基于改进DenseNet卷积神经网络的番茄叶片病害检测

针对传统的图像识别方法存在人工提取特征困难、识别耗时长和准确率低等问题,本研究以感染病害的番茄叶片和健康番茄叶片共10类图像为研究对象,提出了1种迁移学习和DenseNet卷积神经网络相结合的模型,实现了对番茄叶部病害的准确分类.首先将所有的图像数据进行预处理修改尺寸,对部分数量不均衡样本作随机变换;然后将DenseN...     

基于深度学习和支持向量机的4种苜蓿叶部病害图像识别

为实现苜蓿叶部病害的快速准确诊断和鉴别,基于图像处理技术,对常见的4种苜蓿叶部病害(苜蓿褐斑病、锈病、小光壳叶斑病和尾孢菌叶斑病)的识别方法进行探索。对采集获得的899张苜蓿叶部病害图像,利用人工裁剪方法从每张原始图像中获得1张子图像,然后利用结合K中值聚类算法和线性判别分析的分割方法进行病斑图像分割,得到4种病害的典型病斑图像(每张典型病斑图像中仅含有1个病斑)共1 651张。基于卷积神经网络提取病斑图像特征,建立病害识别支持向量机(Support vector machine,SVM)模型。结果表明:当病斑图像尺寸归一化为32×32像素,利用归一化的特征HSV(即特征H、特征S和特征V归一化后的组合特征)构建的病害识别SVM模型最优,其训练集识别正确率为94.91%,测试集识别正确率为87.48%。本研究基于深度学习和SVM所建立的病害识别模型可用于识别上述4种苜蓿叶部病害。     

基于MobileNet V2和迁移学习的番茄病害识别

番茄叶部病害严重影响了番茄的产量和质量,为实现在移动设备实时对番茄进行病害识别,提高番茄的产量,减少种植者的损失。本研究提出将轻量级网络模型MobileNet V2和迁移学习的方式相结合,对番茄早疫病、番茄细菌性斑疹病、番茄晚疫病、番茄叶霉病、番茄斑枯病、番茄红蜘蛛病、番茄褐斑病、番茄花叶病、番茄黄化曲叶病等9种叶部病害图像以及健康番茄叶片图像进行分类识别,首先将数据集按照9∶1的比例分为训练集和验证集,对于训练模型根据迁移学习的方式分别采用不冻结卷积层、冻结部分卷积层、全部冻结卷积层的方式获得3种模型,然后在模型最后加上2层全连接层并用Dropout层防止过拟合,接着通过Softmax层输出实现对番茄病害图像分类识别,最后利用验证集来统计模型的准确率和损失值。其中,冻结部分卷积层准确率最高,达到93.67%。另外,通过试验对比传统网络VGG16、ResNet50训练集和验证集的准确率、损失值及运行时间,其中迁移学习的MobileNet V2模型的准确率最高,运行时间最短。该研究提出的基于MobileNet V2和迁移学习的番茄病害识别研究方法识别效果较佳,速度较快,为在移动设备实时对...     

基于改进YOLOv4算法的番茄叶部病害识别方法

为快速准确识别自然环境下的番茄叶片病害,提出一种基于改进YOLOv4算法的轻量化番茄叶部病害识别方法。该方法根据番茄病害特征采用K均值聚类算法调整先验框的维度,并使用宽度因子为0.25的MobileNetv1代替YOLOv4原有的主干网络CSPDarknet53进行特征提取,并在特征融合网络PANet中引入深度可分离卷积代替原有的3×3标准卷积,同时在主干网络的2个输出特征层和空间金字塔池化输出层分别嵌入卷积块注意力模块(CBAM),提高模型识别精度。试验结果表明,改进后的模型对8类番茄叶片整体检测精准性(mAP)为98.76%,参数量为12.64 M,传输帧数为1 s 101.76帧,相较于原YOLOv4模型,模型参数量减少80%,每秒传输帧数比原始YOLOv4模型提高了130%。     

基于图像处理技术的玉米叶部病害识别研究

本文结合玉米作物病害的图像特征,首先进行图像的预处理,实现叶部病斑的分割;随后以6个参量来描述玉米叶部病斑的形状特征;将图像由RGB坐标向HSI坐标系统转换,提取参量描述病斑颜色特征;采用灰度共生矩阵提取玉米叶部病斑的纹理特征;引入粒子群优化算法对传统神经网络算法进行改进,使之具备准确分类并识别玉米叶部病害的能力;最后构建了玉米叶部病害图像识别系统,并通过实验与比较,证明了所构建的系统识别病害的准确度。     

基于图像融合特征的番茄叶部病害的识别

为了提高基于数字图像识别番茄叶部病害的准确率,适应不同分辨率条件下的应用需求,并满足实践拍摄条件的不确定性,以番茄晚疫病、花叶病、早疫病叶片图像为研究对象,选择HSV模型中的4维H分量等量分割波段作为颜色特征,基于灰度差分统计的均值、对比度和熵3维特征作为纹理特征,融合7维特征向量作为支持向量机(SVM)分类器的输入,用粒子群算法(PSO)优化SVM模型参数。试验结果表明,融合灰度差分统计与H分量4维特征的病害识别模型准确率可达90%。     

一种基于OCSVM的番茄病害自动识别方法

正确识别番茄各种病害的特征,对正确防治番茄病害、提高番茄的产量与品质具有至关重要的作用.通过对番茄病害图像的精确分析,有效地提取图像的底层特征,从而为番茄的病害信息建立语义模型,准确地刻画黄瓜病害的语义特征,以此提高番茄病害的正确识别和危害情况的准确把握,为实现番茄病害的实时与准确的预测和防治提供科学依据.     

基于计算机视觉的水稻叶部病害识别研究

【目的】文章重点分析了病健交界特征参数、病害识别流程对提高病害识别准确率的影响。实现水稻叶部15种主要病害的准确识别,尤其是相似病害的判断。【方法】（1）病斑图像获取：水稻叶部病害图像来源包括水稻大田、病害图册和病害数据库,文中选用改进的mean shift图像分割算法提取病叶图像中的病斑并根据相关方程获取病斑特征信息。（2）特征参数的选择与设计：首先选取一至三阶颜色矩和颜色直方图作为病害的颜色特征参数,选取球状性、偏心率和不变矩作为病斑的形状特征参数,选取角二阶矩、对比度和相关作为病斑的纹理特征参数;然后针对相似病斑误报率高的问题提出一种病健交界特征参数,通过病斑内部、边缘和外围颜色上的差异描述该特征,并根据3个区域相互间归一化颜色直方图的欧氏距离计算该项特征参数,该参数可以用于描述病斑与健康部分交界处的特征。（3）病害识别流程的设计：根据病害在颜色、形状、纹理、病健交界4个特征上差异的显著程度设计完成病害识别流程,流程中首先通过颜色特征识别病害,对于通过颜色特征无法识别的病害再通过形态特征识别,倘若形态特征依然无法识别则通过纹理和病健交界特征进行最终识别。（4）病害识别模型的建立：将病害数据分成两部分,一部分用于建立模型,另一部分用于模型的验证;利用LibSVM程序包完成建模,其中svmtrain函数用于建立支持向量机模型,Grid程序用于优化参数,svmpredict函数用于对模型进行验证。【结果】15种水稻叶部病斑可以从复杂的背景中分割出来,并可快速准确的被识别,平均识别准确率为92.67%,平均漏报率为7.00%,最大漏报率和误报率分别为15.00%和25.00%;病健交界特征参数引入后,识别准确率提高了14.00%,平均漏报率降低了7.50%,漏报率最大降幅为20.00%,误报率最大降幅为65.00%;与用所有特征参数直接进行病害识别相比,采用本文提出的识别流程进行病害识别的准确率提高了12.67%,漏报率降低了9.33%,一些病害的漏报率和误报率降幅达30.00%以上;在识别流程各步骤中,颜色特征识别环节的平均准确率为96.71%,漏报率和误报率均未超过10.00%;形态特征识别环节的平均准确率为94.17%,漏报率和误报率均未超过15.00%;纹理和病健交界特征识别环节的平均准确率为91.50%,漏报率和误报率均未超过25.00%。【结论】利用mean shift图像分割算法可以准确分割水稻叶部病斑;基于支持向量机模型的分类方法可以对15种水稻病斑准确分类;论文中提出的病健交界特征参数以及病斑识别流程均提高了病斑的识别准确率;病健交界特征参数对提高一些相似病害的识别精度效果显著;将这些方法相结合可以有效对水稻常见叶部病害进行识别,为水稻病害的田间智能诊断提供技术支撑。     

基于数学形态学和神经网络对番茄生理病害果的识别

应用数学形态学理论，提出一种膨胀和腐蚀的快速算法运用于番茄不同病害果特征提取，运用计算机视觉技术，根据病害果的几何矩特征，应用神经网络技术进行番茄病害果识别．研究表明，该方法能准确识别番茄病害果的形状，满足分级的要求，识别率达90％以上．     

基于图像处理技术的四种苜蓿叶部病害的识别

基于图像处理技术,对4种苜蓿叶部病害进行识别研究。利用结合K中值聚类算法和线性判别分析的分割方法对病斑图像作分割,获得了较好的分割效果。结果表明:该分割方法在由4种病害图像数据集整合成的汇总图像数据集上综合得分的平均值和中值分别为0.877 1和0.899 7;召回率的平均值和中值分别为0.829 4和0.851 4;准确率的平均值和中值分别为0.924 9和0.942 4。进一步提取病斑图像的颜色特征、形状特征和纹理特征共计129个,利用朴素贝叶斯方法和线性判别分析方法建立病害识别模型,并结合顺序前向选择方法实现特征筛选,分别获得最优特征子集;同时利用这2个最优特征子集,结合支持向量机(Support vector machine,SVM)建立病害识别模型。比较各模型的识别效果,发现利用所建线性判别分析模型下的最优特征子集,结合SVM建立的病害识别模型识别效果最好,训练集识别正确率为96.18%,测试集识别正确率为93.10%。由此可见,本研究所建基于图像处理技术的病害识别模型可用于识别上述4种苜蓿叶部病害,为苜蓿病害的诊断和鉴别提供了一定依据。     

河北省番茄黄化曲叶病毒病的发生与分子诊断

[目的]对河北省发生的一种番茄病毒病进行症状识别和分子诊断。[方法]2008年11月及2009年7～10月对河北省番茄病毒病田间发生情况和典型症状进行详细调查,然后根据已发表的番茄黄化曲叶病毒的基因组序列设计特异引物,进行PCR检测。[结果]该病毒病的发病症状与番茄黄化曲叶病毒病相一致,从症状上初步诊断为番茄黄化曲叶病毒病;在石家庄和衡水采集的病株样本的DNA均扩增出307 bp大小的特异条带,表明该片段为TYLCV的一个分离物,证明采集的番茄病株是由TYLCV侵染所致的番茄黄化曲叶病毒病。[结论]该研究是番茄黄化曲叶病毒病在河北省大面积发生及从分子水平上确诊的首次报道。     

番茄细菌性溃疡病研究进展

 根据国内外近年来番茄溃疡病的研究概况,对番茄溃疡病的历史、主要症状、病原菌的分类地位及生物学特性、病原菌的分离、检测和鉴定技术、病害的田间发生、流行条件及防治方法进行了综述,分析了我国加入世界贸易组织后实施《卫生与植物卫生措施协定》以及农产品安全条例等,认为做好番茄溃疡病风险性分析、监测国际种子贸易传入该病害的可能性非常重要,同时提出了今后加强番茄溃疡病研究的主要方向。     

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。     

番茄颈腐根腐病抗性鉴定技术的建立及抗性种质资源筛选

[目的]探索番茄颈腐根腐病(Fusarium crown and root rot,FCRR)苗期抗性鉴定技术,并对番茄种质资源及品种进行抗性鉴定分析,挖掘和丰富可利用的抗性资源,为培育抗颈腐根腐病番茄品种打下基础.[方法]以尖镰孢番茄颈腐根腐病专化型病原菌(Fusarium oxysporum f.sp.radici...     

番茄黄化卷叶病毒病(TYLCV)的研究进展

综述了国内外番茄黄化卷叶病毒病的研究现状,包括TYLCV的发病症状与鉴定、病毒的发生与流行及病原物的生物学特征、抗病遗传资源、抗病基因分子标记和抗病育种等方面的研究进展。     

基于图像的番茄识别与几何尺寸测量

介绍了一种基于图像的番茄识别算法,比较了几种常用的边缘提取算法的效果,最终选择Canny算子进行边缘提取,在对番茄进行轮廓提取的基础上,以像素为单位,对番茄的面积、形心、半径等参数进行统计,然后用一个圆来完成对番茄的拟合。这种识别算法可以识别各种光照条件下的果实,并且可以在一定程度上恢复番茄被枝叶遮挡住的部分。最后在Matlab上进行了算法设计和几何尺寸测量。     

番茄颈腐根腐病菌分离鉴定与生物学特性研究

近年山东温室大棚中番茄发生大面积颈腐根腐病病害,对其产量和品质影响严重。文章采用形态学、分子生物学及柯赫氏证病法分离鉴定病株病原菌,证实这一病害为番茄颈腐根腐病,病原菌为尖孢镰刀菌番茄颈腐根腐病专化型(Fusarium oxysporum f.sp.radicis-lycopersici)。采用单因素变量法研究不同环境条件对病原菌生长影响。结果表明,病原菌致死温度为63℃,菌丝生长最适温为28℃,最适pH为9,最适光照为12h光照12h黑暗,最适培养基为燕麦培养基,碳源为乳糖,氮源为甘氨酸。产孢最适温为25℃,最适pH为8,最适光照为24h黑暗,最适培养基为PDA,碳源为葡萄糖,在PDA基础上添加不同氮源不利于产孢。研究可为抗病种质资源筛选提供科学依据。     

番茄叶霉病苗期抗性鉴定方法的研究

利用蕃茄苗期接种叶霉菌从而筛选出抗叶霉病的蕃茄品种 ,主要研究了蕃茄的苗龄、接种后培养的温度、接种体浓度、病菌培养的时间对接种叶霉菌的影响。结果表明 ,蕃茄叶霉病苗期接种鉴定的适宜条件是苗龄 6片真叶 ;叶霉菌培养的时间 2 0 d;接种体浓度 10 7;接种后幼苗管理的温度 2 2℃     

十堰地区茄科蔬菜主要病虫害发生情况初报¾

本文旨在摸清十堰山区茄科蔬菜(辣椒、番茄)病虫害发生种类和蔓延规律,为本地辣椒、番茄病虫害科学防治提供一定的参考和依据。选取3个辣椒品种和1个番茄品种露地种植,针对病虫害发生种类和危害现状调查研究。结果表明,辣椒可见5种真菌性病害、1种生理性病害和1种虫害,番茄仅有2种真菌性病害。其中,重发病害为辣椒白绢病和番茄晚疫病,发病率高达89.09%和100%,病情指数90.30和100,且发现少量地老虎危害辣椒,病害重于虫害。在辣椒、番茄种植和生产中,病虫害的识别、监测预警和防治策略的适当调整是保障优质高产的关键。     

番茄抗黄化曲叶病育种研究进展

 番茄黄化曲叶病是一种毁灭性病害,该病是世界许多地区番茄生产的重要限制因素。该病害在田间由烟粉虱传播,由于不同地区的番茄黄化曲叶病毒变异较大,这使番茄抗番茄黄化曲叶病育种进展很慢。本文从番茄黄化曲叶病毒的检测与防治、番茄抗源材料的筛选与抗性鉴定、抗番茄黄化曲叶病基因及其分子标记等几个方面论述了目前国内外的研究现状,并就存在的问题及未来研究方向进行了讨论。