共查询到20条相似文献,搜索用时 31 毫秒
1.
大棚栽培蔬菜,产量高,产值也高,但往往有些生理病害和真菌、细菌等病害难以区别,如不及时正确识别加以防治,会影响植株正常生长,从而降低产量。一、沤根苗期容易发生,成株期偶有发生。发病时叶片发黄,地上部 相似文献
2.
马彦艳 《新农村(黑龙江)》2013,(6):89-89
近几年,随着玉米品种的不断更新,产量增幅很大,但有些地区由于地力状况和施肥不舍理.导致玉米出现了很多生理性病害。正确识别、了解这些生理性病害,才能真正做到对症下药,以达到玉米高产优质的目标。 相似文献
3.
4.
5.
黄瓜是人们喜爱食用的主要蔬菜之一,近年来北票市日光温室面积已扩大到10万亩,黄瓜栽培面积逐年扩大,生产水平逐步提高,但由于温室内湿度大、温度高,黄瓜病害也普遍发生,严重影响了黄瓜生产的产量和品质,给菜农造成经济损失,正确识别诊断黄瓜的病害,采取得力措施,防治其病害是提高黄瓜产量,增加效益的主要措施之一. 相似文献
6.
芝麻主要病害及其防治技术 总被引:2,自引:0,他引:2
襄樊是湖北省芝麻主要产区之一,但大田生产芝麻产量一直不高。在日常生产中,制约芝麻产量的因素较多,除栽培技术、不正确的田间管理和不合理的施肥方法外,芝麻病害的发病率和危害情况,也是制约芝麻获取高产的主要原因之一。因此正确识别芝麻病害的田间症状,做到及时科学的防治,对提高芝麻产量有着重要意义。 相似文献
7.
8.
白菜常见病害的识别与防治 总被引:1,自引:0,他引:1
大白菜是人们生活中不可缺少的一种重要蔬菜,味道鲜美,营养丰富,栽培措施简单,产量高,效益好。大白菜霜霉病、软腐病和病毒病是白菜生产上的三大病害,对白菜的产量影响很大,病害发生时,轻则减产20%-30%,重则达50%以上,因此搞好大白菜常见病的识别与防治非常重要。 相似文献
9.
高油大豆是指含油率达到21%以上、蛋白质含量不低于38%(干基),主要用于榨油的大豆.东北三省及内蒙古东部地区是高油大豆的主产区.近几年来,大豆病虫害发生比较频繁,给大豆生产带来威胁,不但影响大豆产量,而且影响大豆品质,因此,在生产中能够准确识别并及时防治病害,是大豆生产中的重点.下面我就目前高油大豆生产中几种最常出现的病害的识别与防治技术简介如下. 相似文献
10.
高海拔冷凉地区甘蓝黑腐病及软腐病的识别与防治 总被引:1,自引:0,他引:1
《现代农业科技》2015,(14)
高海拔冷凉地区露地栽培的甘蓝产量高,品质优,商品性好,具有天然环保、无污染的优势,栽培面积逐年扩大。近年来,部分生产者对甘蓝黑腐病和甘蓝软腐病的症状识别不清,导致防治效果不佳,严重影响了甘蓝的产量与品质。本文介绍了2种病害的典型症状、发病条件,并提出病害防治的关键技术,以供参考。 相似文献
11.
高海拔冷凉地区露地栽培的芹菜产量高,品质优,商品性好,具有天然环保无污染的优势,栽培面积逐年扩大。近年来,部分生产者对芹菜黑腐病和软腐病的症状识别不清,防治效果不佳,严重影响了芹菜的产量与品质。介绍了2种病害的典型症状、发病原因、发病条件、传播途径以及病害防治的关键技术,以供参考。 相似文献
12.
葡萄白腐病在我国广泛发生和流行,是直接为害葡萄品质和产量最严重的真菌性病害之一,造成产量损失多达20%~50%,严重者高达80%以上,甚至绝产。有些种植户任意加大药剂浓度或使用次数,甚至使用高毒高残留化学药剂,不仅提高了葡萄生产成本,污染 相似文献
13.
14.
15.
正在作物的生长发育中,若因缺少某些元素导致缺素症,就叫生理性病害。生理性病害应予补充营养元素防治,而非用农药。近几年,随着玉米品种的不断更新,产量增幅很大,但由于地力状况和施肥不合理,玉米出现了很多生理性病害,正确识别、了解这些生理性病害,才能做到对症而治,保品质、保产量。1.倒伏1.1症状:玉米倒伏有茎倒、根倒和茎折3种类型。茎倒主要是因为茎秆节间细长,植株过高,基部机械组织强度差, 相似文献
16.
保护地蔬菜栽培的大力发展,相应的病害威胁问题也随之逐日突出,由于保护地蔬菜栽培方式和生态环境均特点独具.其病害种类繁多。在生产实践中,有些病害的发生,仍有些相似或易于混淆之处,鉴于此,摸索总结出一些规律,可能会有助于我们对于各种类型病害的识别、掌握和防治。 相似文献
17.
在日光温室蔬菜生产中,侵染性病害比较容易识别,但因温室内温度偏低或偏高、营养元素缺乏、药害等因素选成的生理性病害识别困难,有时被误认为是侵染性病害,施药防治往往没有效果,影响蔬菜产量与品质。为有效地防治蔬菜生理性病害,笔者根据多年实践,就近几年发生 相似文献
18.
《农业与技术》2020,(19)
随着精准农业的发展,对农作物病害进行快速准确地识别是提高农作物产量、推动农业现代化的重要手段。传统的作物病害识别技术存在一定局限性,依赖人工提取特征,图像分割难度较大,特别在复杂环境下的识别效果不佳。而随着深度学习中卷积神经网络(Convolutional Neural Network,下文简称CNN)在图像识别领域上的不俗表现,不少研究人员将CNN应用于农作物的病害识别。研究表明,基于CNN的深度学习方法是目前对农作物病害分类识别最先进、最有效的方法。本文将阐述传统病害识别技术的原理和缺陷,并详细介绍了CNN技术原理及其在农作物病害识别中的应用案例,基于CNN的农作物病害识别在未来发展和应用上提出几点展望。 相似文献
19.
【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。 相似文献
20.
快速、及时和准确的发现小麦病害对提高小麦产量具有重要作用。以小麦叶片白粉病、条锈病和叶锈病3种病害为研究对象,提出了基于LM神经网络的小麦叶片病害识别模型。首先采用K-means算法分割小麦叶片病斑区域,提取小麦病斑区域的颜色特征和纹理特征,构建数据集。然后建立LM神经网络小麦叶片病害识别模型,输入数据进行识别。基于颜色和纹理特征的小麦叶片病害识别率为95.3%。在小样本情况下,利用LM神经网络算法能够快速、准确的识别小麦病害叶片。 相似文献