基于卷积神经网络的农作物病害识别

【目的】农作物生长过程中,作物产量会受到各种病害影响,实现自动精准地识别农作物病害以及病害程度的测定是农作物病害防治的关键。【方法】文章设计了一种基于卷积神经网络的农作物病害的识别方法并建立了农作物病害识别模型,模型利用10种作物中常见的59种病害类型的叶片图像数据集进行训练,并对模型的训练过程和训练结果进行评估。【结果】(1)农作物病害识别模型对59种病害类型的总识别精度达到0.83,部分类别的识别率高于0.9;(2)当训练的迭代次数增加到50轮以上时,农作物病害识别模型的性能不再提升,此时数据集图像的数量对模型性能的影响较大。【结论】实验证明,利用卷积神经网络进行农作物病害识别具有较高的可行性和准确性,为农作物病害的防治打下基础。     

马铃薯病害的可视化计算机识别技术

本文旨在研究可视化计算机识别技术来提高对马铃薯病害的识别作用.在可视化计算机识别技术的基础上,引进了OTSU-SFLA算法对图像病斑分隔处理,通过卷积神经网络识别法对马铃薯病害进行图像特征提取和图像识别.实验结果表明,该识别方法能够对马铃薯早疫病等5种马铃薯常见病害实现图片识别,平均综合识别率达到98.2％.可视化计算...     

一种轻量级CNN农作物病害图像识别模型

针对传统CNN(Convolutional neural network)模型存在训练参数量大而无法应用于硬件条件受限的场合这一问题,本研究提出一种轻量级CNN农作物病害识别模型,能够在保证模型识别准确率情况下简化模型结构,扩大模型的适用场景.设计1个深度卷积模块作为基本卷积单元,2个深度卷积模块和1个批归一化层组成1个残差块作为残差单元,以残差单元作为基本元素设计一个轻量级CNN农作物病害识别模型.对辣椒、番茄和马铃薯的病害图像进行分类识别,最终模型在训练集上的总识别准确率为99.33％,测试集上的总识别准确率为98.32％.相对VGG16等传统模型,在进行农作物病害识别时本模型有更高的识别准确率、更快的识别速度和更小的内存占用.     

基于MobileNetV3的马铃薯病害识别

针对传统卷积神经网络在马铃薯叶部病害识别中结构复杂、参数庞大,难以实现在移动设备上的良好应用的问题,提出一种基于轻量级卷积神经网络和迁移学习的马铃薯叶部病害识别方法。首先,采集马铃薯叶部病害图像样本,再运用GrabCut算法进行图像分割;再基于MobileNetV3构建病害识别基础模型,并通过调整模型结构及宽度系数α等方式对模型进行优化,最后运用迁移学习的方式将预训练参数迁移至优化模型进行训练。结果表明,该方法对马铃薯健康、晚疫病、早疫病、炭疽病及其他病害叶部图像识别准确率为98.00%,模型权重仅为0.68 MB,识别速率为0.014 s/幅。本研究结果可为马铃薯叶部病害识别在移动设备上应用的实现提供理论支持。     

基于改进LeNet-5模型的玉米病害识别

玉米叶部病虫害严重影响了玉米的产量和质量,为了对玉米叶部病害进行快速识别并进行及时有效的治理、减少玉米的损失、提高种植者的收益,在传统卷积神经网络LeNet-5模型的基础上进行优化改进,提出基于改进的LeNet-5模型,用来分类识别玉米大斑病、锈病、叶斑病3种叶部病害图像及正常玉米图像。首先通过随机旋转、图像增强及尺寸修改方法等对病害图像进行预处理操作,然后增加模型的网络层数,改进后的模型一共有14层,包括输入层、5个卷积层、5个池化层、2个全连接层及输出层,最后用ReLU函数代替传统的Sigmoid激活函数,并且在卷积层和全连接层中加入Dropout策略层,通过试验对比选择合适的丢弃概率,进一步减少参数,防止产生过拟合现象。迭代次数设置为15次,选取11个样本作为1个batch进行训练,通过不断调整参数、优化模型,选择最优的模型在测试集上进行分类识别,最终改进后的模型对玉米叶部病害的识别准确率高达97.3%,为玉米病害的及时防治提供了有效的技术支持。     

基于改进YOLOX-Nano的农作物叶片病害检测与识别方法

目的 实现精确迅速的农作物病害检测,减少人工诊断成本,降低病害带来的农作物产量和品质影响。方法 根据对农作物病害和病斑特征的分析,提出一种基于卷积注意力机制改进的YOLOX-Nano智能检测与识别模型,该模型采用CSPDarkNet作为主干网络,将卷积注意力模块CBAM引入到YOLOX-Nano网络结构的特征金字塔(Feature pyramid network,FPN)中,并在训练中引入Mixup数据增强方式,同时将分类的损失函数由二分类交叉熵损失函数(Binary cross entropy loss,BCE Loss)替换为焦点损失函数Focal Loss、回归损失函数由GIOU Loss替换为本文设计的CenterIOU Loss函数,采用迁移学习策略训练改进的YOLOX-Nano模型,以此提升农作物病害检测的精度。结果 改进后的YOLOX-Nano模型仅有0.98×10⁶的参数量,在移动端测试单张图片检测时间约为0.187 s,平均识别精度达到99.56%。实践结果表明,其能快速有效地检测与识别苹果、玉米、葡萄、草莓、马铃薯和番茄等农作物的常见病害,且达到了精度与速度的平衡。结论 改进后的模型不仅对农作物叶片病害识别具有较高的精度和较快的检测速度,参数量和计算量较少,还易于部署在手机等移动端设备。该模型实现了在田间复杂环境对多种农作物病害精准定位与识别,对于指导早期农作物病害的防治具有十分重要的现实意义。     

农作物病害图像识别研究进展和存在问题

针对卷积神经网络训练过程中耗费时间长以及大量参数设定等问题，提出采用卷积神经网络结合迁移学习实现智能、快速、准确识别农作物病害类型至关重要。本文首先介绍了农作物病害识别的发展进程，然后介绍了农作物病害识别方法的国内外研究进展，同时分析了其在农作物病害识别上存在的优缺点，最后指出了目前农作物病害识别存在的环境、模型结构和硬件条件等问题，并对农作物病害识别未来的研究方向进行了展望。     

基于卷积神经网络的水稻病害图像识别研究

【目的】针对传统水稻病害识别技术对图像特定特征依赖性强、识别效率低等问题,提出将深度学习理论应用到水稻病害识别中,以期取得较好的识别效果。【方法】通过使用深度卷积网络建立水稻病害识别模型,对水稻3种主要病害数据进行了归一化处理,采用深度学习框架Keras进行深度CNN训练。通过设置不同的卷积核尺寸和池化函数,对水稻3种常见病害进行分类识别研究。【结果】卷积核尺寸采用9×9和池化函数采用最大池化构建的模型识别率最高;模型经过5次迭代,其识别准确率就能达到90%以上;当迭代6次时,图像趋于稳定,模型基本达到收敛;从模型性能分析看,损失函数呈梯度下降趋势,变化相对平稳,预测损失偏差逐步减少。【结论】该模型具有泛化能力较强、准确率较高、鲁棒性较好及损失率较小等特点,这为植物病害的识别研究提供了参考和借鉴。     

基于卷积神经网络的草莓叶部白粉病病害识别

针对计算机视觉下草莓叶部白粉病病害的识别,提出了一种基于卷积神经网络的病害识别模型。首先,设计了3种网络深度(经过3、4和5次卷积操作)与3种卷积核(5×5、3×3,5×5、3×3混合)交叉组合共9种不同网络深度与卷积核尺寸的卷积神经网络结构;其次,分别选择了4种采样层构建方法(均值池化、最大值池化、中间值池化和混合池化);最后,进行了9组训练集与测试集不同比例的模型识别。结果表明,基于混合池化的CNN-9模型(卷积核尺寸5×5,3×3;卷积神经网络深度11)表现最好,对草莓叶部白粉病病害的正确识别率达到98.61%。该方法可较好地实现草莓叶部白粉病病害的识别,且图像预处理步骤简单,易推广,可用于草莓白粉病病害的实时监测。     

采用计算机视觉进行棉花虫害程度的自动测定

目的针对传统水稻病害识别技术对图像特定特征依赖性强、识别效率低等问题,提出将深度学习理论应用到水稻病害识别中,以期取得较好的识别效果。方法通过使用深度卷积网络建立水稻病害识别模型,对水稻3种主要病害数据进行了归一化处理,采用深度学习框架Keras进行深度CNN训练。通过设置不同的卷积核尺寸和池化函数,对水稻3种常见病害进行分类识别研究。结果卷积核尺寸采用9×9和池化函数采用最大池化构建的模型识别率最高;模型经过5次迭代,其识别准确率就能达到90%以上;当迭代6次时,图像趋于稳定,模型基本达到收敛;从模型性能分析看,损失函数呈梯度下降趋势,变化相对平稳,预测损失偏差逐步减少。结论该模型具有泛化能力较强、准确率较高、鲁棒性较好及损失率较小等特点,这为植物病害的识别研究提供了参考和借鉴。     

基于HTML文档的WEB图像分类研究

随着信息技术的快速发展和Internet的普及应用，Internet已经成为包含各种信息形式，如文本、图像、视频、音频等的巨大信息资源库。然而由于Web图像从主题、格式，到功能和来源都多种多样，很难用一个统一的标准进行分类。本研究首先从Web页面上图像的功能角度对图像进行初步分类，将其分为链接类、装饰类、广告类和内容类。初步分类可提高Web图像处理的效率和性能，并为它基于Web的应用与研究提供帮助。     

基于GIS的工厂化养殖适宜性评价研究

选取滨海新区汉沽作为研究区域,通过查阅相关文献、咨询水产专家和实地调研等多种形式,筛选出19个对滨海新区汉沽工厂化养殖发展影响较大的因子作为评价指标,综合应用德尔菲法(Delphi)和层次分析法(AHP),确定各级指标的权重,构建滨海新区汉沽工厂化养殖适宜性评价模型,利用IDRISI进行综合运算,将工厂化养殖区域划分为"不适宜"、"一般适宜"、"适宜"和"非常适宜"4种类型,从而为工厂化养殖区域规划和管理提供科学依据。     

苯酚对废水生物硝化过程的抑制

由于硝化细菌对水产养殖水质可以起到明显调节作用，近年来在水产养殖领域的应用日益广泛。但废水中有毒有害物质的存在常常会导致硝化细菌的活性受到严重抑制，从而严重影响养殖水体及水产品的质量。本文利用富集培养的硝化污泥研究了苯酚对生物硝化过程的抑制效应。结果表明，苯酚对氨氮生物硝化过程的抑制属于非竞争性抑制，抑制常数K1和EC50均为2．61mg／L。泥龄相同的条件下，有苯酚抑制剂存在时氨氮的出水浓度高于无抑制情况，且苯酚浓度越高，氨氮出水浓度也越大；而达到相同的氨氮出水浓度，抑制剂存在条件下的泥龄大于无抑制条件，且抑制程度越高，所需泥龄越长。     

转化糖药学研究概况

综述了转化糖药理及其现代临床研究概况,并对其药学应用前景进行了展望。     

黑龙江省番茄根腐病研究概述

文章对黑龙江省番茄根腐病病原菌的鉴定、病原菌的生物学特性、苗期抗性鉴定技术及寄主抗性遗传规律、番茄根腐病的病症与识别、病害的发生和流行规律等内容进行了综述。     

布氏艾美尔球虫研究之回顾

布氏艾美尔球虫(Eimeriabrunetti)是鸡的一种致病性较强的寄生性原虫,但是我国球虫流行病学的报道很少谈及,有关研究报道更为少见。为此,笔者回顾了自1942年Levine首次报道布氏艾美尔球虫以来人们对这个种所做的研究。主要对这个种在世界的流行情况、生物学特性、致病性、免疫原性、内生性发育、体外培养、致弱及在球虫疫苗中的地位作了回顾和评述。     

苯酚对废水生物硝化过程的抑制

由于硝化细菌对水产养殖水质可以起到明显调节作用,近年来在水产养殖领域的应用日益广泛。但废水中有毒有害物质的存在常常会导致硝化细菌的活性受到严重抑制,从而严重影响养殖水体及水产品的质量。本文利用富集培养的硝化污泥研究了苯酚对生物硝化过程的抑制效应。结果表明,苯酚对氨氮生物硝化过程的抑制属于非竞争性抑制,抑制常数K1和EC50均为2．61mg／L。泥龄相同的条件下,有苯酚抑制剂存在时氨氮的出水浓度高于无抑制情况,且苯酚浓度越高,氨氮出水浓度也越大;而达到相同的氨氮出水浓度,抑制剂存在条件下的泥龄大于无抑制条件,且抑制程度越高,所需泥龄越长。     

基于万方资源系统的“沟域经济”研究文献计量分析

利用万方资源系统文献计量分析工具,采用文献计量学方法,通过对中国1999年—2011年有关"沟域经济"发表论文的学科分布、论文类型分布、年度分布、主要期刊分布、主要产出单位分布、北京农学院沟域经济研究文献分析等几个指标进行统计分析,揭示关于中国沟域经济研究的发展现状,以期为"沟域经济"相关学科研究以及"沟域经济"建设相关研究提供文献分析和重要依据。