不同药剂对灰飞虱防治试验

利用不同药剂对灰飞虱进行控制,起到对条纹叶枯病的控制作用。从效果上来说,5%锐劲特悬浮剂、35%异·吡的控制效果较好。     

25%吡蚜酮对麦田灰飞虱防效探究

25%吡蚜酮防治麦田灰飞虱试验结果表明:吡蚜酮对麦田灰飞虱具有较好的防效,每667 m2用25%吡蚜酮WP 20～40 g,药后15 d对成虫防效达92%以上;每667 m2用25%吡蚜酮20 g以上,药后31 d对1代若虫防效达78.50%以上,药后41 d防效仍保持在76.90%以上.因此可作为麦田灰飞虱防治的首选药剂,并将20 g/667 m2作为生产上防治麦田灰飞虱推荐使用剂量.     

秧田期防治灰飞虱药剂筛选试验小结

近几年来,丹阳市水稻条纹叶枯病逐年上升,此病主要由灰飞虱刺吸引起,为了探索防治灰飞虱的最佳药剂,我们在珥陵镇做了锐劲特等药剂防治秧田灰飞虱的筛选试验,现将试验结果小结如下:     

秧田期灰飞虱防治药剂筛选试验

水稻条纹叶枯病由带毒灰飞虱传毒为害,近年来在江苏爆发流行,对水稻生产构成严重威胁,甚至导致了部分田块接近失收。目前对条纹叶枯病的控制主要是通过防治传毒媒介—灰飞虱来实现,而秧田期正是灰飞虱集中传毒为害的关键时期,为明确     

基于光谱技术的褐飞虱发生程度检测研究

针对水稻褐飞虱虫害程度快速普查问题,利用便携式近红外光谱仪采集受到褐飞虱胁迫的水稻叶片光谱信息,来快速检测水稻虫害程度.通过采集褐飞虱危害期间的水稻叶片光谱数据,对叶片反射光谱进行一阶微分预处理,采用向后区间偏最小二乘波段筛选法和遗传算法,根据RMSECV值确定检测褐飞虱虫害的敏感波长,以敏感波长光谱数据位输入量,利用BP神经网络建立褐飞虱虫量程度检测模型.试验结果表明,水稻接种褐飞虱3天后,可以监测到水稻虫害,第3天、第6天与第9天虫害预测准确率分别为45.2％,86.4％和99.2％.这表明,近红外光谱技术可以快速、准确地预测水稻褐飞虱虫害.     

基于自适应阈值的多尺度边缘检测方法

图像边缘信息在物体识别方法中具有重要作用,采用多尺度特征检测能同时检测出细微和粗糙特征.基于曲率尺度空间(CSS)技术,文章提出了一种改进的多尺度边缘检测方法,该方法首次利用自适应局部曲率阈值代替了原有CSS方法中的单一全局阈值,另外,为了消除虚假边缘点,候选边缘点的角度被检测在一组动态范围内.实验结果表明,该方法能有效解决多尺度特征的图像检测问题.     

不同药剂对水稻中后期灰飞虱田间防效比较

灰飞虱已连续多年在江苏大面积发生,它对作物的危害主要是刺吸传毒引发水稻条纹叶枯病、黑条矮缩病和玉米粗缩病等病毒病。近年来,水稻生育期拉长,而9、10月份气温偏高,部分防控效果差的田块灰飞虱虫量较高,在水稻穗期大量刺吸稻穗,不但影响稻谷灌浆,为害严重的还能够引发煤污病,导致稻穗成片发黑,造成稻谷减产、稻米品质降低。     

褐飞虱诱导的水稻冠层热图像温度特征变异评估方法

为寻求水稻被褐飞虱侵害后冠层温度特征的有效评估方法,以褐飞虱易感水稻品种“TN1”为研究对象,设置了褐飞虱侵害及未侵害两个处理,运用热红外成像技术获取水稻的冠层温度特征,使用机器学习分类器,对褐飞虱诱导的水稻冠层热图像温度特征变异评估方法进行了研究。首先,对试验采集的水稻冠层热图像和对应时刻的空气温度、相对湿度以及水稻灌溉水层水温信息进行分析,针对水稻冠层热图像提取了3种统计学温度特征,并使用了累计差值法分析水稻冠层的特征数;然后,对空气温度、相对湿度、水温与冠层温度特征分别进行了相关性分析;最后,分别采用逻辑回归算法与支持向量机算法进行评估模型的拟合。结果表明:3种统计学特征中,冠层温度变异系数的累计差值为30.78,是差异性最大的特征值;统计学特征与空气温度、相对湿度和水温的皮尔逊系数分别为0.27、-0.34和0.41。将3种冠层特征作为输入向量,采用逻辑回归算法判断水稻受褐飞虱侵害状况的测试集精准率为87.15%,召回率为86.54%,F1综合指标为86.55%。本文提出将气象因子与水稻的冠层特征数相结合,对水稻受褐飞虱侵害的冠层温度特征进行评估,可为水稻虫害的监测与诊断提供参考。     

基于边缘检测和区域定位的玉米根茎导航线提取方法

基于玉米根茎图像信息,提出一种基于边缘检测和区域定位的玉米根茎导航线提取方法。首先,利用最大类间方差法自动分割2G-R-B灰度图像,得到二值化图像,结合形态学处理、位置/面积去噪方法提高二值化图像质量,对去噪图像按列累加得到列像素累加曲线;针对传统方法得到的特征点中伪特征点较多的问题,引入高斯滤波器平滑累加曲线,并运用极值法减少玉米根茎伪特征点的干扰,在提取玉米茎秆边缘直线时,提出基于最远茎秆成像宽度的双侧边缘判别思路,通过扫描每条边缘直线的四边形封闭邻域有效剔除伪边缘直线;最后,根据边缘直线二次定位玉米的根茎区域范围,并剔除伪特征点,采用最小二乘线性拟合方法准确提取导航线。试验表明,本文算法处理一幅1280像素×720像素图像耗时约236ms,特征点拟合准确率为92%。与传统方法相比,本文算法精度高、实时性好,在缺苗、杂草较多和株距不标准的情况下仍具有较强的鲁棒性。     

基于支持向量机理论的植物根系图像边缘检测方法

由于传统边缘检测方法中存在噪声大、粗糙边缘和不准确边缘等缺点,因此在植物根系的研究中,采用传统的图像边缘检测方法检测出来的边缘信息都无法达到令人满意的效果.为此,基于支持向量机方法给出了一种改善的边缘检测算法.同时,提出了边缘检测算法流程,然后使用支持向量机分类方法对图像进行边缘检测;用所得到的边缘检测算法与Canny算法和Prewitt算法的性能进行了比较.仿真结果表明,给出的算法与Canny算法和Prewitt算相比,不仅边缘检测性能得到提高,而且可以一定程度地克服噪声干扰.     

基于目标检测及边缘支持的鱼类图像分割方法

对图像中的鱼类目标进行分割是提取鱼类生物学信息的关键步骤。针对现有方法对养殖条件下的鱼类图像分割精度较低的问题,提出了基于目标检测及边缘支持的鱼类图像分割方法。首先,设计了基于目标检测的完整轮廓提取方法,将具有完整轮廓的鱼类目标从图像中提取出来作为分割阶段的输入,使得整幅图像的分割问题转化为局部区域内的分割问题;然后,搭建Canny边缘支持的深度学习分割网络,对区域内的鱼类实现较高精度图像分割。实验结果表明,本文方法在以VGG-16、ResNet-50和ResNet-101作为主干网络的模型上的分割精度为81.75%、83.73%和85.66%。其中,以ResNet-101作为主干网络的模型与Mask R-CNN、U-Net、DeepLabv3相比,分割精度分别高14.24、11.36、9.45个百分点。本文方法可以为鱼类生物学信息的自动提取提供技术参考。     

基于蚁群算法的玉米植株热红外图像边缘检测

针对热红外图像目标与背景区分不明显、效果模糊,以及传统的Roberts、Sobel、Canny等边缘检测方法难以取得理想检测效果的特点,以玉米植株为测试对象,首次将蚁群优化算法应用于热红外图像边缘检测。该算法由初始化过程开始,进行N步迭代构造信息素矩阵,然后执行信息素过更新过程,最后图像边缘由决策过程给出。仿真实验结果表明,该算法与传统边缘检测算法相比,能够较好地得到边缘检测结果,可为农作物热红外图像处理提供一种新的方法。     

基于MSR-cut的高空间分辨率遥感影像边缘检测分割

针对R-cut(Ratio cut)边缘检测分割模型对高分辨率遥感影像分割时存在过分割和模糊边缘敏感性问题,提出了一种多尺度R-cut(Multi-scale ratio cut, MSR-cut)的遥感影像边缘检测分割方法.首先,采用形态重建的分水岭分割算法对影像过分割,形成多个超像素区域;然后计算并提取影像各个区域...     

基于图像处理多算法融合的杂草检测方法及试验

自动化除草是现代精确农业科学领域的研究热点。已有的自动化除草解决方案中普遍存在鲁棒性不强、过度依赖大量样本等问题,针对上述问题,本研究提出了基于图像处理多算法融合的田间杂草检测方法,设计了一套田间杂草自动识别算法。首先通过设置颜色空间的阈值从图像中分割土壤背景。然后采用面积阈值、模板匹配和饱和度阈值三种方法对作物和杂草进行分类。最后基于投票的方式,综合权衡上述三种方法,实现对作物和杂草的精准识别与定位。以大豆田间除草为对象进行了试验研究,结果表明,使用融合多图像处理算法的投票方法进行作物和杂草识别定位,杂草识别平均错误率为1.79%,识别精度达到98.21%。相较单一的面积阈值、模板匹配和饱和度阈值方法,基于投票权重识别杂草的精度平均提升5.71%。同时,针对复杂多变的农业场景,进行了存在雨滴和阴影干扰的鲁棒性测试,实现了90%以上的作物识别结果,表明本研究方法具有较好的适应性和鲁棒性。本研究算法可为智能移动机器人除草作业等智慧农业领域应用提供技术支持。     

基于高速摄像系统和图像边缘检测的精密排种器设计

为了综合优化排种器的单粒率、双粒率、空穴率、平均间距、重播和漏播指数,设计了一种基于高速摄像和图像边缘检测的排种器,提高了播种机的播种精度。利用高速摄像系统和图像边缘检测技术获取种子堆积的图像反馈信息,采用PID自动化调节的方式,用链条对排种轮的驱动轴进行了有效的调节,从而达到了精密播种的目的。为了测试设计的排种器的有效性和可靠性,对其综合指标进行了测试。通过测试发现:使用高速摄像边缘提取系统的排种器比人工检测播种方法的单粒率、双粒率、空穴率的相对误差要低,平均间距控制平稳,并且有效地降低了重播指数和漏播指数。     

模糊水下图像多增强与输出混合的鱼类检测方法

针对模糊水下图像增强后输入鱼类检测模型精度降低的问题,提出了模糊水下图像多增强与输出混合的鱼类检测方法。利用多种图像增强方法对模糊的水下图像进行增强,将增强后的图像分别输入鱼类检测模型得到多个输出,对多个输出进行混合,然后利用非极大抑制方法对混合结果进行后处理,获得最终检测结果。YOLO v3、YOLO v4 tiny和YOLO v4模型的试验结果表明,对比原始图像的检测结果,本文方法的检测精度分别提高了2.15、8.35、1.37个百分点;鱼类检测数量分别提高了15.5%、49.8%、12.7%,避免了模糊水下图像增强后输入鱼类检测模型出现精度降低的问题,提高了模型检测能力。     

一种改进的小波模极大值杂草图像边缘检测算法

提出了一种改进的、基于小波多尺度和多分辨率特征的数字图像边缘检测算法,分别利用不同尺度的、小波变换后的、水平方向和垂直方向的高频信息,根据李氏指数与小波变换关系,采用小波模极大值在不同尺度下传播的特性,检测出图像在两个方向的极大值,然后利用模糊算法构造相应的隶属函数,提取弱边缘信息,最后得到不同尺度下的边缘图像.通过该算法对杂草图像仿真实验和经典的两种算子对比,证明该算法可以兼顾良好的边界定位、噪声抑制和弱边界检测等性能指标,能有效地解决传统边缘检测方法中存在的精确及强去噪能力之间的矛盾.     

山地丘陵区遥感影像阴影检测与去除方法

阴影是山地丘陵区遥感影像最为普遍的干扰因素,去除阴影有助于提高影像解译和地物识别的准确性和有效性。构建了阴影植被指数（SVI）,并提出应用波段回归模型法实现HJ-1多光谱影像阴影的去除。将该方法应用于试验区HJ-1数据,结果表明：SVI可增大山地丘陵区水体、阴影区及明亮区之间的差异,利用阈值法可以实现影像阴影的有效检测;相关分析显示,各波段拟合模型R2均在080以上;比较阴影去除前、后影像的统计指标说明,在植被最为敏感,即受阴影影响最为严重的近红外波段,随着阴影的去除,波段平均值有了较大幅度的增大;去阴影后影像的标准差均比原影像要小,尤其是在近红外波段。试验结果表明,SVI对山地丘陵区HJ-1影像阴影的检测效果较好,而波段回归模型法可以较为有效地实现阴影的去除。