温室番茄病害防治方法

根腐病用72．2％普力克水剂400～600倍液浇灌苗床．药液用量2-3公斤／平方米：或在移栽前用72．2％普力克水剂400-600倍液浸苗根：也可于移栽后用72．2％普力克水剂400-600倍液灌根。     

基于优化神经网络的温室厚皮甜瓜病害预测

在温室环境中,厚皮甜瓜较易感染一些病害,而传统的病害预测模型收敛速度慢,易在局部局限在极小值,为准确预测温室厚皮甜瓜病害,在BP神经网络的基础上进行优化,引入了遗传算法,在全局最优解的附近进行局部搜索,以遗传算法的全局搜索能力克服了传统神经网络的局部极小值问题与收敛速度缺陷。经以Matlab对试验数据进行仿真分析,证实引入遗传优化算法进行温室厚皮甜瓜病害预测误差显著减小,取得了较理想的拟合结果。     

无公害温室番茄病害的综合防治

大棚、温室的普及应用，番茄产量越来越高，但是伴随发生的病虫害也越来越严重，防治也越来越困难，导致剧毒化学农药的大量使用，产生了高残留的有毒番茄。为了改变这一现状，必须实行无公害番茄病虫害的综合防治。     

基于注意力神经网络的番茄叶部病害识别系统

基于注意力机制的卷积神经网络构建了番茄叶部病害识别系统。依据注意力机制构建并行注意力模块以提升特征提取能力,并与残差结构相结合构建PARNet模型。以分别患有早疫病、晚疫病、叶霉病、斑枯病和花叶病毒病这5类病害的叶片和健康叶片的叶部图像为研究对象,将PARNet模型与VGG16、ResNet50、SeNet等模型相对比,结果显示PARNet模型的识别率为96.91%,高出其他模型2.25%～11.58%。各类预测结果的精确率平均为96.84%。最后使用Flask完成WEB应用程序的开发,实现了跨平台的番茄叶部病害识别。     

基于卷积神经网络的番茄叶部病害识别方法

【目的】利用卷积神经网络构建作物病害识别模型,提高识别性能,解决作物病害识别性能低、泛化效果差等问题。【方法】通过数据增广技术增加样本多样性,引入聚焦损失改进模型学习目标,解决样本非均衡问题,分析比较不同卷积神经网络结构的识别性能,并用类激活图生成技术度量模型的可靠性。在番茄叶部病害数据集上验证方法的有效性。【结果】应用数据增广技术后,模型在简单背景样本上的识别准确率提高了1.0%,在复杂背景样本上提高了12.5%;聚焦损失使模型的准确率提高了0.1%;该模型的识别准确率为99.8%,对各类病害的召回率在97.3%以上;应用类激活图技术生成的显著性图可有效标识模型在识别过程中的重点关注区域。【结论】该方法能够有效解决病害图像样本非均衡问题,提高了病害识别模型的泛化性能,同时类激活图可以用于分析模型的可靠性,从而为番茄叶部病害防治提供参考。     

冀南越冬温室番茄病害防控技术

近年来,河北省南部越冬温室番茄栽培面积逐年增加,年平均亩产番茄16 000 kg,效益达2.3万元。越冬番茄一般8月上中旬开始定植,11月下旬至12月上旬开始采收,采收期持续到翌年7月。番茄从定植到采收要经历秋冬春夏4个阶段,各阶段环境条件变幅大,病害的发生种类也不同,给种植户     

温室番茄主要病害绿色防治技术

近年来,温室栽培的番茄价格高,效益好,棚室番茄种植在成都得以大面积发展,但受棚内特殊的环境条件及栽培管理等因素的影响,棚室番茄病害呈加重发生态势,尤其是青枯病、晚疫病、叶霉病、灰霉病发生普遍,严重影响番茄的产量和品质。笔者对以上4种病害的发病症状、发病条件进行了观察研究,并对其防控进行了试验,取得了较好的效果。     

温室番茄生理性病害的发生与防治

1 果实类生理障碍1.1番茄畸形果 症状 果实表现畸形怪状,如:尖顶形,腹部突出,似鹰嘴状,多棱形,果身变长,具几道棱沟;果顶凹陷,形似蟠桃果;增瘤形,在近脐部或近蒂部增长出显著的瘤状突起;半顶形,果实顶部一半膨大,另一半不膨大或膨大不够,形成半边果顶。     

基于改进卷积神经网络算法的番茄叶片病害识别

为了提高番茄叶片病害识别的效果,提出改进卷积神经网络算法。首先Sobel算子获得水平方向、垂直方向、45°、135°对角方向的4个通道图像,四通道卷积神经网络采用不同大小的卷积核提取图像特征;接着双重注意力机制包括空间注意力、通道注意力,空间注意力包括局部注意力机制、全局注意力机制,局部注意力机制注意图像的局部特征,全局注意力机制注意图像的整体特征,空间注意力使用局部-全局交替注意力;通道注意力主要进行加强番茄叶片图像的有用特征抑制无用特征;然后通过K-means聚类方法划分出病害聚类区;最后给出了算法流程。试验仿真结果显示本研究算法对番茄叶片病害黄叶卷曲病、花叶病、蜘蛛螨病、七星斑病、叶霉菌病、早疫病识别准确率平均值分别为98.51%、97.92%、96.71%、94.12%、94.63%、94.22%,高于其他算法,同时消耗时间少于其他算法。     

基于改进DenseNet卷积神经网络的番茄叶片病害检测

针对传统的图像识别方法存在人工提取特征困难、识别耗时长和准确率低等问题,本研究以感染病害的番茄叶片和健康番茄叶片共10类图像为研究对象,提出了1种迁移学习和DenseNet卷积神经网络相结合的模型,实现了对番茄叶部病害的准确分类.首先将所有的图像数据进行预处理修改尺寸,对部分数量不均衡样本作随机变换;然后将DenseN...     

温室番茄病害预防的几项措施

1种子消毒 首先进行温汤浸种,将种子放在50℃～55℃的热水中不断搅拌,水温降至30℃时,停止搅拌,浸泡4～6h,然后即可催芽,可杀死种子内外大部分病菌。温汤浸种后的种子再用10％的磷酸三钠溶液浸种20min,洗净后催芽播种,具有预防病毒病的作用。或者预浸后的种子放入1％高锰酸钾溶液中浸泡10～15min,取出用清水冲洗干净后再催芽,可防治番茄病毒病及溃疡病。     

温室番茄主要病害的生态防控技术

近年来,保护地番茄的病害越来越重,其中早疫病、晚疫病、灰霉病、叶霉病为四大主要病害,严重时减产60%以上,甚至绝产.过量使用化学农药、盲目用药造成番茄产品农残超标,降低了番茄产品的质量,威胁了消费者的身体健康.而生产优质、营养、安全、保健型绿色番茄产品的消费需求越来越强烈,为此,笔者等在生产实践中示范了番茄病害的生态防控技术.试验结果表明,采用生态防控技术,大大降低了番茄几种常见病害的发病率和发病程度,温室内番茄整个生育周期内化学农药的用量一般可减少56%～75%,每667 m2可降低成本300～600元,提高产量20%～40%以上,667 m2增产值2000～3600元.同时,降低了农药对环境的污染,维护了农业生态环境,生态效益和经济效益均十分显著.     

番茄病害诊断与防治

番茄的主要病害有早疫病、晚疫病、灰霉病、叶霉病、病毒病、青枯病、脐腐病。主要虫害有棉铃虫、蚜虫、白粉虱。     

基于Bi-LSTM与多尺度神经网络模型的番茄病害识别

番茄叶片病害的精准识别对农业领域未来的发展至关重要,农业研究人员逐渐使用深度学习的方法进行植物病害的精准检测。然而对比以往的神经网络可以发现,它们普遍缺少上下文信息的连续性以及全文信息的完整性。对此本研究提出了一种Bi-LSTM和多尺度卷积神经网络相结合的模型,采用双向长短期记忆网络,可以更好地捕捉双向信息的反馈,使上下文的信息更具有连续性,而所提出的多尺度卷积神经网络既保证了全局信息的完整性,同时减少了细节信息的丢失,为了提高模型对病害特征的识别能力引入注意力模块,从而使模型重点关注疾病的特征部分。从公开的PlantVillage数据集中选取番茄的9类疾病和健康的叶片作为研究对象,试验结果在验证集上得到最高分类准确率为98.16%,与其他几个经典的CNN模型相比较,该模型的识别准确率优于其他的基础模型,并且具有较好的稳定性。经过试验验证,该模型可以为番茄病害识别提供一种有效的解决方法。     

温室番茄病害的典型症状及防治技术

番茄叶霉病、灰霉病早、晚疫病等,是我县日光温室番茄的常见重要病害。本文对温室番茄病害的典型症状及防治进行了较为详细的描述。     

基于Bp神经网络的温室番茄气孔导度的模拟研究

试验于2009年5月～2010年3月间,在我国青海海东地区和江苏南京温室内分别设计番茄栽培试验,测定和分析作物气孔导度数据和环境数据,研究发现温室番茄气孔导度与叶片温度成正相关,与饱和水气压差和CO2浓度呈负相关,气孔导度与光合有效辐射相关不显著.在此基础上,构建基于Bp神经网络的温室番茄叶片气孔导度模拟模型.结果表明...     

浅析温室番茄主要病害的识别和防治

灰霉病,早疫病,晚疫病,叶霉病危害番茄的叶茎果等部位,导致植株萎篶枯死,其症状相似,准确识别病害,对症下药,才能有效防治。     

基于GA-BP神经网络的灌木生物量估测模型

【目的】应用以遗传算法优化的BP(GA-BP)神经网络构建灌木生物量估测模型,以有效避免回归分析建模中自变量及模型形式选择的复杂问题。【方法】以灌木林地的荆条为试验对象,应用遗传算法优化BP神经网络的结构、初始权值和阈值,通过BP神经网络训练构建荆条最优地上生物量估测模型,并与传统的应用回归分析方法构建的模型进行对比分析。【结果】仿真结果表明,GA-BP神经网络模型和回归分析模型的模拟精度分别为77.65%和71.79%,估测精度分别为81.46%和75.64%,GA-BP神经网络模型的精度略高于回归分析模型。【结论】应用GA-BP神经网络构建灌木生物量模型是可行的,能够实现灌木生物量的快速估测。     

温室番茄生理性病害的典型症状及预防措施

番茄生理性病害,是我县日光温室番茄的重要病害之一。本文对番茄生理性病害形成原因和预防措施进行了较为详细的描述。