长兴县杂草稻的分布、特性及发生规律调查

长兴县近年来杂草稻呈逐年加重的发生趋势,发生严重的田块绝收。2017年开展了长兴县杂草稻发生现状的调查,基本摸清全县区域内杂草稻的分布及发生程度等;并结合近年来杂草稻严重发生区域的跟踪观察和个例调查,对全县杂草稻的发生规律进行初步分析,结果为全县水稻生产乡镇杂草稻均有发生,类型较多,伴生性、生长势和野生性较强,分析初始来源为机械传播侵入。     

檀香咖啡豹蠹蛾虫害的树干区域分类研究

目的檀香是一种典型的珍贵树种,但不易成活且常遭受病虫害的干扰。本研究针对受咖啡豹蠹蛾危害的檀香,为提高受害檀香树干区域的分类效果,根据不同区域在颜色和纹理方面的特点,提出了一种复杂背景下受咖啡豹蠹蛾危害的檀香树干区域分类方法。方法(1) 本文首先结合高斯高通滤波、Otsu法、2G-R-B因子以及形态学运算,将树干从复杂背景中提取出来,再通过L*a*b*系统中的L*通道和a*通道将树干分割为健康区域、虫害区域和排泄物区域。(2)提出“多纹理”并使用“相对颜色”特征变换方法以提取图像特征。(3)提出BP神经网络和RBF-SVM相结合的方法对区域进行识别。结果(1) 本文提出的图像分割算法有效地将受虫害危害的檀香从背景中提取出来,并成功分割为健康区域、虫害区域和排泄物区域。(2)与传统PCA处理相比,使用“多纹理”和“相对颜色特征”得到的分类精度有所提高。其中,“多纹理”特征通过差异扩大的方法构建出的图像特征,明显增加了类间方差;“相对颜色特征”则减小了光照对样本的影响,从而减小了类内方差。(3)通过将RBF-SVM与BP神经网络方法相结合,对比发现,使用一种方法进行三分类的精度较低,分别为74.44%和81.11%;两次二分类后提高了精度,分别为87.77%和85.56%;而两种方法相结合的方式所得到的分类精度最高,总体可达91.11%。结论本文通过数字图像对受咖啡豹蠹蛾危害的檀香树干区域进行分类,为该虫害的早期识别以及受损率计算提供了方法,可以有效地减小檀香生长所受危害,提高心材质量,也为数字图像技术在林业中的应用提供了参考。      

物联网技术在我国智慧林业建设中的应用现状及发展策略

智慧林业是现代林业发展的新方向,是改善生态环境、提高林业生产力、促进林业现代化和建设美丽中国的必然要求。物联网技术具有实时感知、快速响应、精确控制等特点,在林业信息感知、获取等方面起着重要作用,是智慧林业的关键技术之一。文中简介物联网相关技术,概述国内外利用林业物联网技术在森林资源监管、林业灾害监控、林业生态监控、林产品安全质量监管等智慧林业建设中取得的应用进展,比较其在国内外智慧林业建设发展现状中的差异,探讨林业物联网技术在标准建设、林业专用传感器研究、林业信息传输、林业信息处理等方面存在的不足,提出我国林业物联网的发展策略,以期为我国林业物联网的发展及智慧林业建设提供参考。     

浙北芦笋园滋生甜菜夜蛾杂草种类调查

系统调查浙北芦笋种植区的主要杂草种类,明确芦笋园的杂草优势种群,并以此为基础,进行可作为重发害虫甜菜夜蛾寄主的杂草种类调查。结果表明,浙北芦笋园夏季常见杂草有12科21种,具体种类有牛筋草、千金子、稗草、马唐、狗尾草、早熟禾、醴肠、小飞蓬、泥胡菜、凹头苋、反枝苋、碎米荠、蔊菜、碎米莎草、马齿苋、藜、铁苋菜、酢浆草、苘麻、田菁、通泉草。甜菜夜蛾可取食为害的杂草按照田间有虫株比例从高到低依次是铁苋菜、凹头苋、马齿苋、马唐、酢浆草。醴肠和小飞蓬上可见甜菜夜蛾幼虫,但未见为害状。甜菜夜蛾作为一种杂食性害虫可取食杂草种类是比较广泛的,芦笋园内杂草是甜菜夜蛾重要的滋生场所和重要宿主。     

面向三江保护区植被类型识别的最佳波段组合研究

[目的]针对高分六号影像数据面向植被类型、特别是湿地植被信息识别的最佳波段组合进行研究,为高分六号数据在湿地资源监测中的进一步应用提供参考.[方法]以三江国家级自然保护区为对象,基于高分六号影像数据,结合当地植被特点,开展保护区植被类型识别中的最佳波段组合研究.从影像信息特征、最佳指数因子以及光谱特征曲线和地物可分性角...     

不同助剂对50%硝?乙?莠去津的减量增效作用

为明确激键、精品硅王、橙皮精油3种助剂对除草剂50%硝?乙?莠去津的增效作用,对夏玉米地杂草进行除草剂常规用量、常规用量减量30%、减量30%+激键、减量30%+精品硅王、减量30%+橙皮精油施用田间防除试验。结果表明：除草剂常规用量、常规用量减量30%、减量30%+激键、减量30%+精品硅王、减量30%+橙皮精油处理对夏玉米地杂草药后30d杂草群体株防效分别为92.46%、70.82%、92.04%、75.29%、91.33%,药后45天防效分别为82.16%、36.63%、88.79%、90.85%、81.92%;药后45d鲜重防效分别为96.42%、89.84%、97.67%、98.12%、97.01%。3种助剂均对50%硝磺草酮?乙草胺?莠去津OD具有减量增效作用,能显著提高除草剂减量施用的防治效果,能达到减量控害的目的。以激健和精品硅王的增效效果较好。     

基于声谱图纹理特征的蛋鸡发声分类识别

为有效地辨别蛋鸡不同类型声音,了解蛋鸡的健康状况以及个体需求,提高生产效率的同时改善蛋鸡福利化养殖,提出一种基于声谱图纹理特征的蛋鸡发声分类识别方法。以海兰褐蛋鸡的声音为研究对象,将图像处理和声音处理技术相结合,由一维声音信号转换为二维图像信号,二维声谱图中的纹理特征呈现了蛋鸡声音的更多细节信息。最后,利用2D-Gabor滤波器提取蛋鸡发声声谱图中的声纹信息,并采用人工神经网络模型进行训练和分类识别。试验结果表明,本文方法平均灵敏度和平均精确度不低于92. 0%,风机噪声识别灵敏度达99. 3%,鸣叫声识别灵敏度最低,为76. 0%。     

基于RGB-D相机的油菜分枝三维重构与角果识别定位

为实现高效低成本的油菜植株三维建模和表型参数在线测量,提出一种基于RGB-D相机的油菜分枝三维重建和角果识别定位方法。使用Kinect传感器拍摄角果期油菜分枝在4个视角下的彩色图像和深度图像,进而获取油菜植株的三维点云并滤波。对配准的点云进行旋转变换,计算点云的曲面法矢量和曲率,并由曲率相近的点构成配对点对,再使用基于KD-tree搜索的最近点迭代(ICP)算法实现点云的初配准。将初配准误差作为参考值,调整ICP算法的对应点距离阈值,使用初配准的操作流程对初配准得到的新点云进行再次配准,完成精配准。结合该三维重建方法和针对性的彩色图像处理方法,得到去除主茎的单分枝油菜角果的完整点云,再进行欧氏聚类实现单个角果的空间定位。实验结果表明,提出的三维重建方法具有较强的实时性和鲁棒性,单个角果的三维形态清晰可见,点云平均距离误差小于0. 48 mm,角果总体识别正确率不小于96. 76%。     

基于机器视觉的水下河蟹识别方法

为了探测河蟹在池塘中的数量及分布情况,为自动投饵船提供可靠的数据反馈,提出了基于机器视觉的水下河蟹识别方法。该方法通过在投饵船下方安装摄像头进行河蟹图像实时采集,针对水下光线衰减大、视野模糊等特点,采用优化的Retinex算法提高图像对比度,增强图像细节,修改基于深度卷积神经网络YOLO V3的输入输出,并采用自建的数据集对其进行训练,实现了对水下河蟹的高精度识别。实验所训练的YOLO V3模型在测试集上的平均精度均值达86. 42%,对水下河蟹识别的准确率为96. 65%,召回率为91. 30%。实验对比了多种目标检测算法,仅有YOLO V3在识别准确率和识别速率上均达到较高水平。在同一硬件平台上YOLO V3的识别速率为10. 67 f/s,优于其他算法,具有较高的实时性和应用价值。     

基于机器视觉的玉米种粒破损识别方法研究

针对玉米种粒在收获、脱粒、贮藏时因各种因素造成损伤和人工选种耗时耗力的问题,提出了一种基于机器视觉的玉米种粒破损检测方法。首先,利用图像获取装置得到单粒玉米种粒图像,通过差影法确定图像噪声种类,采用中值滤波方法对图像进行降噪;其次,标记图像边界,运用灰度阈值法完成玉米种粒图像分割。根据玉米种粒的形态特征分别提取玉米种粒的周长、面积、周长面积比、长轴长、短轴长、长宽比6个几何特征和矩形度、圆形度、紧凑度、7个Hu不变矩10个形状特征,共16个特征。完整玉米种粒和破损玉米种粒图像各50幅作为训练样本,将提取的16个特征分量作为输入量,对支持向量机(Support Vector Machine,SVM)进行训练,输出量为1、0,分别代表"合格""不合格",训练完成后获得玉米种粒的SVM识别模型;另取完整的玉米种粒和破损的玉米种粒图像各50幅作为测试样本,对训练好的SVM模型进行测试。结果表明:该检测方法对玉米种粒破损识别准确率达95%以上,识别100幅玉米种粒图像的时间为1.27s。研究结果为玉米种粒的实时破损检测提供了参考。