基于图像分割与卷积神经网络的水稻病害识别

为了提高水稻病害计算机视觉识别的准确性,研究提出针对水稻白叶枯病、赤枯病、胡麻斑病和纹枯病4种病害进行分类识别的模型。利用计算机视觉和机器学习软件库opencv对病斑图像进行随机旋转、随机翻转、随机亮度变换及随机对比度等处理方式扩充样本,应用区域生长、基于水平集的CV模型、显著性检测3种算法对图像进行分割。通过Tensorflow深度学习平台,构建网络层分别为6层（输入层32×32×3,卷积核大小为5×5）和8层（输入层227×227×3,卷积核大小为11×11、5×5、3×3）的卷积神经网络,将图像分割后得到的3组数据,均以8∶2的比例分别作为卷积神经网络的训练数据和测试数据,训练后得到6个模型,并结合召回率、F1评价指标对模型进行评估。结果表明,6个模型中训练识别准确率最低为97.66%,测试识别准确率最低为95.31%,其中以显著性检测分割算法和8层网络层的卷积神经网络结合得到的模型效果最佳,其训练识别准确率为99.99%,测试识别准确率为99.88%,相较于端到端的卷积神经网络水稻病害识别结果也有所提升。     

安徽省水稻主要病害的识别与防御措施

安徽肖水稻栽培地处南北过渡地带．气候较为复杂,痛害发生严重该文就安徽省水稻主要病害稻瘟病、纹枯痛、白叶枯病、病毒痛（条纹叶枯痛、水稻矮缩病）以及部分后期痛害（稻粒黑粉病、稻曲病、叶尖枯病、云星病）等危害症状识别进行阐述,并提出相应的防治措施．旨在为安徽省水稻痛害防御提供参考。     

基于贝叶斯分类器的水稻病害识别处理的研究

研究应用逐步判别分析方法,对三种寒地水稻常见病害组合成4个不同的参数集,将参数进行筛选,剔除多余参数,最后使用贝叶斯差别法进行分类识别。实验结果表明,使用逐步判别分析方法能有效的保留识别参数的准确性,为后续的识别奠定了良好的基础,识别的准确率提高至97．5％,该方法可以应用于对寒地水稻病害的识别。     

水稻旱育秧苗期主要病害的识别与防治

阐述了水稻旱育秧苗期主要病害黄(白)化病、立枯病和恶苗病的发生症状与发生原因,并提出了防治方法。     

水稻2种细菌性病害的识别与防治

介绍了水稻2种细菌性病害———水稻细菌性褐条病和水稻细菌性褐斑病的发生规律、危害症状,并从农业防治和化学防治2方面提出了综合防治措施。农业防治措施包括因地制宜选择抗病、耐病品种,合理搭配施用氮、磷、钾肥,采用浅—湿—干间歇灌溉,适时晒田等;化学防治可进行种子处理和药剂喷施。     

深度学习在农作物病害识别中的研究进展

农作物病害是严重影响农业生产的关键因素之一。近年来,深度学习技术迅速发展,其在农作物叶部病害检测和识别领域的应用逐渐受到关注。本文对基于深度学习的农作物病害识别方法进行总结,分析了该技术在农作物病害识别中的应用,从田间环境、成本和数据量等方面入手探讨其需要解决的一些问题,并对其发展进行了展望,为今后农作物病害识别的深入研究与发展提供参考。     

基于多光谱成像技术的水稻叶部病害检测装置设计与试验

为实现田间环境下水稻叶部病害的快速诊断,设计了一种基于多光谱成像技术的水稻叶部病害便携式检测装置.该装置主要由多光谱图像采集软件、高功率LED驱动电路、图像采集触发电路和USB接口通讯电路4个部分组成.以感染水稻稻瘟病、胡麻叶斑病、细条病水稻以及健康水稻的叶片为研究对象,采集了460、520、590、630、660、710、730、760、800、850、900和940 nm共12个波段下的光谱图像信息.主成分分析结果表明：第一主成分(PC1)和第二主成分(PC2)的累计方差贡献率为91.19%;稻瘟病、胡麻叶斑病和细条病在PC1和PC2得分图上具有各自聚成一类的趋势.基于12个波段反射率构建的支持向量机模型对稻瘟病、胡麻叶斑病和细条病的总体识别正确率为97.44%,Kappa系数为0.965 1,识别效果较好.表明利用自主研发的便携式多光谱成像装置结合化学计量法可实现水稻叶部病害的快速诊断.     

水稻病害发生症状识别及防治技术

目前我县水稻已进人孕穗期,特别是进入7月份以后受温湿度的影响,水稻病害有发生与流行趋势.根据田间调查,水稻病害主要有稻瘟病、胡麻斑病、叶鞘腐败病等病害在我县已零星发生。据调查我县一些稻农并不了解水稻各病害症状,凡发现有褐色病斑都误认为是稻瘟病,盲目用药,这样不但给稻农带来经济损失还延迟病害防治最佳时期,为了不让农民走弯路减少稻农经济损失,下面把水稻病害症状及防治技术介绍如下：     

稻米品质检测技术的研究进展

综述了我国近年来稻米品质检测技术的研究现状与应用。从碾米品质、外观品质、营养品质、蒸煮品质、食味品质5个方面阐述了稻米品质检测技术的研究进展与应用以及存在的问题,并对今后稻米品质检测技术的发展作出展望。     

基于ASP技术的水稻病害管理系统的设计与实现

选用Dreamweaver8作为系统的前端开发平台、IIS组件作为Web服务器,采用ASP+Access的开发模式,以数据库为核心,实现对水稻病害信息的动态管理.本系统有比较完善的后台管理系统,包括对病害信息的查询、添加、修改、删除等功能.     

水稻恶苗病的研究进展

分别从病原菌的生物学特性、病原菌的抗药性、品种抗性、病害发生规律、影响因子、致病生理生化以及防治药剂的筛选等方面综述了水稻恶苗病的研究进展.     

桃病害防治技术研究进展

桃是我国重要的栽培果树,营养丰富,适应力强,栽培范围广泛.近年来,由于品种结构不良、栽培管理技术滞后、树龄老化等问题,桃病害发生严重,直接影响桃果的产量和质量,日益成为桃生产的主要限制因素.该研究通过对相关文献报道的回顾,对桃流胶病、疮痂病、褐腐病、炭疽病、灰霉病、细菌性穿孔病6种常见病害的病原菌、病害症状以及防治措施等进行了归纳,对桃病害研究现状及问题进行了探究,以期为桃病害的研究提供理论参考.     

基于高光谱成像技术鉴别大米品种

大米品质与品种密切相关,因此品种鉴别对实施“优质粮食工程”具有重要意义。采集外观相似的6个品种共600粒大米的高光谱反射率数据,经过多元散射校正（MSC）、二阶导数（2ND）和标准正态变换（SNV）对光谱数据进行预处理。利用连续投影算法（SPA）和主成分分析（PCA）对光谱数据降维。以灰度共生矩阵（GLCM）提取特征波长对应灰度图像的纹理特征。应用全波段、特征波段、纹理特征以及光谱-纹理特征融合数据分别建立基于支持向量机算法（SVM）的品种鉴别模型。结果表明,光谱-纹理融合特征的分类准确率最高,达到94.12%。利用乌鸦搜索算法（CSA）对模型参数进行优化后,准确率达96.57%。因此,光谱-纹理特征组合下的支持向量机结合乌鸦搜索算法能充分利用高光谱图像的光谱和纹理信息,实现对大米品种的快速无损鉴别。     

稻谷干燥技术及品质评价的研究进展

综述了稻谷干燥技术及工艺、稻谷干燥品质研究方面所取得的成果,并探讨了干燥工艺与稻谷干燥品质之间的关系,以期为稻谷干燥技术的研究提供参考。     

植物激素生理作用与检测技术的研究现状及进展

植物激素作为植物体内的痕量分子,对于调节植物的各种生长发育过程和环境的应答具有十分重要的意义,因此对于植物激素的检测技术就要不断创新和提高。综述了植物激素的生理作用和各种检测技术的研究现状与进展。     

食品微生物检测技术研究进展

随着食品工业的迅速发展,建立食品病原微生物的快速检测方法对于食品质量控制和监管及人们健康有着重要的意义。从培养生理特征、免疫学特征、遗传分子特征及生物传感器等4个方面对近年来食品微生物快速检测方法进展进行综述。     

我国水稻机械化插秧技术研究进展

水稻是我国主要的粮食作物,对水稻机械化插秧技术进行研究具有十分重要的意义。该文介绍了对水稻机械化插秧技术进行研究的背景,综述了水稻机械化插秧技术的研究意义及其国内外研究进展,并从社会因素、人为因素和技术因素等方面,提出了我国机械化插秧技术所存在的问题和展望。     

马铃薯病毒检测技术研究进展

介绍马铃薯病毒种类、马铃薯病毒病发生症状、马铃薯病毒的传播方式,总结马铃薯病毒检测技术的研究进展,并对其发展前景进行了展望。