计算机视觉技术在植物病害识别上的研究进展

随着农业和现代化信息技术的交互、联结和碰撞,农业逐渐趋于现代化、智能化和数字化,近年来运用计算机视觉技术对植物病害进行诊断得到广泛应用,比传统方法更加迅捷、精确。分别从图像采集、图像预处理、图像分割、图像特征提取、病害识别和分类5个方面进行阐述,总结了植物病害图像识别技术的要点及存在问题,并对其未来发展进行了展望,为计算机视觉技术在植物病害识别上的应用和研究提供依据。     

植物病害标本的采集、制作和保存方法

植物病害标本的采集工作是植保工作中的重要部分,是植保科学的宝贵财富,也是提高测报技术水平的基础。我地目前存在标本保存时间过长,部分标本存在失真、病害无法识别等问题。本文就植物病害标本的采集、制作和保存工作进行简述。     

棕榈植物病害浸渍标本保绿技术研究

浸溃标本是植物病害标本的重要类型,能较长时间地保持原植物的形态、色泽和质地.文章对5种棕榈科植物病害标本的保绿技术进行了研究,结果表明,经乙酸铜热处理法制作而成的病害标本最能保存植物原色,标本绿色鲜亮,有一定的实验价值.     

植物病害标本的采集制作与保存

植物病害标本是植物病理学实验对病害症状最好的描述。因此,病害标本的采集、制作和保存是植物病理学科实验教学中必不可少的基础知识和技能。探讨了不同类型的植物病害标本的采集、制作和保存技巧。     

贵州省数字化生物标本馆的研究与建设

阐述了建立贵州省生物标本信息化标准体系的原则;应用Powerbuilder 9.0作为前端开发工具,并用SQL Server作为服务端开发工具建成了贵州省数字化生物标本馆管理系统和数据库,该系统和数据库至少能存储40万份标本数据;数据录入记录数总计8435条（图像7553幅）,共计130科、382属、1291余种。实现了网上生物标本资源信息发布。并对目前存在的问题进行了出讨论。     

林木病虫害标本的数字化在实践教学中的应用探讨

新疆农业大学森林保护专业是向新疆林业生态建设输送专业人才的重要基站，学院注重应用型人才的培养。林木病虫害标本的充分利用能够提高实践教学效果，也是培养学生掌握林业有害生物治理的基本技能和应用能力的重要途径之一，但现有的实物标本中存在症状不够典型，有害生物信息不全面等问题。二维码的数字化应用可以较好的解决改善这一现状，弥补实物标本的不足之处。如何将现有标本数字化后运用到森林保护专业的实践教学中，发挥更大的效用还需要进一步的探索实践。     

浅谈植物标本数字化技术及其应用

随着计算机技术及网络技术的飞速发展,植物标本馆也随之进入了数字化时代。植物标本数字化工作及数字植物标本馆建设已成为大多数标本馆日常工作不可或缺的部分。植物标本数字化主要包括标本信息标签(采集信息、鉴定信息)的数字化和标本拍照2方面内容。标本数字化打破了实体标本的诸多不便,使植物标本更好的服务科研。     

宁夏尾孢属真菌研究

尾孢属真菌是一类重要的植物病原菌和真菌资源,研究它不仅可为植物病害的防治提供科学依据,而且可丰富真菌多样性。本研究通过实地考察、标本采集和分离培养,从宁夏境内的486份标本中共鉴定出尾孢属真菌16种,并记载了它们的种类、分布和引起的植物病害。     

植物病害标本的类型及其制作技术

论述了植物病害标本的类型和特点,以及常见植物病害标本的制作技术,旨在为农科大学生和农业技术人员学习相关知识提供参考素材。     

自然博物馆植物标本数字化平台的构建与思考

根据馆藏植物标本的特点,制定出一套适合的数字化工作流程,包括完善采集信息、分类鉴定、粘贴条形码、拍摄照片及图像处理及录入信息等。数字化工作面临工作量巨大、难度高、专业技术人才不足等问题,需要资金及时间保证,应通盘考虑、稳步推进。     

基于多特征融合的花卉种类识别研究

花卉种类识别作为植物自动分类识别的重要分支,有着很高的研究和应用价值。针对当前花卉特征描述存在的局限和花卉识别准确率较低的实际情况,以花卉图像为研究对象,首先对复杂背景图像采用基于显著性检测的Grab Cut分割算法进行预处理,得到单一背景图像;然后在提取花卉图像花冠(所有花瓣)颜色和形状特征的基础上,创新性地提取花蕊区域的颜色和形状所包含的特征信息,并将提取到的18个特征融合成单一特征向量。以支持向量机(SVM)算法为基础构建分类器,通过实验确定核函数与最佳参数;对360幅自建花卉样本库(24个种类,每个种类15幅)进行训练和测试,其中240幅作为训练样本,120幅作为测试样本,并与基于不同特征组合的识别方法进行比较。结果表明:本文提出的基于多特征融合的识别方法具有较高的识别准确率,识别率可以达到92.50%。对通用花卉样本库Oxford 17 flower进行训练与测试,选取其中340幅作为训练样本,170幅作为测试样本,取得了较好的识别效果,验证了本文方法的有效性。      

植物微核技术的原理与应用

植物微核技术是近年来发展起来的一种有性杂交不亲和植物间部分基因组转移的新途径 .通过微核技术可在不同属植物间转移单条或多条染色体 ,且所得再生植株性状稳定 ,在植物育种方面具有重要意义 .微核技术还可用于定位基因、建立特异染色体 DNA文库、鉴定基因功能等     

植物装饰在现代图书馆室内生态环境建设中的应用研究

分析了图书馆室内植物装饰的生态意义与作用,认为植物能减轻图书馆室内的空气污染,净化图书馆的阅览环境,并且有利于读者的身心健康。强调图书馆的室内植物装饰应该遵循生态性原则、审美性原则、实用性原、经济性原则。针对图书馆的正门出入口处和大厅、阅览室及书库、电子阅览室及机房、办公室与会议室,以及读者休闲区、走廊和楼梯拐角处等不同的方位分析了图书馆室内植物种类的选择与布局。     

EMS诱变六倍体小麦偃展4110的形态突变体鉴定与分析

 【目的】构建小麦EMS突变体库,为小麦功能基因组学研究准备基础材料。【方法】利用化学诱变剂甲基磺酸乙酯（ethyl methane sulfonate,EMS）诱变处理小麦品种偃展4110种子,将获得的M2代材料进行生物学性状与农艺性状鉴定,部分M3材料播种家系进行验证。【结果】对M2代全生育期田间表型进行观察鉴定,突变群体的表型变异率约为6.6%;获得了幼苗、叶、茎、穗及成熟期等生物学特性与主要农艺性状的变异体和突变体,变异类型丰富,特别是发现了自然突变中少见的变异类型,如株高在10-15 cm左右的特矮变异类型。【结论】本研究所构建的两个偃展4110 EMS突变群体较为理想,可望有效地被用于小麦功能基因组研究和小麦遗传改良中。     

PCR技术在植物病害研究中的应用

聚合酶链式反应(PCR)及建立在此之上的分子生物学技术用于体外扩增DNA,在生物学、医学及植物病理学等领域已经得到了广泛应用。PCR技术应用于植物病害的诊断检测,植物病原真菌、细菌、线虫的分类鉴定,克隆基因、鉴定抗病基因以及病原物的定量等方面,具有灵敏、特异、快速、简便等较好的效果,但PCR技术在植物病理学领域的应用仍存在一定的局限性。     

cDNA文库构建及其在植物抗性研究中的应用

cDNA文库是指生物不同生长发育时期特定组织或器官所转录的全部mRNA经反转录形成的cDNA与栽体连接后形成的克隆的集合,cDNA文库是在基因组水平上研究某一生物特定器官、组织和发育时期基因表达的前提和基础.笔者就近年来cDNA文库的构建及其在植物抗性研究中的应用作一综述.     

博士学位论文引文分析——以云南农业大学植物保护专业为例

以云南农业大学植物保护专业2007--2012年间的63篇博士学位论文引文作为研究对象,采用引文分析法对引文量、引文类型、引文语种、引文年代、被引期刊等指标进行统计分析。结果表明：学校植保专业博士研究生的文献需求量较大,63篇博士学位论文篇均引文量203条,其中英文引文占62．2％以上,中文引文占36．3％;引文类型主要是期刊和图书;引文年限集中于最近20年。研究认为：学校图书馆文献资源基本保障该学科期刊文献需求,但在外文期刊资源建设中应注重文献收录的及时性和充分性。外文图书资源建设有待加强。     

一种植物病害图像识别卷积网络架构

针对人工提取植物病害图像特征存在效率低、识别率低、成本高等问题,提出一种基于DenseNet网络的现代卷积神经网络架构FI-DenseNet,旨在对多种类的植物病害图像达到高精准的识别准确率.引入Focal损失函数对DenseNet网络进行改进,使得训练模型的注意力集中于难分类的样本.FI-DenseNet网络可以增强特征传递、进行深层训练或有效改善过拟合问题.采用的数据集有87 867张植物病害图像,图像包含同种植物的多种病害,并涉及38种植物病害.对图像进行预处理、数据增强后,将DenseNet169网络、ResNet50网络和MobileNet网络作为参照实验.实验结果表明,FI-DenseNet网络的收敛速度更快且识别准确率最高,测试集识别准确率为98.97％,FI-DenseNet网络的鲁棒性和泛化能力均优于对照网络,可为植物病害智能诊断提供参考.     

Illumination invariant segmentation of vegetation for time series wheat images based on decision tree model

Effective and efficient segmentation of vegetation from digital plant images is an actively studied topic in crop phenotyping. Many of the formerly proposed methods showed good performance in the extraction under controlled light conditions but it is still hard to properly extract only vegetation from RGB images taken under natural light condition where the images can contain shadowed and lighted parts with specularly reflected parts of plants. In this paper, we propose a robust method to extract vegetation from the plant images taken under natural light conditions using wheat images. The method is based on a machine learning process, decision tree and image noise reduction filters. We adopted the CART algorithm to create a decision tree in the training process and examined its performance using test images, comparing it with the performances of other methods such as ExG, ExG-ExR and Modified ExG which are widely used recently. The results showed that the accuracy of the vegetation extraction by the proposed method was significantly better than that of the other methods particularly for the images which include strongly shadowed and specularly reflected parts. The proposed method also has an advantage that the same model can be applied to different images without requiring a threshold adjustment for each image.     

基于计算机视觉的水稻三维重建方法

利用多幅多角度的拍摄方法对二维图像进行采集,通过数字化处理得到单株水稻各视角侧面投影及轮廓图像。然后使用基于计算机视觉的三维重建方法,构造单株水稻的可视立体包络,从而得到单株水稻的三维立体像素模型。使用移动立方体算法对单株水稻立体像素模型进行外围表面重建,最后得到单株水稻三维重建模型。