基于改进YOLO v5的橙子果实识别方法

针对自然环境下橙子检测存在枝叶遮挡、相邻果实重叠等情况而导致检测效果差的问题，提出一种改进的YOLO v5方法。首先，在主干网络部分使用RepVGG(re-param VGG)模块替换原始C3模块，加强网络对特征信息的提取能力；其次，在颈部网络使用鬼影混洗卷积(ghost-shuffle convolution)代替原有的标准卷积，能够在保证精度的前提下，降低模型参数量；再次，在预测头前加入ECA(efficient channel attention)注意力模块，能够更加准确定位目标信息；最后，引入EIOU(efficient intersection over union)损失函数加速预测框的收敛，提高其回归精度。改进的YOLO v5网络在自然环境下的橙子检测中平均精度达到90.1%,相比于目前热门的检测网络CenterNet、YOLO v3和YOLO v4其在识别效果方面有一定的提升。可见，所提出的改进网络在橙子检测上更有优势，能为今后智能采摘机器人的研发提供理论支撑和技术参考。     

山东省生态安全格局识别及优化策略研究

根据山东省地理环境和生态资源现状,收集整理相关成果数据,通过ArcGIS平台融合分析,对组成全省生态安全框架的重要生态源地、主要生态廊道和生态节点进行识别,评价生态安全格局的安全性、稳定性和连通性等。结果表明:山东省生态源占全省陆域面积的32.25%,包含生态源地图斑59块,主要集中分布在鲁中南山地、胶东半岛、南四湖和黄河三角洲区域;生态廊道总长度1.02万km,主要依托流域面积1 000km~2及以上河流生态带;生态节点350个,主要分布在鲁北平原、胶东半岛东部沿海一线、鲁西南片区等区域,与生态障碍点分布高度重合。以小流域为评价单元,分析其优化提升区域布局,探讨分类分区生态保护修复对策,以期为山东省省级国土空间规划编制及开展全省生态保护与修复提供参考。     

基于显著性增强和迁移学习的鱼类识别研究

针对水下鱼类无法快速准确识别的难点,提出一种具有图像主体自动增强功能的鱼类迁移学习方法。该方法将鱼类RGB图像转换至Lab颜色空间后,利用中央周边算子计算得到整个输入图像的显著性值,进而提供鱼类目标的潜在区域,并结合GrabCut算法获取鱼类分割图像,最终将融合分割图的原始图像送入优化后的残差网络中进行训练。通过对23种鱼类进行识别试验,结果显示,固定ImageNet数据集上ResNet-50预训练模型的conv1层和conv2层参数,微调高层参数的方法能够取得最好的识别效果,且在公开的Fish4Knowledge数据集上,该模型取得了最高的识别准确率,平均识别精度达到99.63%。与其他卷积神经网络方法的对比结果显示,本方法在Fish4Knowledge和Fish30Image数据集上的识别精度和时间性能均具有较大优势,其中识别准确率至少提升4.98%。多个数据集上的试验验证了模型的有效性。     

草地贪夜蛾的识别与防控措施

草地贪夜蛾是一种原产于美洲热带和亚热带地区的杂食性害虫,广泛分布于美洲大陆,主要危害玉米、水稻、甘蔗、烟草等作物,具有适生区域广、迁飞速度快、繁殖能力强、暴食危害重、防控难度大等特点。草地贪夜蛾于2019年1月传入我国云南省,后又相继在江苏各地被查见,对我国粮食生产造成极大威胁。该文介绍了草地贪夜蛾成虫、卵、幼虫、蛹的形态特征、生物习性、危害特点和防控措施。     

协同多源国产高分影像和面向对象方法的南方农作物遥感识别

【目的】中国南方地区云雨频繁且农业景观破碎，是我国农作物遥感监测最具挑战的区域之一。我国自主研发的高分系列卫星具有高时空分辨率和高质量成像的特点。本研究挖掘多源高分系列卫星的时间和空间双重优势，实现多云雨及景观异质区作物精细化识别。【方法】基于国产高空间分辨率高分二号（GF-2）影像表征农田空间几何特征，协同中空间分辨率高分一号（GF-1）和高分六号（GF-6）加密影像观测时间序列，充分表征农作物光谱季相节律。通过构建光谱-时相-空间三维分类特征，基于随机森林进行农作物分类并计算不同特征的重要性。同时，设置不同影像组合和不同分类单元下的多种分类场景，进一步分析不同高分数据协同利用在农作物识别上的表现差异。【结果】基于GF-1、GF-2和GF-6影像和面向对象的农作物分类在湖北省潜江市研究区的总体精度为95.49%,Kappa系数为0.94；在枣阳市的总体精度为93.78%,Kappa系数为0.92。协同GF-2和GF-6进行农作物分类精度优于协同GF-2和GF-1。此外，基于GF-2进行面向对象的农作物分类效果优于面向像元，其中潜江总体精度提升了1.4%，枣阳提升了1.32%。相比GF...     

桑小头木虱Paurocephala sauteri Enderlein生物学特性研究

近年在海南各植桑区均发现桑小头木虱（Paurocephala sauteri Enderlein）严重为害,桑园被害株率达100%。在我国,该木虱仅记录于台湾省,为我国大陆新入侵害虫。本研究在实验室条件下[(27±1)℃、RH (70±5)%、12L∶12D],采用45日龄桑树扦插苗和离体叶片饲养,对桑小头木虱的发育与繁殖特性及各虫态的形态特征开展观察。结果表明,桑小头木虱生活史包括卵、1~5龄若虫和成虫期。各龄期主要形态特征为：卵呈水滴形,带短的卵柄,端部具细长的端丝,初产时乳白色,待孵化时可见淡红色眼点;1龄若虫头、胸部乳白色,复眼和腹部橘黄色,无翅芽;2~5龄若虫黄绿色,随着龄期增加,体长增加,翅芽随之变化。2龄翅芽出现,稍突起;3龄翅芽较小,呈三角形;4龄和5龄翅芽长椭圆形,其中5龄超过腹部第1节。各龄若虫和初羽化成虫均可分泌白色球形蜡质。雌雄成虫以两性生殖方式繁殖后代,羽化3 d后体色由黄绿色逐渐变为黄褐色并开始交配,交配时间为0.5~3 h,结束交配18~21 h后开始产卵,产卵量为20~42粒。卵单个散产于叶片背面叶脉处,偶尔可见产于新抽嫩叶正面边缘,5~7 d后孵化,孵化率为98.19%,雌性百分率为70.44%。若虫期12~18 d,完成一代的时间为18~24 d。本研究将为桑小头木虱的准确识别与监测,以及防控策略的制定提供前提条件和理论依据。     

基于边缘检测和BP神经网络的大豆杂草识别研究

为提高无人机喷洒除草剂的精准度,以阔叶型杂草、禾本科杂草作为研究对象,针对传统图像识别技术准确率低,边缘信息丢失严重等问题,提出基于改进Canny边缘检测算法和BP神经网络相结合的大豆杂草图像识别方法。首先采用改进后的Canny算法对图像进行特征提取,然后将提取到的结果转化为特征矩阵向量,作为BP神经网络的输入层,最后通过BP神经网络进行大豆杂草图像识别,区分出不同种类的杂草。试验结果表明,改进后的Canny算法同BP神经网络相结合的方法在阔叶型杂草和禾本科杂草识别上,准确率分别为95.67%和93.33%,较传统Canny算法同BP神经网络相结合的方法准确率分别提升5.83%和5.66%。     

几种番茄病毒病的症状识别特征与防治策略

本文简述了番茄斑萎病毒病、番茄黄化曲叶病毒病、番茄褪绿病毒病、番茄花叶型病毒病、番茄蕨叶型病毒病5种主要番茄病毒病的症状识别特征。提出加强植物检疫、选用抗病品种、诱虫板与防虫网联用、切断人为传播和昆虫传播途径、调整定植期、清洁田园环境、合理选择杀虫剂进行杀虫控病等防治策略和防治措施,为番茄产业绿色发展提供了建议和参考。