水稻纹枯病的发生情况及综合防治现状

水稻纹枯病作为水稻种植过程中较为严重的病害,会造成水稻的产量减少,对水稻的质量以及种植水平产生了巨大威胁。水稻纹枯病的防治可以有效地提升水稻的产量,为农业经济的发展打下坚实的基础。本文主要讲述了水稻纹枯病的发生情况及综合防治现状,仅供交流参考。     

水稻种植中的抗病技术及其防治方法总结

随着经济水平和科学技术的不断进步,我国的农业技术也得到了很大的提高。我国是农业种植大国,在水稻的种植上占据很大的优势。农业技术在水稻种植上的普及应用,使得水稻种植产业也得到了极大的发展,促使水稻产量不断增加,有效缓解粮食紧张的问题。然而在水稻种植的实际进程中,仍然存在不可避免的病虫灾害问题。如果不及时对这些问题采取有效措施进行解决,那么就会给水稻的正常生长造成严重影响,不能实现水稻的顺利丰收。文章主要针对水稻种植中的抗病技术及其防治方法进行分析探讨,以解决水稻种植中存在的病害问题,使水稻得到良好健康的生长。     

寒地水稻恶苗病的发生与防治

<正>水稻恶苗病(Rice Bakanae Disease)是由(Fusarium moniliforme Sheld)引起的水稻真菌性病害,又称徒长病,中国各稻区均有发生。由于推广药剂浸种措施,病害有所控制,但是随着种植面积的扩大,再加上有的稻区采取的浸种措施不当,使恶苗病在一些稻区的病情有所加重。水稻恶苗病是我省水稻的主要病害,发生越来越普遍,危害日益严重,该病发病后病株多数早病死,少数能抽穗,但穗小,籽粒不饱满,减产严重,一般减产10～20%,严重时达50%以上,给水稻生产造成巨大损失。     

用节水抗旱稻解决水稻直播存在的问题

水稻直播存在的"整田质量要求高""水稻旱播苗期病害重""后期容易倒伏"问题限制了直播技术的推广应用。笔者通过开展节水抗旱稻栽培试验,探索解决上述问题。试验结果表明节水抗旱稻种植大大降低了水稻直播的整田成本,降低了病虫害发生率,提高了出苗率、成穗率和结实率,推广应用前景十分广阔。     

水稻条纹叶枯病的综合防治技术

水稻条纹叶枯病是由灰飞虱传播水稻条纹病毒引起的水稻病害。由于近几年稻田套播面积的扩大、连续的暖冬气候条件以及水稻感病品种的种植等原因,导致灰飞虱越冬虫量大、带病毒率提高,该病的发生程度也不断加重,并已上升为扬中市水稻生产上的主要病害之一,对水稻生产构成严重威胁。由于该病是一种病毒病,水稻感染后,目前还没有十分有效的药剂进行防治,所以防治水稻条纹叶枯病最有效的措施就是对传毒媒介灰飞虱进行控制。在预测到水稻条纹叶枯病将要大流行时,要及时采取“预防为主,治虫防病”的策略,实行“治麦田保秧田、治秧田保大田、治大田…     

植保无人机喷施雾滴在水稻群体内的沉积分布研究

民以食为天,食以稻为先.水稻是浙江省播面最大、总产最高的粮食作物.2019年浙江省水稻种植面积627.52千公顷、产量462.06万吨,分别占全省粮食播种总面积、总产量的64.20％和78.03％.水稻病虫害种类繁多,据不完全统计目前水稻病害61种、虫害78,共计139种.国内每年因发生病虫害带来粮食损失约占粮食总产的...     

基于MobileNetV3Small-ECA的水稻病害轻量级识别研究

为实现水稻病害的轻量化识别与检测,使用ECA注意力机制改进MobileNetV3Small模型,并使用共享参数迁移学习对水稻病害进行智能化轻量级识别和检测。在PlantVillage数据集上进行预训练,将预训练得到的共享参数迁移到对水稻病害识别模型上微调优化。在开源水稻病害数据集上进行试验测试,试验结果表明,在非迁移学习下,识别准确率达到97.47%,在迁移学习下识别准确率达到99.92%,同时参数量减少26.69%。其次,通过Grad-CAM进行可视化,本文方法与其他注意力机制CBAM和SENET相比,ECA模块生成的结果与图像中病斑的位置和颜色更加一致,表明网络可以更好地聚焦水稻病害的特征,并且通过可视化和各水稻病害分析了误分类原因。本文方法实现了水稻病害识别模型的轻量化,使其能够在移动设备等资源受限的场景中部署,达到快速、高效、便携的目的。同时开发了基于Android的水稻病害识别系统,方便于在边缘端进行水稻病害识别分析。     

水稻双色膜覆盖栽培技术要点

<正>海拔较高的山区常年气温较低,水稻产量低,但山区温差较大,米质优。为了提高山区水稻种植的产量,增加群众收入,结合山区实际,笔者提出双色地膜覆盖栽培技术。黑白双色地膜与普通地膜相比,保温吸热性能更好,黑色部分还可以控制膜内杂草滋生。利用一张膜便可将水稻栽培中的多项好技术和方法应用起来,如:半旱式栽培、配方施肥、科学除草、科学管水等;还可以提高地温,提早水稻移栽时间,增加有效积温,从而达到提高产量的目的;又可以解决大沙田、冷浸田、大肥田、深水烂泥田种植水稻易患生理性病害的难题;也可以通过机械化一次     

水稻赤枯病发病症状及防治对策

水稻赤枯病,俗称"坐蔸""火烧苗",是由于不良环境条件引起的一种生理性病害。在川东地区,特别是在大竹县,由于"三山两槽"的特殊地形,沟田、烂泥田、深脚田和冷浸田多,是赤枯病的易发区。大竹县水稻种植面积3.31万hm~2,易发生赤枯病的面积有0.46万hm~2,占总面积的13.90%;水稻移栽后,若遇连绵阴雨,低温持续时间     

粳稻主要病害防控集成技术

<正>1病害种类和为害程度镇江市丹徒区水稻主要病害有水稻恶苗病、干尖线虫病、水稻纹枯病、水稻条纹叶枯病、水稻黑条矮缩病、稻曲病和稻瘟病等。1.1水稻恶苗病害由病原真菌侵染引起的种传病害。发生恶苗病的病苗徒长,叶淡株细,明显高于健苗;拔节后节上会长出许多"倒生须根"。秧田出现病苗,本田前期能造成死苗,特重田块全田毁苗;本田中后期还会出现部分死苗。1.2水稻干尖线虫病害由病原线虫侵染引起的种传病害。发生干尖线     

基于拉曼光谱的稻叶瘟病害程度划分研究

随着植保变量喷施作业机械的研究和应用,急需一种高效的病害程度识别技术。为此,针对水稻稻叶病运用拉曼光谱仪采集正常及受病害叶片的光谱特性,通过绘制折线图及受试者工作特征曲线进行水稻受病害程度分析,并运用动量因子BP神经网络优化算法,建立了寒地水稻稻叶瘟的病害程度检测模型。结果表明:优化的BP神经网络算法网络预测集的均方误差为0. 002 409 6、相关系数为0. 998 2。该方法可以较好地区分水稻正常叶片、稻叶瘟重度和轻度叶片,是一种高效的病害程度识别技术。     

基于注意力机制与EfficientNet的轻量化水稻病害识别方法

为实现水稻病害图像的快速、准确识别,提出一种基于注意力机制与EfficientNet的轻量化水稻病害识别方法。该方法首先引入轻量级卷积注意力模块(Convolutional Block Attention Module,CBAM)改进Efficientnet-B0中的主体模块轻量翻转瓶颈卷积核(Mobile Inverted Bottleneck Convolution,MBConv),然后利用Ghost模块优化网络中的卷积层,降低网络的参数量和计算量,最后使用Adam优化算法提高网络的收敛速度。在由572幅水稻白叶枯病、稻粒黑粉病、稻曲病、稻胡麻斑病和健康叶片5类水稻图像构成的测试集上,本文所提方法的识别准确率为95.63%,较EfficientNet-B0提高1.75%;分别比同类经典神经网络VGG16、Inception-V3、ResNet101和DenseNet201提高8.39%、4.72%、3.67%和1.05%。本文所提方法模型参数量为4.4 M,较EfficientNet-B0减少2.8 M;相比于对照网络,其参数量仅是这些网络模型参数量的9.05%、18.37%、9.81%和21.64%。试验结果表明：本文所提方法能够实现对不同水稻病害图像的准确、快速识别,而且识别模型轻量,具有较少的网络参数量。     

3WX-2000HS型自走式喷杆喷雾机施药效果试验初报

为了解自走式喷杆喷雾机对水稻常用病害的防治效果及作业效率,以3WX-2000HS型自走式喷杆喷雾机为例,采用对比试验的方法,调查其防治稻瘟病、穗颈瘟、纹枯病的效果及水稻的产量。试验结果表明,丰茂3WX-2000HS型自走式喷杆喷雾机的施药效果较好,虽然对水稻苗有一定压损,但增产效果明显。     

水稻病害孢子多光谱衍射识别与病害源定位方法研究

水稻真菌病害主要依赖真菌孢子在空气中进行传播。然而各种水稻病害孢子的形态相近，传统孢子捕捉仪和显微图像法难以对其进行区分。为了能够准确识别目标病害孢子并进行病害源定位，提出了一种水稻病害孢子多光谱衍射识别与病害源定位方法。为了解决传统衍射方法无法识别形态相似的缺点，设计了一种大视场、无透镜的多光谱衍射成像传感器。通过分析病害孢子衍射指纹图谱，解析稻瘟病菌、稻曲病菌孢子多光谱衍射成像特征规律。融合孢子的形态特征和吸收特性，提出指纹分离强度和相对峰差两个特征参数，建立孢子的多光谱衍射识别模型。通过仿真计算实验分析孢子传播规律，耦合环境信息建立孢子传播过程中的扩散模型。在无定向风及有定向风条件下分析孢子的空间分布情况，提出病害爆发源迭代质心定位算法。实验结果表明，本文方法对水稻病害孢子的识别率达到98.5%,对无定向风条件下的定位误差最低为4.9%,对有定向风条件下的定位误差最低为7.1%。     

水稻病害图像预处理及其特征提取方法研究

采用计算机数字图像处理技术对水稻病害进行智能识别,并以叶鞘腐败病为例,研究了水稻病害智能识别图像预处理和特征提取的方法。试验中,利用灰度变换和中值滤波法有效去除了噪声,增强了图像;利用不同算子对病害进行边缘检测,准确地提取了病斑的几何特征,实现了病害图像目标分割。这一研究成果为特征参数的提取及最终病害确定打下基础。     

基于光谱分形维数的水稻白叶枯病害监测指数研究

针对缺乏有效监测水稻叶片感染白叶枯病害光谱指数的问题,以分蘖期的水稻叶片为研究对象,采集了接种白叶枯病菌的水稻叶片和对照处理的水稻叶片各200片,利用高光谱成像装置获取373~1033nm波段的水稻叶片光谱数据,选取450~900nm波段的水稻叶片高光谱数据作为样本。从每个样本中选取一个感兴趣区域（Region of interest, ROI）并计算平均光谱,经过Savtzky-Golay平滑处理得到平均光谱曲线;为了定量描述水稻叶片是否感染病害,提出将光谱分形维数(Fractal dimension, FD)作为定量描述水稻白叶枯病害的监测光谱指数,实现对白叶枯病害的监测。通过分析光谱指数(Spectral index, SI)和FD,建立SI和FD之间的多元线性关系,同时比较了FD与其他常用监测指数对白叶枯病害监测的有效性。结果表明：水稻白叶枯病害在绿峰（510~560nm）和红谷（650~690nm）波谱内的响应较为敏感;针对健康和感病叶片,FD与SI之间存在较好的多元线性关系,说明FD与光谱曲线有较好的对应关系,可以作为定量描述叶片健康状况的光谱指数;与常用监测指数相比,本文病害监测指数与水稻染病具有更高的相关性,其相关系数达到了0.9840,指数分布稳定性更高。本研究结果说明基于光谱反射曲线的圆规分形维数对判断水稻叶片是否感染白叶枯病害是可行的,为水稻白叶枯病害的监测提供了一种新方法。     

沈阳地区水稻稻瘟病的发生与防治

稻瘟病是沈阳地区水稻生产的主要病害,其发展快慢与稻瘟病类型有关。重点介绍沈阳地区稻瘟病的主要类型、传播途径、发病条件以及相关症状,阐述发病的主要原因,提出水稻稻瘟病应采取预防为主、防重于治的方法,为农民提供技术指导。     

基于时序高光谱和多任务学习的水稻病害早期预测研究

水稻病害是影响水稻产量的重要因素之一,水稻病害的早期预测对水稻病害防治至关重要。为了实现水稻白叶枯病害的预测,连续采集了从接种病菌到早期发病共7d的白叶枯病害胁迫下的叶片高光谱图像。利用Savitzky-Golay算法对高光谱图像进行预处理,并利用主成分分析（Principal component analysis, PCA）和随机森林（Random forest, RF）算法提取光谱特征,构建多任务学习(Multi-task learning, MTL)与长短期记忆（Long short-term memory, LSTM）网络融合的预测模型,对水稻病害发病率和潜伏期进行预测,并利用鲸鱼优化算法（Whale optimization algorithm, WOA）对MTL-LSTM模型进行优化。实验结果表明：PCA和RF可以有效地从高光谱图像中提取光谱特征,降低高光谱数据维度,且基于光谱特征构建的预测模型性能优于全波段光谱构建的预测模型性能,建模时间降低约98%。基于时序高光谱构建的预测模型对发病率和潜伏期的预测取得了预期效果,基于前10个特征波长构建的WOA-MTL-LSTM模型取得了最优的预测性能,对发病率和潜伏期预测测试集的R2分别为0.93和0.85,RMSE分别为0.34和2.12,RE分别为0.33%和1.21%。通过WOA算法可以提升MTL-LSTM的预测性能,对发病率和潜伏期预测的R2均提升0.05。研究结果表明RF提取高光谱特征能有效表征全波段光谱,基于时序高光谱的WOA-MTL-LSTM模型可以准确预测白叶枯病害发病率和潜伏期,为水稻白叶枯病害的预防提供了技术支持。     

基于改进MobileNetV3的水稻病害识别模型

针对水稻病害识别方法准确度低、模型收敛速度缓慢的问题,本文提出了一种高性能的轻量级水稻病害识别模型,简称为CA（Coordinate attention）-MobileNetV3。通过微调的迁移学习策略完善了模型的训练,提升了模型收敛速度。首先创建10个种类的数据集,其中包含9种水稻病害和1种水稻健康叶片。其次使用CA模块,在通道注意力中嵌入空间坐标信息,提高模型的特征提取能力与泛化能力。最后,将改进后的MobileNetV3网络作为特征提取网络,并加入SVM多分类器,提高模型精度。实验结果表明,在本文构建的水稻病害数据集上,初始的MobileNetV3识别准确率仅为95.78%,F1值为95.36%;加入CA模块后识别准确率和F1值分别提高至96.73%和96.56%;再加入SVM多分类器,通过迁移学习后,改进模型的识别准确率和F1值分别达到97.12%和97.04%,参数量和耗时仅为2.99×106和0.91s,明显优于其他模型。本文提出的CA-MobileNetV3水稻病害识别模型能够有效识别水稻叶部病害,实现了轻量级、高性能、易部署的水稻病害分类识别算法。