"石河子大学农作物害虫标本数据库"的研究与实践

结合本校实际,对石河子大学农作物害虫标本信息进行系统、科学的整理和有序化存储。开发研制出图文并茂的“石河子大学农作物害虫标本数据库”。全库采用国际流行的全息检索技术,具有多种运算方式,检索速度快捷、用户界面友好,是农作物害虫的准确识别与正确防治信息的工具。本数据库的研制与开发对图书馆特色数据库的建设进行了有意义的实践。     

伊通县常见农作物害虫种类识别

文章介绍了伊通县常见农作物害虫的种类及识别。     

河北省农业害虫图像识别系统建设

基于农业技术与信息化技术的不断发展与融合,针对当前河北省农作物害虫识别准确率和效率低等问题,提出了一种基于Asp.NET Core MVC架构的残差神经网络害虫图像识别系统。该系统首先通过移动采集终端和网络图片爬虫收集目标分类图片信息,再使用数据增强技术扩充样本库,得到神经网络训练模型的数据集;然后通过搭建机器学习框架,分别引入ResNet-50、ResNet-101、ResNet-152残差网络模型,对数据集执行训练并验证其准确度;最后将准确度最高的训练结果模型运用至农作物害虫分类服务系统。经验证,该识别模型具有良好的适用性和鲁棒性,可为河北省主要农作物虫害提供识别及诊断功能。     

面向移动终端的农业害虫图像智能识别系统的研究与开发

【目的】农作物田间害虫种类繁多,存在种间相似和种内差异的现象,容易混淆。本研究开发一个面向移动终端的农业害虫图像智能识别系统,为广大农户和基层测报人员提供一个便捷准确的农业害虫智能识别工具。【方法】农业害虫图像智能识别系统包括装有系统APP的移动客户端、服务器和基于深度学习的农业害虫识别模型。APP是在Android环境下开发的,可安装于Android系统的移动设备中。APP包括登录模块、害虫信息查询模块、害虫智能识别模块、害虫地图标记模块和害虫专家远程鉴定模块,UI界面采用底部导航栏形式。移动终端与服务器间的信息交互采用HTTP协议,害虫采集地信息显示使用百度的Android地图SDK来实现,用户和害虫信息使用MySQL数据库进行保存。在相同训练集和测试集条件下,比较了不同深度卷积神经网络模型,筛选出基于DenseNet121的农业害虫识别模型具有最高的精准度和最低的虚警率。农业害虫识别模型的程序部署在阿里云远程服务器上,当服务器端接收到移动客户端上传的害虫图像时,运行害虫识别模型,识别结果通过服务器反馈给客户端,同时将上传的图像和识别结果保存在数据库中,便于害虫图像的追溯。【结果】当用户在农田遇到不认识的害虫时,可通过装有该系统APP的移动设备（如手机或平板）拍摄害虫图像,并上传到服务器,识别结果和害虫防治信息在1—2 s内反馈至用户移动终端的屏幕上,对识别结果不满意还可远程请求专家鉴定。该系统对66种常见农业害虫图像平均识别率为93.9%,平均虚警率为8.2%。【结论】面向移动终端的农业害虫图像智能识别系统实现了66种常见农业害虫信息查询、自动识别,害虫采集地的地图显示和专家远程鉴定等功能。为农民和基层测报人员提供了一个农业害虫便捷准确的自动识别工具,无需专家到田间即可实现了用户“一对一”的防治指导,大大节省了经济和时间成本。     

面向移动终端的农业害虫图像智能识别系统的研究与开发

【目的】农作物田间害虫种类繁多,存在种间相似和种内差异的现象,容易混淆。本研究开发一个面向移动终端的农业害虫图像智能识别系统,为广大农户和基层测报人员提供一个便捷准确的农业害虫智能识别工具。【方法】农业害虫图像智能识别系统包括装有系统APP的移动客户端、服务器和基于深度学习的农业害虫识别模型。APP是在Android环境下开发的,可安装于Android系统的移动设备中。APP包括登录模块、害虫信息查询模块、害虫智能识别模块、害虫地图标记模块和害虫专家远程鉴定模块,UI界面采用底部导航栏形式。移动终端与服务器间的信息交互采用HTTP协议,害虫采集地信息显示使用百度的Android地图SDK来实现,用户和害虫信息使用MySQL数据库进行保存。在相同训练集和测试集条件下,比较了不同深度卷积神经网络模型,筛选出基于DenseNet121的农业害虫识别模型具有最高的精准度和最低的虚警率。农业害虫识别模型的程序部署在阿里云远程服务器上,当服务器端接收到移动客户端上传的害虫图像时,运行害虫识别模型,识别结果通过服务器反馈给客户端,同时将上传的图像和识别结果保存在数据库中,便于害虫图像的追溯。【结果】当用户在农田遇到不认识的害虫时,可通过装有该系统APP的移动设备(如手机或平板)拍摄害虫图像,并上传到服务器,识别结果和害虫防治信息在1—2 s内反馈至用户移动终端的屏幕上,对识别结果不满意还可远程请求专家鉴定。该系统对66种常见农业害虫图像平均识别率为93.9%,平均虚警率为8.2%。【结论】面向移动终端的农业害虫图像智能识别系统实现了66种常见农业害虫信息查询、自动识别,害虫采集地的地图显示和专家远程鉴定等功能。为农民和基层测报人员提供了一个农业害虫便捷准确的自动识别工具,无需专家到田间即可实现了用户"一对一"的防治指导,大大节省了经济和时间成本。     

水貂乳房炎的治疗

农作物害虫生物防治的优点是对环境友好,对人畜安全,无污染,害虫不产生抗性。农作物害虫生物防治的主要方法有：     

江西农作物害虫分布情况的初步考察

农作物害虫的普查,是农作物害虫防治工作中的重要环节之一。只有在基本上查清了某个地区主要农作物害虫的分布情况,寄主植物种类和寄主植物的转移关系,以及它们相互间发生消长的一般规律以后,再来拟制这个地区害虫防治的全面规划,才能比较切合实际,而且预见性强,能处处争取主动。本文所讨论的,尚只限于江西主要农作物害虫分布问题,工作的面不广,且亦不够深入,不妥当的地方,敬希大家予以批评指正。     

农作物害虫预测预报方法及应用

农作物病虫害是农作物产量和质量提高的重要制约因素,准确的害虫预测预报是科学防治害虫的前提,具有重要的经济、社会和生态意义。回顾了农作物害虫预测预报方法及目前的发展与应用现状,概述了人工神经网络、相空间重构、小波分析、支持向量机的原理及其在测报中的应用。     

RNA干扰技术在农作物害虫防治中的应用

RNA干扰(RNAi)技术作为基因沉默的工具,已被广泛应用于农作物害虫防治研究。准确选择靶基因、将dsRNA或siRNA导入昆虫体内、siRNA在昆虫体内的扩增和扩散是RNAi技术应用于农作物害虫防治的基础。应用RNAi技术能有效地保护农作物抵抗害虫危害,在农作物遗传改良进行精准抗虫方面具有重大的应用前景。     

一种改进可形变FCN的农作物害虫检测方法

田间农作物害虫种类繁多，不同的生长阶段形态和颜色各异，在自然环境下采集的图像背景复杂，角度和尺度变化多样，从而使传统的害虫检测方法准确率较低。提出一种改进可形变全卷积神经网络(deformable fully convolution network, DFCN)的农作物害虫检测方法，该方法由编码模块和解码模块组成。编码模块在VGG16中采用了可形变卷积，能适应不同形状、位置和尺寸等几何形变的害虫图像。为了更好地保留害虫图像的纹理特征和背景特征，在编码模块中应用了混合池化，加快了网络的训练速度，提高了害虫检测的准确率；解码模块对编码的下采样层进行反卷积操作，最后应用像素级分类器获得有效的检测图像。在扩展的害虫图像数据集上与DFCN方法的分割精确度和平均交并比分别为90.43、78.16,较语义分割方法SegNet分别提高了3.27、3.72,单幅图像的识别时间为0.36 s,比SegNet加快了0.16 s。结果表明DFCN方法在害虫图像检测方面具有较高的准确率，分割速度快，可为复杂背景下农作物害虫检测提供一定的理论参考。     

基于图像处理的甘蓝虫害识别研究

病虫害是农作物减产的主要原因,目前我国主要通过喷洒农药来处理病虫害。但是农药的大量施用会给环境带来严重的污染,也会影响食物的安全性。精准施药是解决农药大量施用的有效办法,但首先需要对病虫害的位置与种类作出准确的判断然后再控制农药喷洒。首先,对田间采集回来的虫害图片进行预处理,然后对虫害的特征进行提取,最后通过模糊识别来识别虫害的种类。结果表明,通过形状特征对甘蓝的3种常见害虫识别准确率均高于80%,害虫的形态、阳光照射产生的阴影对识别准确度有严重的影响。     

如何防治农作物地下害虫

正地下害虫是指活动危害期间生活在土壤中,主要为害植物的地下部分(如种子、地下茎、根等)和近地面部分的一类害虫,是农业害虫中的一个特殊生态类群。黑龙江地区地下害虫的种类主要有金针虫、蛴螬、蝼蛄、地老虎等。每年都有不同程度的发生。地下害虫生活周期长,危害的作物种类繁多,主要危害作物的种子、幼芽、根茎,造成缺苗、毁苗,甚至毁种,导致农作物减产,现笔者将其识别与防治对策介绍如下。一、症状识别:     

前言

目前,随着人们生活水平的不断提升,人们对食品安全的要求也越来越高,如何保证无公害农产品生产,保证食品安全,是我们农业工作者的长期任务。我国植保系统在探索更科学有效地控制农作物害虫的领域做了大量工作,特别是近几年与科研单位和企业合作开发出的利用频振式杀虫灯控制农作物害虫的新技术取得了较好效果,并正在农作物害虫防治工作中发挥出积极的作用。     

基于VGG-16卷积神经网络的水稻害虫智能识别研究

为了实现自然场景下水稻害虫实时精准被识别,构建基于VGG-16卷积神经网络的水稻害虫智能识别模型。该模型采用VGG-16卷积神经网络为核心网络结构,根据水稻害虫的个体特征和自然场景,对VGG-16网络的卷积层局部调整,优化主要模型参数,实现水稻害虫的智能识别,其识别的平均准确率是90.7%,实现对沙叶蝉、大螟、斑须蝽、点蜂缘蝽和白背飞虱的准确识别。研究结果显示,采用卷积神经网络技术可以实现自然场景下害虫图像的精准识别,代替人工辨认,提高水稻害虫防治率,实现实时、精准防治的目标。     

改进RetinaNet的农作物病虫害检测模型研究

【目的】为快速准确检测密集遮挡环境下农作物病虫害情况，满足大规模、高效率的识别需求。研究提出了一种改进RetinaNet的农作物病虫害检测模型。【方法】结合DenseNet改造RetinaNet的特征提取网络，强化特征重用，提高深度网络模型对农作物害虫的识别率，准确、快速地识别出病虫害的种类。其非极大抑制算法采用了DIoU策略，有效降低了在目标密集的情况下农作物病虫害的漏检率，提高了检测精度。【结果】改进后的算法模型具有较高的检测精度和良好的实时性，对作物密集遮挡情况有较好的适应性，mmAP达到了49.8%。【结论】将模型应用于复杂的农作物生长环境中，能有效提升病虫害智能检测能力。     

农作物害虫诱杀法

许多农作物害虫具有趋绿性、趋黄性、趋光性和趋味性等特性.利用害虫的趋性,人为设置器械或诱物来诱杀农业害虫的方法,称为诱杀法.诱杀农作物害虫不仅经济、安全、简单,而且无农药残留,不污染环境.     

几种主要大田作物病虫草害防治技术

农作物是指农民自己种的食物,农作物里有很多害虫,给农作物带来了危机,病虫会使玉米的命运面向死亡,现在农民的经济处于下跌状态,我们要针对不同的害虫实施不同解决办法,要找到既能杀死害虫有不影响农产物生长的办法,要对症下药,只有农民用心去照料,等到丰收的时节才会有好的收获。     

山西太谷枣林主要害虫种类的识别

对近年来在太谷枣林内采集的有关害虫标本进行整理和鉴定,参考最优分割法,根据害虫为害的实际情况,将害虫的为害划分为休眠期、萌芽展叶开花期、幼果膨大着色成熟期3个阶段。把害虫为害的3个阶段编制成野外害虫识别检索表,其中休眠期害虫的识别,根据害虫栖息的场所分为2类,一类是土壤中,另一类是树体上。检索表中包括越冬态、幼虫、成虫等各虫态的识别。     

综合防治技术在农作物病虫害中的应用

众所周知,农作物害虫严重影响到农作物的生长,会减少农民的收入,几乎所有的农民都为此头痛不已。为此,我们就要采取一定的措施来防范。综合防治技术就是一个十分有效的方法。害虫对农作物的影响是十分巨大的,不仅影响农作物的产量、影响农民收入,甚至会对农业环境造成破坏。所以,探究农作物害虫防治的综合防治技术对提高产量和农民的收入是十分有意义的。综合防治技术强调自然界对病虫害的控制因素来抑制其数量,但也并不反对用化学药物进行防治,但要达到不杀害其天敌的原则,合理运用各种方法来控制病虫害数量。     

国家10种一类农作物害虫在大理市的发生危害情况及防治

抓好国家一类农作物害虫的发生危害情况调查和防治,事关大理市粮食生产安全.文章介绍了国家10种一类农作物害虫在大理市的发生危害情况及采取的防治措施,切实抓好国家一类害虫在大理市的防治工作.