LED杀虫灯对鸡腿菇害虫的诱集效果

试验选用不同颜色LED杀虫灯诱集鸡腿菇害虫,调查危害鸡腿菇的害虫种类,研究不同颜色杀虫灯对害虫的诱集效果。结果表明:食用菌主要害虫为双翅目害虫,眼蕈蚊科是优势害虫,占70.66%,其次为瘿蚊科和蚤蝇,分别占17.50%、5.18%。绿色、白色、黄色杀虫灯对害虫总量的诱集效果远高于蓝色和粉色杀虫灯,而且前三种杀虫灯对鸡腿菇眼蕈蚊科的诱集效果好于后两种;绿色杀虫灯对瘿蚊科的诱集效果明显优于其他灯具;蓝色杀虫灯对蝇科有更好的诱集效果。在五个杀虫灯中,绿色对许多重要的害虫显示出良好的诱捕效果,包括眼蕈蚊科,瘿蚊科,和蚤蝇科。     

基于MS-YOLO v7的多尺度稻飞虱识别分类方法

智能虫情测报灯下害虫的精准识别和分类是实现稻田虫情预警的前提,为解决水稻害虫图像识别过程中存在分布密集、体态微小、易受背景干扰等造成识别精度不高的问题,提出了一种基于MS-YOLO v7（Multi-Scale-YOLO v7）轻量化稻飞虱识别分类方法。首先,采用稻飞虱害虫诱捕装置搭建稻飞虱害虫采集平台,获取的稻飞虱图像构成ImageNet数据集。然后,MS-YOLO v7目标检测算法采用GhostConv轻量卷积作为主干网络,减小模型运行的参数量;在Neck部分加入CBAM注意力机制模块,有效强调稻飞虱区别度较高的特征通道,抑制沉冗无用特征,准确提取稻飞虱图像中的关键特征,动态调整特征图中不同通道的权重;将SPPCSPS空间金字塔池化模块替换SPPFS金字塔池化模块,提高网络模型对各分类样本的特征提取能力;同时将YOLO v7模型中的SiLU激活函数替换为Mish激活函数,增强网络的非线性表达能力。试验结果表明,改进后的MS-YOLO v7在测试集上的模型平均精度均值（Mean average precision,mAP）为95.7%,精确率（Precision）为96.4%,召回率（Recall）为94.2%,与Faster R-CNN、SSD、YOLO v5、YOLO v7网络模型相比mAP分别提高2.1、3.4、2.3、1.6个百分点,F1值分别提高2.7、4.1、2.5、1.4个百分点。改进后的模型内存占用量、参数量、浮点运算数分别为63.7MB、2.85×107、7.84×1010,相比YOLO v7模型分别缩减12.5%、21.7%、25.4%,MS-YOLO v7网络模型对稻飞虱种间害虫均能实现高精度的识别与分类,具有较好的鲁棒性,可为稻田早期稻飞虱虫情预警提供技术支持。     

植保无人驾驶航空器在苏北地区的应用——以盐城市为例

植保无人驾驶航空器作为一种新型农机装备,具有作业适应性广、易操作、效率高、安全可靠等优势,在农业植保领域得到了快速推广和应用。文章以盐城市为例,探讨植保无人驾驶航空器在农业植保中的应用现状,总结分析不同型号航空器的技术优势和作业特点,针对关键技术研究、行业管理体系和专业机手培养提出发展建议。