寄主昆虫及被害水稻的挥发物对螟蛉绒茧蜂寄主选择行为的影响

利用Y-型嗅觉仪研究了螟蛉绒茧蜂对水稻、二化螟和稻纵卷叶螟幼虫及虫粪挥发物的行为反应.健康水稻苗、两种害虫的幼虫及虫粪的挥发物对螟蛉绒茧蜂雌成蜂都有显著引诱作用.在两种害虫为害水稻苗与健康水稻苗之间,螟蛉绒茧蜂雌成蜂显著地选择虫害苗,但当去除虫害苗中的幼虫和虫粪后,寄生蜂对二者的选择无显著差异.水稻苗以两种害虫唾液处理或机械损伤处理后,其挥发物对螟蛉绒茧蜂的吸引作用无显著改变.在两种害虫幼虫、虫粪及其为害苗的挥发物之间,螟蛉绒茧蜂显著地趋向稻纵卷叶螟幼虫、虫粪及其为害苗.结果表明,螟蛉绒茧蜂栖境定位和寄主选择过程中所利用的挥发物主要来自寄主植物、寄主幼虫和虫粪.     

基于VGG-16卷积神经网络的水稻害虫智能识别研究

为了实现自然场景下水稻害虫实时精准被识别,构建基于VGG-16卷积神经网络的水稻害虫智能识别模型。该模型采用VGG-16卷积神经网络为核心网络结构,根据水稻害虫的个体特征和自然场景,对VGG-16网络的卷积层局部调整,优化主要模型参数,实现水稻害虫的智能识别,其识别的平均准确率是90.7%,实现对沙叶蝉、大螟、斑须蝽、点蜂缘蝽和白背飞虱的准确识别。研究结果显示,采用卷积神经网络技术可以实现自然场景下害虫图像的精准识别,代替人工辨认,提高水稻害虫防治率,实现实时、精准防治的目标。     

基于改进YOLOv7的线虫智能识别研究

线虫存活率是杀线试剂活性测试的重要指标,目前线虫计数多以显微镜下的人工识别方式为主,存在耗时长、准确率低、工作量大等问题,利用卷积神经网络实现线虫的智能识别与计数是解决上述问题的重要途径。本文基于YOLOv7网络架构进行了三方面改进：主干网络添加ECA注意力机制;用EIoU替换原模型损失函数;将原本的激活函数替换为Mish激活函数。对比试验测试发现,改进后YOLOv7模型的mAP达到了95.3%,与SSD、Faster-RCNN等经典目标检测算法相比分别提高12.3、6.2个百分点,在准确率、召回率和F1因子上分别提高了0.6、2.4和1.5个百分点,且减少了冗余信息的干扰,增强了多尺度目标的特征提取能力;提高了重叠黏连线虫目标的检测能力和回归精度。此外,本文基于Vue、SpringBoot等技术开发了一款线虫存活状态检测系统,将该系统与本文改进后的模型部署到服务器,为研究人员提供了方便、高效的线虫死/活状态在线智能识别与计数服务。     

基于YOLOv4-tiny模型的水稻早期病害识别方法

针对现有的卷积神经网络模型过于依赖设备的计算和存储能力、水稻病虫害形状大小不一、遮挡造成的病害特征显著性弱、漏检率高等问题,采用轻量化、易部署的YOLOv4-tiny模型检测和识别水稻病虫害。首先收集831张4种不同的水稻病害叶片图像样本,为了使模型具有更好的泛化能力,对已有数据进行数据增强,将样本数量扩增到了5 320张。然后构建YOLOv4-tiny轻量化模型,与经典的YOLOv4算法模型相比,其主干特征提取网络CSPDarkNet53模块替换为CSPDarkNet53＿tiny,使用CPSnet进行通道的分割,实现了网络模型的压缩并提高了训练速度;添加了FPN结构,对有效特征层进行特征融合;依据模型评价指标,通过试验将YOLOv4-tiny轻量化网络与经典的YOLOv4网络、Faster-RCNN网络、YOLOv4-MobileNet系列轻量化网络、YOLOv4-GhostNet轻量化网络和SSD轻量化网络进行对比。结果表明,YOLOv4-tiny的平均准确率可以达到81.79%,检测速度可以达到90.03帧/s,模型权重大小为22.4 MB,能够比较精准地识别水稻胡麻斑病、白叶...     

基于YOLOv5改进模型的杂交稻芽种快速分级检测

目的 提高杂交稻种子活力分级检测精度和速度。方法 提出了一种基于YOLOv5改进模型(YOLOv5-I)的杂交稻芽种快速分级检测方法,该方法引入SE (Squeeze-and-excitation)注意力机制模块以提高目标通道的特征提取能力,并采用CIoU损失函数策略以提高模型的收敛速度。结果 YOLOv5-I算法能有效实现杂交稻芽种快速分级检测,检测精度和准确率高,检测速度快。在测试集上,YOLOv5-I算法目标检测的平均精度为97.52%,平均检测时间为3.745 ms,模型占用内存空间小,仅为13.7 MB;YOLOv5-I算法的检测精度和速度均优于YOLOv5s、Faster-RCNN、YOLOv4和SSD模型。结论 YOLOv5-I算法优于现有的算法,提升了检测精度和速度,能够满足杂交稻芽种分级检测的实用要求。     

基于改进YOLOv7的水稻害虫识别方法

为解决水稻害虫体型小且不同类型害虫外观差异小、同类型害虫不同生长过程中外观差异大导致水稻害虫难以识别的问题,将卷积块注意力和特征金字塔模块引入图像识别网络YOLOv7。以湖北省鄂州市水稻种植基地为样本采集点,构建一个具有挑战性的大规模水稻虫害数据集;根据样本分布特点进行数据增强,引入随机噪声、Mixup、Cutout等数据增强方法,使深度学习模型从更深的维度学习害虫判别力视觉特征;将MobileNetv3作为主干网络,对YOLOv7网络进行改进,并构建基于特征金字塔的多尺度神经网络模型,提升小个体害虫的识别精度。试验结果显示,基于改进YOLOv7的水稻虫害检测平均准确率为85.46%,超越YOLOv7、EfficientNet-B0等网络。改进YOLOv7模型大小为20.6 M,检测速度为92.2 帧/s,检测速度是原始YOLOv7算法的5倍以上。结果表明,该方法能用于实现水稻虫害远程实时自动化识别。     

基于YOLOv4的胡瓜钝绥螨自动检测计数

针对胡瓜钝绥螨体积小、与粉螨相似、难以分类计数问题,提出一种基于YOLOv4胡瓜钝绥螨自动检测计数方案。在多时间段、分批次拍摄螨虫照片制作数据集,通过构建YOLOv4深度学习模型对螨虫图像进行特征提取和高精度分类检测。结果表明,基于YOLOv4的螨虫识别模型能在图像存在杂质且螨虫相连情况下准确检测胡瓜钝绥螨,平均检测单幅图片耗时约0.137 s。在测试集中对胡瓜钝绥螨检测精度达到99.45%,粉螨检测精度达到93.94%。对胡瓜钝绥螨和粉螨检测精度均值(mAP)达到96.69%,分别比YOLOv4-Tiny、YOLOv3、Faster-RCNN、EfficientDet模型高14.85、2.12、35.77、27.18百分点。设计螨虫GUI(图形用户界面)品质监控界面,方便检测人员操作。本研究提出的检测方案具有很高的应用价值,能够精准、快速识别胡瓜钝绥螨,可为胡瓜钝绥螨养殖质量检测提供技术支撑。     

水稻主要害虫为害特征与综合防治

总结了6种水稻害虫(稻蛀螟、稻飞虱、稻纵卷叶螟、稻蓟马、稻象甲和稻叶蝉)的识别与防治技术。     

基于YOLOv5-C的广佛手病虫害识别

【目的】为实现复杂背景下广佛手发病早期的病虫害快速精准识别,提出一种基于YOLOv5-C的广佛手病虫害识别方法。【方法】使用YOLOv5s网络模型作为基础网络,通过引入所提出的多尺度特征融合模块,提高网络模型的特征提取与特征融合能力,均衡提高每一类广佛手病虫害的识别准确率;使用注意力机制模块提高网络模型对病虫害目标特征信息的关注度,弱化复杂背景的干扰信息,提高网络模型的识别准确率;利用改进的C3-SC模块替换PANet结构中的C3模块,在不影响网络模型识别性能的条件下减少网络模型的参数。【结果】基于YOLOv5-C的复杂背景下的广佛手病虫害识别,F1分数为90.95%,平均精度均值为93.06%,网络模型大小为14.1 Mb,在GPU上每张图像平均检测时间为0.01 s。与基础网络YOLOv5s相比,平均精度均值提高了2.45个百分点,7个类别识别的平均准确率的标准差由7.14减少为3.13,变异系数由7.88%减少为3.36%。平均精度均值比Retina Net、SSD、Efficientdet和YOLOv4模型分别高22.30、20.65、4.84和2.36个百分点。【结论】该方法...     

江苏省蜡蝉总科两新纪录科(半翅目:蝉亚目)

报道了江苏省蜡蝉总科2新纪录科,即袖蜡蝉科(Derbidae)和颖蜡蝉科(Achilidae);袖蜡蝉科2新纪录种,即红袖蜡蝉(Diostrombus politus Uhler 1896)和甘蔗长袖蜡蝉(Zoraida pterophoroides Westwood,1851);颖蜡蝉科1新记录种,即印度卡颖蜡蝉(Caristianus indicus Distant,1916).记述了2新纪录科的简要识别特征、世界及中国的分布;3新纪录种的别名、识别特征、寄主、江苏省及世界和中国的分布.     

基于改进YOLOv3的水稻叶部病害检测

为了解决水稻小病斑检测不准确的问题,提出一种基于改进YOLOv3的水稻叶部病害检测方法Rice–YOLOv3。首先,采用K–means++聚类算法,计算新的锚框尺寸,使锚框尺寸与数据集相匹配;其次,采用激活函数Mish替换YOLOv3主干网络中的Leaky Relu激活函数,利用该激活函数的平滑特性,提升网络的检测准确率,同时将CSPNet与DarkNet53中的残差模块相结合,在避免出现梯度信息重复的同时,增加神经网络的学习能力,提升检测精度和速率;最后,在FPN层分别引入注意力机制ECA和CBAM模块,解决特征层堆叠处的特征提取问题,提高对小病斑的检测能力。在训练过程中,采用COCO数据集预训练网络模型,得到预训练权重,改善训练效果。结果表明：在测试集下,Rice–YOLOv3检测水稻叶部3种病害的平均精度均值(mAP)达92.94%,其中,稻瘟病、褐斑病、白叶枯病的m AP值分别达93.34%、89.68%、95.80%,相较于YOLOv3,Rice–YOLOv3检测的m AP提高了6.05个百分点,速率提升了2.8帧/s,对稻瘟病和褐斑病的小病斑的检测能力明显增强,可以检测出原...     

香根草在水稻螟虫绿色防控中的应用效果

为推广实施水稻病虫绿色防控技术,开展了香根草种植诱杀水稻螟虫试验。通过调查,田埂种植香根草大螟2代和3代危害穴率分别达到92.3%和82.4%,种植香根草的田块水稻枯心率显著低于未种植区。香根草诱控大螟产卵效果显著,可以有效减轻大田螟害。     

病虫害对五个大豆主产国大豆产量的影响

美国、巴西、阿根廷、中国、印度五国是世界大豆主产国,世界上近90%的大豆产量来自这五个国家。病虫害的发生,常引起大豆产量减产,给这五个国家大豆生产带来了不同程度的损失。本文概述了这五个国家大豆常见病虫害对大豆产量的影响。总结出影响五国大豆产量较严重的病害为锈病、孢囊线虫病、褐斑病、炭疽病、炭腐病;害虫主要有黎豆夜蛾、斜纹夜蛾、稻绿蝽。为五个国家大豆病虫害防治研究提供信息。     

基于Snake模型的水稻灯诱害虫轮廓提取方法的研究

[目的]建立基于Snake模型的水稻灯诱害虫轮廓提取方法.[方法]在matlab编程环境下,以3种常见水稻灯诱害虫（大螟、二化螟和直纹稻弄蝶）不同姿态图像为研究对象,提出了基于贪婪算法的Snake模型水稻灯诱害虫轮廓提取方法.[结果]首先选择不同姿态害虫的初始轮廓和能量权重;其次采用贪婪算法成功提取不同种类、不同姿态的水稻灯诱害虫轮廓;最后设计了GUI操作界面.[结论]该模型为带有虫体残缺、姿态各异的灯诱害虫形态特征提取提供了参考.     

南京地区3种越冬水稻螟虫耐寒力比较

采用测定过冷却点的方法比较了南京地区同一越冬时期二化螟、三化螟和大螟的耐寒能力及其不同越冬期耐寒能力的变化。结果显示 :越冬中期老熟螟虫的过冷却能力以三化螟最高、二化螟次之、大螟最低 ,越冬后期三化螟过冷却能力仍高于二化螟 ;三化螟和二化螟体内含水量显著低于大螟 ,说明其过冷却能力的差异与体内含水量有一定关系 ;大螟的过冷却点随温度降低和龄期的增加而升高 ,表明其以耐冻对策越冬 ,而三化螟和二化螟过冷却点则随温度的降低而降低 ,表明其以避冻对策越冬     

杀虫剂配比对水稻大螟的生物活性测定

为比较内吸性杀虫剂不同混配比例对水稻大螟的防治效果,采用水稻茎秆对药剂的内吸性进行水稻大螟的生物测定。结果表明:内吸性强毒力性高的药剂和内吸性弱毒力性差的药剂复配时,前者药剂所占比例越大,混合后效果较好;内吸性强毒力性弱的杀虫剂与内吸性弱毒力性强的杀虫剂复配时,将增强药剂的作用效果。     

稻螟蛉幼虫空间分布型的研究

在第3，4代稻螟蛉幼虫盛发期，测定了田间幼虫空间分布格局。其水平分布属于聚集分布中的奈曼分布，垂直分布幼虫多集中在稻株中上部叶片。     

中药鸡骨草田间节肢动物群落研究初报

鸡骨草害虫和天敌的组成及变化规律,是鸡骨草害虫生物防治的基础及理论依据。通过定期随机调查表明:鸡骨草生长期,田间节肢动物涉及10目25科36种,主要害虫为稻绿蝽、稻棘缘蝽、斑腿蝗、中华稻蝗、棉蚜;优势天敌是小步甲、丽草蛉、异色瓢虫、天幕毛虫黑卵蜂、绒茧蜂;5至7月上旬是群落的建立阶段,7月上旬至9月上旬为群落发展阶段,9月下旬至11月底为群落消解阶段;6月下旬至7月上旬是主要害虫的发生高峰期;7月初至8月是优势天敌发生高峰;鸡骨草生长中后期,田间天敌发生稳定,基本能控制害虫的发生。     

几种农药对稻纵卷叶螟防治效果的研究

小区和田间大面积示范试验结果表明，Ｂ．Ｔ．乳剂加杀虫双对稻纵卷叶螟的防效达８５％以上，可同时兼治稻苞虫、粘虫 稻螟蛉，同时具有对天敌影响小、使用方便、成本低等特点，是稻田害虫综防的良好药剂。