1996年葫芦岛地区玉米叶部病害大流行特点及原因

1996年玉米叶部病害在葫芦岛市大发生,此病发展速度之快和危害损失之严重,在该市历史上尚属首次。据不完全统计,全市播种的9．28万hm2玉米中,病害发生面积6．67万hm2,占种植面积的71．840;减产9成以上近于绝收的面积0．57万hm2,占发生面积的8．5％,全市共损失粮食1．75亿kg。1玉米叶部病害发生特点玉米叶部病害主要以弯孢菌叶斑病[Currularialuata(Wokker）Boed]为主,混以发生玉米大斑病、小斑病、灰斑病等病害。弯抱菌叶斑病是继玉米大斑病、小斑病、圆斑病之后的又一种新的玉米叶部流行性病害,此病害近年在北京郊区和河北省的…     

基于Fisher判别分析的玉米叶部病害图像识别

 【目的】利用计算机视觉技术实现玉米叶部病害的自动识别诊断。【方法】在大田开放环境下采集病害图像样本,综合应用基于H阈值分割、迭代二值化、图像形态学运算、轮廓提取等算法处理病害图像,抽取病斑,提取病害图像的纹理、颜色、形状等特征向量,采用遗传算法优化选择出分类特征,并利用费歇尔判别法识别普通锈病、大斑病和褐斑病3种玉米叶部病害。【结果】研究中提取了墒、相关信息测度、分形维数、H值、Cb值、颜色矩、病斑面积、圆度、形状因子等28个特征向量,利用遗传算法优选出H值、颜色矩、病斑面积、形状因子等4个独立、稳定性好、分类能力强的特征向量,应用费歇尔判别分析法识别病害,准确率达到90%以上。【结论】综合运用数字图像处理技术、图像纹理、颜色、形状特征分析方法、遗传算法、费歇尔判别分析方法可以有效识别基于田间条件下采集的病害图像,为田间开放环境下实现大田作物病虫害的快速智能诊断提供借鉴。     

生姜叶部病害防治

近年来生姜叶部病害发生较为普遍和严重，若不及时防治，会给生产带来较大损失。     

玉米叶部病害流行动态及预测预警研究进展

玉米叶部病害发生危害日趋严重,已成为我国玉米产区的主要病害。作者结合近年来对玉米叶部病害流行动态及预测预警研究工作基础,根据植物病害流行学原理以及相关研究报道,系统综述了我国玉米叶部病害发生危害、病害流行动态预测模型构建、病害损失估计、新型栽培模式对玉米叶部病害流行影响等方面的研究进展。     

玉米生长期叶部病害图像识别预处理研究

针对玉米生长期叶部病害的图像,引入图像模式识别技术,实现病害图像的预处理。基于传统算法的不足,提出一种改进的小波图像增强算法,提高了图像的识别精度;深入研究了病害图像的直方图均衡化预处理、基于矢量中值滤波的图像增强操作算法,并引入超绿特征值进行图像分割,从而实现了对目标图像的去噪、增强,为下一步的特征提取与病害识别打下了良好基础。     

探究基于图像处理技术的黄瓜叶部病害识别诊断系统

本文重点探讨基于图像处理技术的黄瓜叶部病害识别诊断系统,经过实践证明,该系统能够更为准确、快速识别黄瓜叶部病害,值得在农业生产中广泛推广。     

基于图像处理技术的玉米叶部病害识别研究

本文结合玉米作物病害的图像特征,首先进行图像的预处理,实现叶部病斑的分割;随后以6个参量来描述玉米叶部病斑的形状特征;将图像由RGB坐标向HSI坐标系统转换,提取参量描述病斑颜色特征;采用灰度共生矩阵提取玉米叶部病斑的纹理特征;引入粒子群优化算法对传统神经网络算法进行改进,使之具备准确分类并识别玉米叶部病害的能力;最后构建了玉米叶部病害图像识别系统,并通过实验与比较,证明了所构建的系统识别病害的准确度。     

基于颜色分量与直方图的玉米苗期背景分割方法研究

对土壤背景进行有效分割是玉米苗期田间杂草识别的前提和基础。本研究利用颜色分量G-R和G-B与灰度直方图来实现玉米苗期图像与背景图像的分割,解决了玉米苗期田间杂草识别中受影响及环境适应性差等问题。通过对不同环境下苗期玉米图像的植被颜色和背景颜色分量的统计分析表明,采用G-R和G-B双阈值颜色特征分割,进行土壤背景分离取得了很好的效果。     

玉米病害图像分割系统开发

为了提高玉米病害叶片图像分割的准确性和设计相应的图像分割系统,采用迭代阈值分割算法和形态学中的开闭运算相结合的方法对玉米病害图像进行分割,使用VB和MATLAB的混合编程设计开发玉米病害图像分割系统.运行结果表明,该分割方法对玉米病害图像有很好的分割效果.     

基于改进颜色特征的小麦病害图像识别技术研究

[目的]介绍一种根据小麦病害图像的颜色特征进行病害识别的方法。[方法]首先对小麦叶部图像进行预处理,利用小波变换进行病害部位增强和去噪;然后基于病害部位的非绿特征进行图像分割,得到只包含病害像素的图像;对病害图像颜色进行统计,得到R、G、B分量的均值,并用相对于绿色分量的均值比作为颜色特征值;最后通过分析样本图像得到每种病害的特征值范围,利用颜色特征值对未知样本进行病害识别。[结果]采用该方法对小麦叶锈病、条锈病、白粉病进行识别,平均准确率达到98%。[结论]为小麦病害的诊断与诊治提供了理论依据。     

玉米弯孢菌叶斑病研究进展

玉米弯孢菌叶斑病[Curvularialunata(Wakker)Boed．]是我国新近几年玉米上发生的重要病害。其危害性在一些地区已经超过大小斑病,成为主要玉米病害．国内外关于该病害的研究,在寄主方面主要侧重在抗病性、抗病性遗传及品种抗病性鉴定上。在我国,普遍缺少高度抗病的品种和自交系,抗病的品种和自交系的遗传背景和抗病基因也不清楚,目前主推的品种遗传基础过窄,是寻找多抗品种的主要障碍．在病原菌方面,我国以新月弯孢菌气生变种（Curvularialunata）危害玉米为主,该病菌致病性和产毒能力都很强,不同地区的病菌菌株存在致病力的差异,但其遗传背景和相互关系尚需深入研究。该病害蔓延快,危害重,应引起广泛重视．     

玉米杂交种对弯孢叶斑病抗性鉴定

[目的]为弯孢叶斑病的抗性育种提供理论依据。[方法]以郑单958为对照,采用人工喷雾对14个玉米杂交种接种玉米弯孢叶斑病菌,统计病情指数,鉴定抗病性。[结果]随着时间的增长,供试材料病情越来越严重,病株率、病叶率越来越大,发病程度逐渐加深,发病的部位由下而上逐渐上升。供试材料之间抗性存在极显著差异。系02-49×(齐318×A015①)的病情指数最小,为14.31%,然后是051024为15.55%,(齐319×A014①-2)×(B37941×A014)为26.44%,(B37941×A014)×(齐319×A014①-2)为32.63%,对照郑单958为37.09%;(A013×52106①)×系803的病情指数最大,为85.50%。[结论]14个玉米杂交种之间抗性差异较大,系02-49×(齐318×A015①)与051024的抗病性最强,(A013×52106①)×系803对弯孢叶斑病最感病。     

玉米尾孢菌叶斑病及其抗性育种研究现状

玉米尾孢菌叶斑病是由玉蜀黍尾孢菌(Cercospora zeae-maydia Tehon&Daniels)引起的真菌性病害,近年来已成为危害我国玉米生产的一个主要病害.为此,综述了玉米尾孢菌叶斑病的症状、发生规律以及病原菌特征,并对该病害的综合防治措施进行了分析,提出选育和推广抗病品种是最为有效的途径.在我国玉米种质...     

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。     

图像处理技术在玉米叶面积测量中的实际应用

要 通过图像处理法,利用图像像素比值和参考物法测量玉米叶面积。图像处理法与CI202叶面积仪法测定叶面积的相关系数为 0.9479,图像处理法与剪纸法比较相关系数 R₂为0.9382,图像处理法与LI-3100台式叶面积仪R₂分别为 0.8561,证明图像处理法与其他3种方法测量结果相关性较高,适合于室外大批量、快速、准确玉米叶面积测量。是对现有各种叶面积仪测量叶面积的有益补充,而不是取代。     

基于G-MRF模型的玉米叶斑病害图像的分割

【目的】图像分割是作物病害自动识别系统实现的难点之一,前人研究大多采用基于阈值或聚类的分割算法,方法简单、易于实现,但分割精度较低。本文引入高斯模型的Markov随机场分割模型(G-MRF),对玉米叶部病斑图像进行分割试验,以期提高分割精度。【方法】在VC6.0下实现了G-MRF分割模型,G-MRF既利用了图像像素的灰度信息,又通过像素类别标记的Gibbs光滑先验概率引入了图像的空间信息,是能较好地分割含有噪声图像的算法。采用该算法对大斑病、小斑病、灰斑病和弯孢菌叶斑病等4种主要玉米叶部病害的图像进行了分割测试,并与基于阈值和基于Gauss模型的分割算法进行比较。【结果】基于G-MRF分割模型的分割,目标区域的一致性和边缘的清晰方面明显好于基于阈值和Gauss模型的分割算法,其平均正确分类率达96.35%,分别较基于阈值和基于Gauss模型的分割算法高出3.75%和4.03%,差异达到显著水平。【结论】基于G-MRF模型的分割算法鲁棒性高,能够有效地将病斑区域从叶片部分离,分割正确分类率达96.35%,可用于玉米叶斑类病害图像的分割。     

基于病斑特征融合的烟草病害图像检索方法

针对目前烟草病害诊断专家系统依靠肉眼获取病害特征,致使病害诊断存在不确定性、误判等现象,提出了一种基于病斑特征融合的烟草病害图像检索方法以诊断病害。通过图像处理技术分割病害图像病斑,提取病斑的颜色、纹理、形状特征,依据双编码遗传算法和支持向量机识别病害模型对病斑特征降维,以获取表征病害的有效特征及权重。将有效特征归一化处理后与病害图像数据库系统中的病斑特征进行图像相似度距离计算,按距离大小返回一批相似图像,依据相似图像获取病害描述及防治措施。以烟草7种常见病害进行试验表明,融合病斑的颜色、纹理、形状特征检索病害图像,查准率和查全率明显比用单个特征检索的高。用这种方式诊断烟草病害,不但有较高的病害识别率,还能使诊断结果可视化,将其用于烟草病害诊断专家系统,将提高系统的鲁棒性,为实现病害的远程在线诊断提供条件。