海南岛文心兰、石斛兰病虫害调查

对海南岛文心兰、石斛兰病虫害进行初步调查,查出13种病害及9种虫害,其中真菌性病害9种,细菌性病害2种,病毒病2种。在所查出的病害中,疫霉菌、镰刀菌、欧氏杆菌引致的病害危害非常严重。     

根系分泌物与土传病害的关系研究进展

根系分泌物是植物-土壤-病原微生物相互作用的桥梁,是决定病原菌-作物关系的关键生态因子,影响着土传病害的发生与发展.本文阐述了根系分泌物的定义、分类及产生机理;重点从根系分泌物的化感自毒效应,根系分泌物诱导根际微生物群落,根系分泌物影响病原菌丰度,根系分泌物影响根际土壤环境4个方面阐述了根系分泌物与土传病害的关系;并从...     

采用双模态联合表征学习方法识别作物病害

基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广。该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet)。该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习。最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%。该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法。     

基于K_means硬聚类算法的葡萄病害彩色图像分割方法

为了提高植物病害图像的分割精度与效果,根据植物病害症状及图像的特点,提出了一种基于K_means硬聚类算法（HCM）的葡萄病害彩色图像非监督性分割处理方法。该方法是在L*a*b*颜色空间模式下利用ab二维数据空间的颜色差异,以平方欧式距离作为像素间的相似度距离、以均方差作为聚类准则函数对颜色进行二分类聚类,并通过数学形态学运算对聚类结果进行校正。利用该方法对3种葡萄病害彩色图像进行分割的结果表明,该方法能够较为准确地将病斑区域从彩色图像中分割出来,对葡萄病害彩色图像的分割处理比较理想,鲁棒性好,分割准确率     

基于轻量级CNN的植物病害识别方法及移动端应用

为了实现在手机端植物病害叶片检测,对MobileNet和Inception V3 2种轻量级卷积神经网络进行迁移学习,得到2种作物病害分类模型,将2种分类模型分别移植到Android手机端,在识别精度、运算速度和网络尺寸之间进行平衡,选择最优模型。试验表明,MobileNet和InceptionV3在PlantVillage数据集(共38类26种病害)上平均识别率分别是95.02%和95.62%。在自建图像集葡萄病害叶片的识别中MobileNet和InceptionV3平均识别率分别是87.50%、88.06%,Inception V3的整体识别精度略高,但MobileNet在所有类别的识别上均衡性更好;在模型尺寸方面Inception V3的模型尺寸大小为87.5 MB,MobileNet的模型尺寸为17.1 MB,大约是后者5倍;2种模型移植到手机端时,MobileNet和Inception V3的APP所占内存分别是21.5和125 MB;在手机端单张图片的识别时间方面,Inception V3平均计算时间约是174 ms,MobileNet的平均计算时间约是134 ms,后者的平均计算时间比前者快40 ms;在手机端MobileNet相比于Inception V3占用内存更小,运算时间更快。说明MobileNet更适合在手机端进行植物病害识别应用。     

连续施用有机肥对连作花生根际微生物种群和 酶活性的影响

花生连作导致土传病害易发,严重制约其产量和品质。为探讨持续施用有机肥缓解连作花生病害发生的防治机理,大田条件下研究了连续6年施用化肥、普通有机肥和生物有机肥(接种内生菌拟茎点霉B3)后对连作花生根腐病、根际土壤典型微生物种群和酶活的影响。结果表明:与单施化肥相比,持续施用普通有机肥和生物有机肥可有效控制连作花生土传病害发生,荚果产量提高23.8%和47.9%。连续施用普通有机肥和生物有机肥均显著提高根际过氧化氢酶、脱氢酶和酚氧化酶活性,荧光定量PCR进一步测定出连续施用有机肥可显著增加连作花生根际细菌和真菌的数量,说明连续施用有机肥后连作花生根际微生物活性显著提升。连续施用普通有机肥和生物有机肥显著增加了连作花生根际有益微生物种群的数量,其中放线菌增加0.9倍和1.6倍,假单胞菌增加10.9倍和13.1倍,伯克氏菌增加2.6倍和1.9倍,芽孢杆菌增加1.1倍和2.1倍;然而连续施用有机肥对连作花生根际主要致病微生物种群(如镰刀菌属和青枯雷尔氏菌)无明显影响。表明通过持续施用有机肥可有效提高连作花生根际有益微生物种群的数量和土壤酶活性,进而改善连作花生根际微生态环境,增强连作土壤抑病能力,以达到控制连作花生土传病害易发的目的。     

云南甘蔗病虫害发生危害新特点及防控对策

甘蔗是我国主要的糖料作物,病虫害是甘蔗生产的最大威胁。近年来病虫害在云南的发生危害呈现出新的特点,主要表现为：一是常发性病虫害持续处于常发态势,二是次要病虫害上升为主要病虫害,三是病虫害混合发生,复合侵染,四是突发性危险性病虫害频发,暴发成灾。针对新特点从病源虫源、品种布局、气候条件和栽培管理等方面分析了其形成原因,提出了甘蔗病虫害绿色防控对策：一是严格执行甘蔗引种、调种检疫制度,选育推广抗病、抗虫健康种苗,二是完善甘蔗病虫害监测预警体系,提升安全科学用药水平,三是集成绿色防控技术模式,探索优化推广机制,四是建立健全应急防控机制,大力推进统防统治,五是创新科技培训机制,宣传普及植保新技术。     

基于实例推理及其在农业病虫害诊断与防治中的应用研究

规则推理等传统推理方法的推理性能严重依赖于知识的完备程度。在农业领域中。知识获取和知识表示已成为推理的主要瓶颈之一，因此利用传统推理方法建立的专家系统效率低、鲁棒性不好。基于案例推理的专家系统能充分利用已有的实例经验，具有自学习功能，从而推理效率高，鲁棒性能较好。本研究将案例推理专家系统应用于作物的病虫害防治和诊断．得出了基于案例推理农业病虫害诊断与防治专家系统的知识表示和推理机制，并在实际应用中获得了较好的效果。     

大豆连作土壤肥力变化与有害生物发生的关系

1995—2003年采用定点定期采样系统调查与室内测定相结合的方法,针对连作大豆土壤营养含量、病虫基数与植株体营养,生物学性状、病虫草发生及产量品质的关系进行了研究,并对各相关性状间的关系进行了系统的统计分析,建立了数学模型,对指导大豆的高产优质栽培具有重要的意义。     

基于多源信息融合的中文农作物病虫害命名实体识别

随着农作物病虫害研究文献的快速增长,对农作物病虫害领域文献进行文本挖掘变得越来越重要。开发有效、准确的农作物病虫害命名实体识别系统有助于在农作物病虫害相关研究报告中提取研究成果,为农作物病虫害的治理提供有效建议。本文针对中文农作物病虫害数据集缺失问题,提出了基于半远程监督的停等算法,利用该算法构建中文农作物病虫害领域语料库,大幅度减少标注过程的人工成本和时间成本;同时,提出了中文农作物病虫害命名实体识别模型（Agricultural information extraction, Agr-IE）,该模型基于BERT-BILSTM-CRF,辅以多源信息融合（多源分词信息和全局词汇嵌入信息）丰富字符向量,使其充分结合字符级与词汇级的信息,以提高模型捕捉上下文信息的能力。实验表明,该模型可以有效地识别病害、虫害、药剂、作物等实体,F1值分别为96.56%、95.12%、94.48%、95.54%,并对识别难度较大的病原实体具有较好的识别效果,F1值为81.48%,高于BERT-BILSTM-CRF、BERT等模型的相应值。本文所提模型在MSRA和Weibo等其他领域数据集上与CAN-NER、Lattice-LSTM-CRF等模型进行了对比实验,并取得最佳的识别效果,F1值分别为95.80%、94.57%,表明该算法具有一定的泛化能力。