基于ASP.NET技术实现在Internet中水稻病害数据库的检索

本文建立了一个利用ASP．NET技术实现在Internet中水稻病害数据库的检索系统,对其系统结构和功能设计进行了阐述。该系统可用于网上查询水稻病害的名称、症状、病害循环、发病条件、病害控制等数据。     

基于专家系统的黄瓜园区无线智能监控系统研究

拟研发基于专家系统的黄瓜种植园区智能监控系统,该系统可对黄瓜园区多处的温度、湿度、光照度、土壤水分含量、二氧化碳浓度进行实时监控,帮助管理员将作物生长环境调节到最佳状态。该系统基于ZigBee无线网络技术对环境数据进行采集传输,通过通用分组无线服务(GPRS)技术将环境数据上传到云服务器并存储,利用专家系统对黄瓜病害进行诊断,同时提供病害解决方案。实际运行结果说明,该系统大大提高了黄瓜种植园区的生产效率和产品质量,也可为其他农业生产环境的智能监控、统计、分析提供依据。     

基于Android平台的水稻病害智能诊断关键技术研究

针对手机客户端上传图片缓慢、损耗数据流量、图像检索和处理能力有限等问题,提出客户端对病害图像进行实时采集和压缩并上传、远程服务端识别并返回结果的方法,阐述了系统实现过程中的一些关键技术(如JPEG图像压缩技术、Open CV图像识别处理技术等),且基于Android平台构建了水稻病害智能诊断平台。结果表明,该系统能及时、准确地鉴别病害种类,提供准确的诊断信息和防治方法,同时还能解决客户端图像处理能力低下、图像上传缓慢等问题,具有较强的实用性。     

基于ASP技术的水稻病害管理系统的设计与实现

选用Dreamweaver8作为系统的前端开发平台、IIS组件作为Web服务器,采用ASP+Access的开发模式,以数据库为核心,实现对水稻病害信息的动态管理.本系统有比较完善的后台管理系统,包括对病害信息的查询、添加、修改、删除等功能.     

融合Focal Loss与典型卷积神经网络结构的水稻病害图像分类

快速高效地识别水稻病害的种类并及时采取有效的防治措施对避免水稻减产具有重要意义，为解决人工识别水稻病害效率低、识别精度不高、深度学习样本不平衡导致识别准确率不高等问题，融合Focal Loss与4种典型卷积神经网络结构对7种水稻病害进行分类识别。利用TensorFlow的Keras深度学习框架搭建卷积神经网络的图像识别分类系统，使用Focal Loss损失函数解决数据集不平衡导致识别准确率低的问题，采用ResNet50、ResNet101、MobileNetV2、VGG16作为特征提取骨干，对7种水稻病害进行识别。通过imgaug库增强数据，将13 543张水稻病害图像按照9∶1的比例划分为训练集和验证集并参与训练模型，将1 404张水稻病害图像作为测试集来验证模型的准确性。结果表明，所搭建的数据集中ResNet50、ResNet101、MobileNetV2、VGG16的识别准确率分别为98.06%、94.26%、92.47%、97.83%。可见，在融合Focal Loss损失函数的情况下，ResNet50作为特征提取骨干训练出的模型在水稻病害图像分类中拥有最高的准确率，该成果可在实...     

基于专家知识的草莓种植园区监控系统设计

设计了一个基于专家知识的草莓(Fragaria ananassa Duch.)种植园区监控系统,该监控系统能够对种植园区内的温度、湿度、CO2浓度、光照度及病害进行准确预报并指导果农进行实时控制,通过专家知识库的建立与调用来完成病害诊断和调节温室最佳环境。利用SQL技术对数据库进行管理,利用Visual Studio 2008作为开发工具,采用C#.NET为开发平台,构建了上位实时动态监测系统,实现了对种植园区内环境数据的实时监测、数据管理与统计分析和草莓病害诊断的功能。该系统基于Zig Bee无线传感器网络进行数据传输,具有成本低、体积小、容易安装、运行可靠等特点。     

基于多叉树遍历算法的玉米病害检索诊断系统

在搜集整理大量玉米病害资料和实际调查的基础上,利用My SQL系统数据库和PHP语言编程设计了集玉米病害信息管理、信息检索、病害诊断等功能于一体的玉米病害检索诊断系统。该系统以面向对象的设计思路,基于多叉树遍历算法进行玉米病害推理诊断,极大地降低了用户的输入负担,提高了病害推理诊断速度,降低出错概率。系统突出强调算法的优化处理,分析并优化了数据库的"时-空"效率,提高数据处理速度并且降低数据占用空间,同时注重在线数据的安全性。     

基于PCA和Whitening算法的水稻病害图像预处理研究

水稻病害图像预处理在使用机器视觉技术对水稻病害智能诊断识别中至关重要。预处理效果直接影响水稻病害识别准确率。提出一种新的基于PCA和Whitening融合算法的水稻病害图像预处理方法。实验获取了水稻病害彩色图像和灰度图像的训练样本和测试样本,对获取的样本应用PCA降维,然后对降维后的样本随机取样,应用Whitening算法得到了相应的训练特征和测试特征。实验表明,该融合算法增强了预处理后的水稻病害图像样本对光照及亮度的鲁棒性,可有效提高病害识别准确率。     

基于STC12单片机的奶牛健康检测系统设计

为了实现奶牛健康的实时检测,提出了一种基于STC12C5A60S2单片机的奶牛健康检测系统.该系统由基于单片机的下位机装置、基于Lab VIEW的上位机程序和基于FTP(File transfer protocol)协议的服务器3部分组成.下位机采用STC12C5A60S2单片机构建控制核心,使用温度传感器、心率传感器和运动传感器对奶牛特征参数进行检测,使用串口有线通讯和Wi Fi无线通讯的可选模式将数据传输至上位机;上位机软件使用虚拟仪器Lab VIEW技术进行构建,使用TCP(Transfer control protocol)协议对下位机进行通讯和控制,诊断算法可以对奶牛的健康数据进行诊断计算和简单的健康结果诊断;服务器使用服务器专用计算机构建,通过FTP协议为系统提供服务.系统测试结果表明,下位机检测数据的有效性最高达75%,有线数据传输正确率达92%,无线传输正确率达80%,服务器数据服务传输正确率达99%,诊断算法依赖经验库设计方案可行.在工作模拟测试中,运用该系统随机对10头奶牛的体温,运动量和心率进行了远程检测试验,10头奶牛的平均体温心率分别为34.5℃和63次/min;运动量白天平均为163次/min、夜晚平均为47次/min,奶牛的数据平均值的诊断结果为"健康,准确度:88%".系统具有一定的实用性,希望能给类似设计提供参考.     

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。     

滁州地区水稻旱青立病的发生与防治

[目的]探讨滁州地区水稻旱青立病的发病原因及防控措施。[方法]进行田间调研及对文献资料进行综合分析,研究滁州地区水稻旱青立病的原因,并总结常用的防治措施。[结果]滁州地区水稻旱青立病表现为单株发病、单丛发病、丛间夹杂发病,籽粒发病时,病穗中也有零星结实正常的稻粒。主要致病因素为富砷或缺素,属生理性病害,也不排除其他致病因素的影响。在防治措施上应重施有机肥、轮作,白土田多注意病情变化、干干湿湿多烤田、注意微肥施用时期、分蘖末期和花粉形成期调整避开高温、改善水浆管理等。[结论]该研究可为水稻旱青立病的防治提供参考。     

南方水稻黑条矮缩病测报技术研究

研究2 种数学分析模型对南方水稻黑条矮缩病的预报效果,为该病害的预测预报提供参考。以2006—2015 年广东省化州市晚稻南方水稻黑条矮缩病发病率为原始数据,分别采用多项式回归和灰色系统GM(1,1)预测方法建立南方水稻黑条矮缩病发病率的预测模型,分析其预测效果。结果表明,采用多项式回归和灰色系统GM(1,1)分别建立了晚稻南方水稻黑条矮缩病发病率预测预报模型：y=5.2530-5.8923x 2.1280x2-0.1559x3和y(1)(k 1)=-51.1797e-0.4798k 66.8097,2 种预测模型均能较好地预测南方水稻黑条矮缩病的发病趋势,为该病害的预测提供了一种准确有效的方法。预测预报模型可以应用于防病减灾工程。     

基于知识图谱的水稻病虫害智能诊断系统

目的 利用知识图谱对水稻病虫害领域复杂的异构数据信息进行结构化存储,建立病虫害间语义关系,为水稻病虫害关联检索及智能诊断提供理论依据。方法 首先提出一种面向水稻病虫害的知识图谱构建方法和基于图的水稻病虫害检索算法,通过引入节气实体实现水稻病虫害的预警。其次提出基于确定性因子(Certainty factor,CF)模型和知识图谱相结合的知识推理方法,利用CF与水稻病株症状的结合实现水稻病虫害的诊断。结果 利用命名实体识别模型,得出病、虫害名称及危害症状实体的准确率分别为0.92、0.90及0.87,进一步构建包括1 972个实体及5 226个实体关系的垂直领域知识图谱。通过自主开发的智能诊断系统进行案例分析,试验表明,诊断算法正确率达到86.25%。结论 该系统有效地解决了水稻病虫害领域数据检索、预警与诊断中知识的复杂性及不确定性的问题,有较强的实用价值和推广前景。     

水稻抗病相关基因的分离克隆和功能鉴定

水稻白叶枯病和稻瘟病分别是由白叶枯病菌(Xanthomonas oryzae pv.oryzae,Xoo)和稻瘟病菌(Magnaporthe grisea)引起,是世界水稻生产中的两大重要病害,造成的损失巨大.通过改良水稻自身防御体系来控制病害,是一种既经济义绿色的方法.鉴定水稻抗病相关基因,研究水稻抗病机理对改良水稻有着重要的理论意义和应用前景.     

水稻病害预测专家系统研究的文献计量分析

基于各类专家系统的水稻病害预测研究为当今水稻病害的高效防治提供了全新的模式。通过分析web of science(WOS)引文数据库收录的有关水稻病害预测专家系统的最新文献,可以准确了解我国在利用上述手段控制水稻病害方面与世界先进水平的差距,从而为我国水稻病害预测研究的科研工作者和决策者制订系统研发策略提供参考依据。对2000-2009年间该库收录的水稻病害预测专家系统核心文献进行了计量分析。统计期间内热点研究领域是基于Web GIS系统平台对水稻病害的实时监控等研究。结果表明,美国在上述研究中占有明显优势,我国在发文量上位居第2位。中国高被引论文数量与发文总量所处的地位不相称,缺少高水平研究论文的现象值得注意。     

水稻病虫草害本体的构建研究

立足于水稻病虫草害领域信息知识的特点,基于本体理论方法,在水稻专家的参与下,形成水稻病虫草害领域知识概念体系,并以病害为例,构建了基于本体的比较完善的水稻病害领域知识组织体系,探索并揭示水稻领域本体的关键性问题,为其他领域本体的构建提供有章可循的方法和技术路线.     

基于MSDB-ResNet的水稻病虫害识别

目的 水稻产量关乎全人类的粮食安全,如何有效地预防和高效地检测水稻病虫害是智慧农业领域的重要课题。深度学习由于具备自主学习图像特征等优异性能,成为水稻病虫害识别的首选方法。但在自然环境下,数据集偏小,且容易受到复杂背景的影响,在训练过程中容易产生过拟合,以及细微特征难以提取等问题。本研究致力于解决上述问题。方法 提出一种基于改进ResNet的多尺度双分支结构的水稻病虫害识别模型(MSDB-ResNet)。在ResNet模型的基础上,引入ConvNeXt残差块,以优化残差块的计算比例,构建双分支结构,通过调整每条分支的卷积核大小,提取输入病害图像中大小不同的病害特征。针对现实环境复杂、数据集太小、过拟合等问题,利用从自然环境拍摄到的5932张水稻病虫害图像,使用随机亮度、运动模糊等数据预处理方法,以及镜像、裁剪、缩放等数据增强方法,将数据集扩充到20000张,训练MSDB-ResNet模型识别4种常见的水稻病害。结果 MSDB-ResNet在水稻病虫害数据集上具有良好的识别性能,识别准确率高达99.10%,较原ResNet 模型提高了2.42个百分点,明显优于AlexNet、VGG、DenseNet和ResNet等经典网络。该模型具有良好的泛化能力和极强的鲁棒性。结论 MSDB-ResNet模型在水稻病虫害识别中具有一定的可行性和先进性,可为实现复杂背景下的水稻病虫害识别提供参考。     

基于马尔科夫模型的鄂东南水稻病虫害预测方法研究

以鄂东南2003～2011年水稻主要病虫害危害情况为基础资料,采用马尔科夫模型对鄂东南2012年水稻主要病虫害的发生情况进行了预测。结果表明,预测2012年鄂东南各种病虫害发生等级如下:稻瘟病,4级;二化螟,4级;稻飞虱,4级;稻纵卷叶螟4,级;纹枯病4,级;蓟马3,级。     

基于J2EE的水稻病虫害管理专家系统

应用J2EE技术开发了水稻病虫害管理专家系统．该系统建立了一种知识的表达方法，对水稻病虫害诊断的知识进行有效组织，较好地解决了病虫害诊断过程中知识的不确定性；并设计出一种高效的推理机．该系统能提供在线查询以及水稻病虫害的处理办法．