玉米典型叶部病害高光谱识别及其烈度分类

[目的/意义]近年来,玉米叶部病害发生日趋加重且呈现混发现象,严重威胁玉米产量和品质。但目前鲜有研究对叶部病害种类识别及其烈度分类进行结合,无法满足实际场景中玉米不同病害及不同烈度混发下的病害防控需求。[方法]提出一种基于高光谱技术实现玉米典型叶部病害种类识别及其烈度分类的方法,通过挖掘玉米大斑病、小斑病和南方锈病3种叶部病害的光谱特性,优选敏感特征构建基于病害发展全阶段(包含病害所有烈度)和病害单一烈度下的病害种类识别模型;进一步地,针对玉米叶部单一病害构建烈度分类模型,以期实现对不同叶部病害的全过程识别与病害烈度分类。[结果和讨论]3种玉米叶部病害在550～680 nm的可见光、740～760 nm的红边、760～1 000 nm的近红外和1 300～1 800 nm的短波红外处其光谱变化显著。基于此提取的光谱特征能够有效捕捉病害特异性信息。基于病害发展全阶段构建的病害种类识别模型最优总体精度(Overall accuracy,OA)达77.51%,MacroF₁达0.77;而基于病害单一烈度下的病害种类识别模型精度随着病害烈度的增加而升高。在病害发展阶段处于...     

农业主要病害检测与预警技术研究进展分析

农作物病害一直以来是制约农业可持续发展的主要因素之一,农业病害预警逐渐成为国内外研究的热点问题。在总结和整理现有国内外研究文献的基础上,对物联网和传感器、3S、光谱、病原微生物检测等农业病害预警信息获取关键技术以及病害图像处理、病害预警专家系统、病害预测等农业病害预警信息处理技术进行了系统的分析与讨论。综述结果表明,多种技术的结合、集成及融合将使农业病害预警的覆盖面更广,预警准确性更高;农业病害预警信息获取方式在向精确化、广泛化方向发展;对农业病害的短期预警将成为一个研究重点;农业病害早期/初期检测、诊断与预警会成为新的发展方向;农业病害预警系统及装备将朝着低成本化方向发展;实时在线的农业病害自动预警方式具有更大的实际意义。     

基于图像处理的小麦病害诊断算法

通过小波变换和纹理矩阵计算,强调了小麦病害部位.由自动阈值处理获得病害部位的二值图像;通过二值图像与原图像的匹配,计算出病害部位的颜色特征值;以待测病害图像与库存病害图像之间颜色特征值差值最小为原则,检索出库存病害图像.算法对小麦病害图像的诊断准确率达90%.     

作物病害智能诊断与处方推荐技术研究进展

由“植物诊所”形成的电子病历为作物病害处方推荐提供了新的思路。如何高效地挖掘电子病历数据并辅助作物病害处方推荐,目前还是亟待解决的研究热点问题。在总结和整理现有国内外研究文献的基础上,对基于显微图像的作物病害病菌孢子识别、基于光谱的作物病害诊断、基于电子病历的作物病害处方推荐等作物病害诊断与处方推荐关键技术进行了系统分析与讨论。综述结果表明,围绕作物病害病菌侵染过程,以智能化处方推荐需求为导向,开展基于电子病历数据挖掘的作物病害处方推荐研究,将成为一个研究重点。针对作物病害处方推荐过程中,存在由于作物病害致病机理复杂、作物品种及病害种类多、病害病症动态变化且特征多等特点和难点,研究基于电子病历数据挖掘的作物病害致病机理解析、诊断推理、智能化处方推荐及其应用策略,将是研究的重大方向;探索基于知识图谱分析、大数据挖掘和机器学习算法推理等关键技术的作物病害电子病历数据挖掘分析研究,从区域宏观视角可视化解析作物病害致病机理及其与特征间的关联关系,面向实际应用场景实现基于诊断推理的单一作物病害处方推荐、基于语义匹配的多种作物多种病害处方推荐,具有更大的实际意义。     

计算机视觉在香芋病害检测中的应用研究

针对传统的人工识别香芋病害的局限性、主观性的特点,基于计算机视觉技术设计了香芋病害识别系统,由病害图像采集装置、图像处理系统、形态特征提取系统和缺陷目标检测系统组成。通过提取香芋叶片的颜色特征和纹理特征,建立香芋病害数据库,并利用支持向量机(SVM)的方法对香芋病害识别。试验结果表明:基于计算机视觉的香芋病害检测系统能够准确识别香芋的病害类别,满足使用要求,能够为后续的香芋病害防治工作提供准确信息。     

基于环境因子的黄瓜病害预测研究

日光温室中病害的预测预报是病害管理的重要组成部分,也是有效防治和控制病害发生发展的依据,更是农业生产管理和决策的前提。植物生长发育进程明显受到温度的影响,而病害发生又与长时间高温度和高湿度相联系。以往的病害预测多是基于对植物本身的病害特征、种植方法和农药的用量来实现的,多是如何防止。因此,病害早期的预测、预报和防治显得非常重要。为此,根据已有的专家知识库建立以环境数据(即温度和湿度)为输入的神经网络病害预测模型,通过此模型用实际的环境数据再预测未来病害,从而减少病害发生的概率,获得速生高产与优质高效的农产品,实现经济效益最优的目标。     

简析观赏植物病害诊断与防治措施

本文对观赏植物病害诊断与防治措施进行了探讨。从阐述观赏植物病害类型入手,分析了观赏植物病害症状特征,提出了观赏植物病害防治措施,仅供参考。     

我国玉米病害现状及防治措施

玉米病害一直是困扰玉米种植的问题,为了能够缓解玉米病害对玉米质量与产量,文章对玉米病害进行了相对详细的分析研究,希望对我国玉米病害的预防起到一定的效果。     

基于图像处理的日光温室黄瓜病害识别的研究

根据日光温室黄瓜病害的彩色纹理图像的特点，将支持向量机和色度矩方法用于识别黄瓜病害。在进行分类时，首先以色度矩作为特征向量，然后将支持向最机分类方法应用于黄瓜病害的识别。通过黄瓜病害纹理图像识别实验分析表明，以色度矩作为病害彩色纹理图像的特征向量简便、快捷、分类效果好；支持向量机分类方法在黄瓜病害训练样本较少时也具有良好的分类能力和泛化能力，非常适合于黄瓜病害的分类问题。不同分类核函数的相互比较分析表明，线性核函数最适合黄瓜病害识别。     

基于CDSSM的作物病害处方推荐方法

作物病害诊断积累了大量电子处方数据,对电子处方数据二次利用,实现作物病害处方智能推荐是植保领域重要的研究内容。对此,本文构建基于CDSSM的作物病害处方推荐模型,实现多种类作物病害的诊断和处方推荐。基于病害标准知识库对作物病害处方数据进行筛选,并进行数据扩充,同时结合领域知识构建标准处方库;构建基于CDSSM的作物处方推荐模型,根据文本特征生成语义向量,计算语义向量的余弦距离,结合标准处方库完成融合地区、时间、作物种类、生长期等多个因素的处方精准推荐。从病害诊断、处方推荐、针对番茄病害处方推荐和不同输入对处方推荐的影响4方面展开结果分析,并与基于DSSM、DSSM-LSTM、Cosine、Jaccard、BM25的模型结果进行对比分析;结合实际应用需求设计并构建面向移动终端的作物病害处方推荐应用“处方宝”。结果表明,基于CDSSM的作物病害处方推荐模型病害诊断正确率为71%,处方推荐准确率为82%,优于其他5种作物病害处方推荐模型;针对番茄病害处方推荐准确率更高。本文构建的基于CDSSM的作物处方推荐模型可以满足实际应用需求,还能够进行病害种类的扩充,可以作为作物病害处方推荐的高效辅助...     

苹果病害智能诊断方法研究与设计

针对传统苹果专家病害诊断系统自学习能力差、准确率低的不足,研究并设计了人工神经网络的苹果病害诊断方法.采用动态编码对苹果病害模糊知识进行量化,构建BP网络诊断模型进行诊断;采用Java语言开发基于Web的病害动态诊断平台,用白水苹果病害样本进行了实验.该方法对20种苹果病害的诊断具有较好的效果,测试准确率达到85.4%.在获得必要领域知识的前提下,用神经网络进行苹果病害诊断准确率高,系统设计灵活,基于Web的诊断平台便于推广和使用.     

基于农作物病害检测与识别的卷积神经网络模型研究进展

农作物病害的精准检测与识别是推动农业生产智能化与现代化发展的重要举措。随着计算机视觉技术的发展,深度学习方法已得到快速应用,利用卷积神经网络进行农作物病害检测与识别成为近年来研究的热点。基于传统农作物病害识别方法,分析传统方法的弊端所在;立足于农作物病害检测与识别的卷积神经网络模型结构,结合卷积神经网络模型发展和优化历程,针对卷积神经网络在农作物病害检测与识别的具体应用进行分类,从基于公开数据集和自建数据集的农作物病害分类识别、基于双阶段目标检测和单阶段目标检测的农作物病害目标检测以及国外和国内的农作物病害严重程度评估3个方面,对各类卷积神经网络模型研究进展进行综述,对其性能做了对比分析,指出了基于农作物病害检测与识别的卷积神经网络模型当前存在的问题有：公开数据集上识别效果良好的网络模型在自建复杂背景下的数据集上识别效果不理想;基于双阶段目标检测的农作物病害检测算法实时性差,不适于小目标的检测;基于单阶段目标检测的农作物病害检测算法在复杂背景下检测精度较低;复杂大田环境中农作物病害程度评估模型的精度较低。最后对未来研究方向进行了展望：如何获取高质量的农作物病害数据集;如何提升网络的泛化性能;如何提升大田环境中农作物监测性能;如何进行大面积植株受病的范围定位、病害严重程度的评估以及单枝植株的病害预警。     

观赏植物月季常见病害的发生及治理

针对月季栽培中极易感染真菌性病害主病毒的问题,梳理归纳月季常见病害的发病症状、危害、条件和规律,结合国内外的综合防治研究进展,探索防治月季病害的有效方法,为综合防治月季病害提供理论依据。     

基于机器视觉的半干枣病害和裂纹识别研究

研究提出了一种基于机器视觉的病害和裂纹的识别方法。在H分量图中,依据半干枣在病害和非病害区域色调值差异提取病害区域,以提取的病害区域与枣表面积的比作为阈值确定较高的病害面积识别精度,可正确识别的感兴趣病害面积为16.87mm2,占枣投影面积的3.3%。为进一步提高在该病害面积识别精度的正确率,依据已确定的病害面积比阈值,将病害面积比值二值化,结合红枣区域颜色特征值H的均值和均方差,用SVM方法建立枣病害的识别模型,训练集和测试集的识别正确率分别为9 5.7 7%和9 5.7 9%。在I分量图中,对红枣区域进行Otsu’s阈值分割、图像局部属性统计和形态学处理,提取裂纹二值图像,依据裂纹图像不变距方法建立裂纹识别模型,训练集和测试集的识别正确率分别为94.90%和94.55%。     

多尺度自注意力特征融合的茶叶病害检测方法

针对茶叶病害检测面临的病害尺度多变、病害密集与遮挡等诸多问题,提出了一种多尺度自注意力茶叶病害检测方法(Multi-scale guided self-attention network, MSGSN)。该方法首先采用基于VGG16的多尺度特征提取模块,以获取茶叶病害图像在不同尺度下的局部细节特征,例如纹理和边缘等,从而有效表达多尺度的局部特征。其次,通过自注意力模块捕获茶叶图像中像素之间的全局依赖关系,实现病害图像全局信息与局部特征之间的有效交互。最后,采用通道注意力机制对多尺度特征进行加权融合,提升了模型对病害多尺度特征的表征能力,使其更加关注关键特征,从而提高了病害检测的准确性。实验结果表明,融合多尺度自注意力的茶叶病害检测方法在背景复杂、病害尺度多变等场景下具有更好的检测效果,平均精度均值达到92.15%。该方法可为茶叶病害的智能诊断提供参考依据。     

葡萄病害的计算机识别方法

农作物在生长过程中会受到病害侵袭,使其产量和品质受到严重的影响,而病害识别和诊断是作物病害防治的前提。本文针对葡萄病害叶片图像的特点,应用计算机图像处理和模式识别技术研究葡萄病害识别方法,可提高葡萄病害识别的准确率和效率。采集田间自然光照下不同生长阶段的多种病害叶片图像,提取叶片上病斑处的颜色和纹理共28种特征。为筛选出对白粉病、褐斑病、霜霉病、灰霉病、黑痘病、炭疽病等6种常见葡萄病害具有最佳识别率的分类器,对决策树、判别分析、支持向量机、最近邻和集成分类等5大类22种分类器进行了训练和测试,发现集成分类器中的Bagged trees分类器对测试集中的6种病害的平均识别率最高,达到86.4%,对上述各种病害识别率分别为93.0%、87.5%、82.7%、87.7%、85.5%、82.1%。试验结果表明,本方法能够有效识别多种葡萄叶部病害类别,为实现葡萄病害的快速自动识别提供方法和依据。     

侯马市春季小麦病虫害综合防治技术

一、春季小麦主要病害简介1.种传或土传病害(1)病害种类①小麦纹枯病。小麦纹枯病是侯马市小麦生产上的一种主要病害,属于土壤传播的真菌病害。小麦各生育期皆可发病,一般使小麦减产10%～20%,严重时形成枯株白穗,甚至颗粒无收。小麦幼茎初     

基于计算机视觉的芋头病害监测与识别

为深入及时掌握芋头病害的信息与生长动态,基于计算机视觉中的图像识别与特征提取技术,对芋头常见病害进行监测与识别研究。在全面理解芋头病害监测的内部波段划分与识别方法匹配基础上,融合计算机视觉的图像纹理特征识别与边界区域条件参数,建立芋头病害识别监测理论模型,通过系统的硬件仪器及电路配置、软件程序功能实现,进行芋头病害图像监测识别试验。结果表明:根据芋头常见病害的外形特征,可得到多组清晰化的芋头病害特征与症状显示图,是直观化识别与分类管控的重要依据。该监测系统整体芋头病害识别率较高,平均维持在88%以上,其中疽病的识别率可达到91.3%,试验效果良好且思路可行,对类似农作物病害的监测与识别技术优化有一定的参考价值。     

基于图像自动标注与改进YOLO v5的番茄病害识别系统

针对作物病害识别系统功能单一，缺乏系统升级机制，人工升级系统成本较大的问题，以番茄病害为例，提出了基于OpenCV的番茄叶片图像自动标注算法和改进YOLO v5的番茄病害识别模型；结合数据集自动划分、模型自动训练与评估、手机APP自动创建与更新理念，设计了一种可以自动升级的番茄病害识别系统；引入专家审查校正机制，提高了系统识别结果的可靠性。实验结果表明，该系统实现了对番茄的健康叶片与9类病害叶片进行识别，可以在实际应用中通过手机APP识别番茄病害的同时自动扩充番茄病害图像数据集，并根据数据扩充量自动启动系统的升级优化流程，由此不断提升该系统的番茄病害识别性能。该系统为番茄生产提供了一个便捷、可靠的番茄病害识别工具。     

枝干病害发展特点及防治原则

枝干病害的种类不多,但病原的种类几乎涉及到所有能引起植物病害的因素,灼伤、低温等所致病害是常见的非侵染性枝干病害。侵染性病害的病原有真菌、细菌、病毒和类菌原体,此外还有线虫、寄生性种子植物、地衣和藻类,其中以真菌性枝干病害分布最广、危害最大。