明训练网络对粮仓四类常见害虫的识别率达到了85%,得到了较好的识别结果.     

基于遗传算法和支持向量机的储粮害虫图像识别

建立支持向量机（SVM）模型,用遗传算法自动选择最优的核函数参数,利用该SVM与遗传算法相结合的新型算法对储粮害虫图像进行分类识别。结果表明,该方法所确定的SVM对储粮害虫具有较优的识别率,其整体性能优良。     

基于L-M神经网络的储粮害虫分类识别

基于图像处理的储粮害虫检测过程中,需要解决多种害虫多特征、混合度大的综合分类问题.本文提出采用基于L-M算法的多层前馈神经网络对害虫进行分类识别.实验表明,该神经网络和害虫分类识别系统拟和程度很高,并且采用的L-M算法,在网络训练速度及识别精度方面,都优于传统的BP算法.因此基于L-M算法的神经网络在害虫的在线识别方面有应用价值.     

模拟退火算法在储粮害虫图像识别中的应用

简要介绍了储粮害虫智能检测的几个部分:图像采集、图像预处理、特征形成、特征压缩及其分类。对特征选择中的模拟退火算法的思想、实现步骤、参数选择分析等进行了重声、阐述,该算法有效地将储粮害虫的17维原始形态学特征降为10维,提高了分类的效率。     

基于深度学习的农作物病害图像识别技术进展

农作物病害的无损检测和早期识别是精准农业和生态农业发展的关键。随着图像采集和图像处理技术的进步,高光谱成像等先进成像探测技术和基于深度学习的图像分析技术越来越多地应用于农作物病虫害的无损检测中。本文首先简单介绍了以深度学习为代表的图像识别技术的基本原理,然后系统地阐述了基于深度学习的先进成像技术和先进图像识别分析技术在农作物病害检测识别中的国内外研究现状,分析了其在农作物病害检测识别上存在的优缺点,如具有快速、准确率高等优点以及数据量过大处理不便等缺点,并进一步指出,利用高光谱成像和热红外成像与深度学习相结合,将成为今后研究农作物病虫害早期检测的主要发展方向。     

基于深度学习的蔬菜鳞翅目害虫自动识别与检测计数

鳞翅目害虫是蔬菜作物中最重要且常见的一类害虫。由于受到复杂田间背景,光照及害虫姿态等的影响,传统的害虫自动识别与检测计数方法准确率比较低。为实现在田间快速准确地对目标害虫进行自动识别和检测计数,分别提出了基于深度卷积神经网络的识别模型和检测计数模型。针对菜粉蝶、棉铃虫、甜菜夜蛾、小菜蛾、斜纹夜蛾这5种常见且容易混淆的蔬菜鳞翅目害虫,构建了分类识别数据集和检测计数数据集,并分别进行了实验,平均识别率达到94.5%,检测均值平均精度(mAP)达到76.6%,与传统方法相比,证明了此方法的优越性。实验结果表明,该方法对于蔬菜鳞翅目害虫的识别和检测计数是可行的,且达到了实际应用水平。     

基于物联网平台的小麦病虫害诊断系统设计初探

小麦是中国主要粮食作物,栽培品种多、种植面积大、分布区域广、生长周期长,容易遭受病虫害威胁,快速监测和准确识别病虫害成为一项重要的课题。基于前期构建的小麦物联网监控系统平台,研发了集成图像获取、图像识别诊断于一体的应用系统。初步研究了小麦比较常见的三种病虫害的识别与诊断方法,并利用图像分割、特征提取及数字图像分类识别技术,将物联网系统获取的感白粉病、锈病、蚜虫的不健康叶片与健康小麦叶片的图片分别进行对比实验研究。实验结果显示,识别率都较为理想,其中白粉病的识别率为82.5%,锈病、蚜虫和健康叶片的识别率都在95%以上。将病虫害图像识别技术与物联网技术结合,方便病虫害图像的远程传输、多点获取等优点,大幅度提升对病虫害远程识别和诊断能力,具有广阔的发展前景。