基于动态集成的黄瓜叶部病害识别方法

对作物病害类型的准确识别是病害防治的前提。为提高病害识别的准确度,以黄瓜叶部病害识别为例,提出一种基于动态集成的作物叶部病害种类的识别方法。首先利用图像分块策略提取病害图像的75维颜色统计特征,然后采用不一致度量方法对构建的10个BP神经网络单分类器进行差异性度量,并按照差异性大小进行排序,最后根据分类器的可信度,动态选择差异性大的分类器子集对病害图像进行集成识别。在由512幅白粉病、霜霉病、灰霉病和正常叶片4类黄瓜叶片组织图像构成的测试集上,所提方法的识别错误率为3.32%,分别比BP神经网络、SVM、Bagging、Ada Boost算法降低了1.37个百分点、1.56个百分点、1.76个百分点、0.78个百分点。试验结果表明:所提方法能够实现黄瓜叶部病害种类的准确识别,可为其它作物病害的识别提供借鉴。     

基于改进灰色关联度和TOPSIS的作物育种材料评价方法

传统基于经验的作物育种材料评价方法,难以适应大规模、程序化、数据化的商业化育种需求,迫切需要一种科学、快速、高效的育种材料评价方法。提出了一种灰色关联度与TOPSIS相结合的作物育种材料评价方法,可根据育种材料的性状表现快速作出综合评价。首先,通过对作物性状进行灰色关联度分析,筛选出与育种目标关联度较大的性状,以此构建综合评价指标体系;然后,组合运用熵权法与专家打分法确定指标权重;最后,基于TOPSIS方法计算每个材料的综合评分,并按评分高低对材料进行排序。选取2015年国家水稻品种区域试验黄淮粳稻A组试验数据进行模型验证,结果表明：所提方法的评价结果与品种区域试验年会审议意见趋于一致,表明所提方法能有效识别出优良品种。该方法已集成到大型商业化育种软件“金种子育种平台”,并在国内两家大型种业企业成功实施应用。     

基于AHP-FCE的农业种植生产基地征信评价模型

针对农业种植生产基地的特殊性、差异性,构建了以征信主体、生产经营、监督检查、质量检测、风险防控、公众反馈为准则,涵盖30余项具体指标的农业种植生产基地信用评价指标体系,并提出了基于层次分析法和模糊综合评价法相结合的农业种植生产基地信用评价模型。首先,利用层次分析法确定准则权重,并通过一致性检验确定所有指标的权重;然后,采用模糊综合评价法建立评价等级,确定隶属度函数,构造模糊关系矩阵,对各项指标进行模糊评价分析;最后,确定生产基地的信用评级和信用状况。为验证模型的有效性,选取2017年度北京市农业农村信息化示范基地的种植生产基地进行征信评价。结果表明:利用该模型得出的评价结果与专家的评价结果趋于一致。该模型可有效地对农业种植生产基地进行征信评价,也可对农业种植生产基地规范化管理、改造和决策提供技术支撑。     

基于块标记的田间叶片损伤区域分割方法

为了在田间开放环境中有效分割叶片损伤区域,该文结合Canny算子良好的边缘提取能力和叶片局部颜色变化相对较小的特征,提出基于块标记的叶片损伤区域分割方法,用于评价叶片损伤程度。使用Android系统手机在晴天大田开放环境中采集木耳菜、西红柿、黄瓜、茄子、桃、彩椒和蛾眉豆7种常见农作物叶片图像,在阴天采集丝瓜、葫芦、甜瓜、茄子和黄瓜5种叶片图像,然后进行分割。该分割算法在晴天和阴天总体的平均正确分类率为97.5%,平均错误分类率为0.3%,并且有较好的目标一致性和边缘清晰度。应用系统对叶片损伤程度的评价结果与手工分割比较,在晴天和阴天采集图像上的平均误差分别为2.340%和1.475%,可较好地应用于晴天和阴天环境。该方法可探索应用于田间植物叶片损伤程度评价。