基于Lucid多途径检索的油茶害虫诊断APP开发与实现

油茶是亚热带地区重要的木本油料作物,近年来随着种植面积的不断扩大和集约化经营,病虫害问题日益严重,对油茶的产量和品质造成不同程度的影响。本研究通过野外调查、文献查阅、种类鉴定等工作,整理了21种油茶主要害虫的形态特征、生物学习性、为害特点、防治措施等信息,并拍摄相应害虫及为害状的高清照片1 600张。采用Lucid智能诊断系统,构建Fact Sheet Fusion基础信息数据库,并针对多途径检索方式提取害虫"为害方式"、"为害部位"、"为害高峰期"、"形态特征"等4个1级特征组,以及10个2级特征和18个3级特征,共组成102个特征状态,构建了油茶害虫的快速诊断系统。在此基础上,转换得到基于Android系统的手机应用APP,为林农和森防一线工作者对油茶害虫快速识别和防治提供便捷服务,从而促进油茶产业持续健康发展。     

基于人工智能的农用拖拉机发动机故障快速诊断研究

为了达到拖拉机发动机不解体故障诊断的目的,提高诊断效率,利用发动机缸盖的振动信号的采集原理,提出了一种基于神经网络的人工智能故障检测方法,并构建了拖拉机发动机振动信号采集系统。基于人工智能的拖拉机发动机故障诊断系统,综合运用信号采集技术、信号处理技术、数据库技术、神经网络技术和人工智能专家系统,实现了和数据库及具有强大信号分析的处理功能,提高了系统的诊断实时性和诊断精度。最后,采用田间试验方法,对拖拉机故障快速诊断系统进行了试验验证。试验结果表明:采用人工智能诊断方法不仅可以有效提高系统的准确率,而且诊断系统的响应更加迅速,并且曝晒、震动、灰尘等恶劣的现场环境中仍能保持正常工作的稳定性。     

基于茎秆直径微变化的拔节期玉米水分亏缺诊断指标研究

为了探索利用茎秆直径微变化诊断玉米水分亏缺状况的最优指标,采用桶栽的方法,开展了不同水分处理条件下拔节期夏玉米茎秆直径微变化中的日最大收缩量(MDS)、日增长量(DI)和当日恢复时间(RT)3个指标的变化规律及其与土壤相对含水率之间相关关系方面的试验研究。结果表明,(1)不同处理间的MDS和DI受水分亏缺影响差异较为明显,RT对土壤相对含水率的响应较为一致;(2)玉米日最大收缩量MDS和日增长量DI受到环境因素的影响较大,与土壤相对含水率θ的相关系数较小;(3)恢复时间RT与土壤相对含水率θ的相关系数最高,且受水分亏缺处理的影响较小,可以作为诊断玉米水分亏缺状况的较好指标。综上可知,与MDS和DI相比,RT更适合诊断夏玉米水分亏缺状况。     

一起羊传染性脓疱的诊治

秦州区汪川镇刘斜村,属贫困村,养殖户共计18户,其中养猪户10户,养鸡户2户,养牛户4户,养羊户2户,总计饲养量达11300余头只,属养殖大村。两户养羊户共计饲养羊82只,发病17只,发病率20.7%。给养殖户造成了重大的经济损失。本文根据发病情况、病因调查、临床检查、综合诊断,提出有效的防治措施,从治疗效果上取得了显著的成效,治愈率100%,为养殖户最大程度地降低了经济损失。获得了良好的社会效益。     

基于ResNet-50深度卷积网络的果树病害智能诊断模型研究

[目的/意义]果树病害危及农业生产安全,运用人工智能技术帮助果农及时准确地识别果树病害对保障农业安全生产具有重要意义.[方法/过程]采用10 000张果树叶片病斑图像数据集,通过旋转、污化、增噪、切割等图像增强手段,提高样本图像的多样性;使用ResNet-50深度卷积网络模型,进行机器学习,获得果树病害识别模型,并基于...     

羊痘研究概况

羊痘病毒基因组庞大,约有150 kb,包括中间编码区和两端相同的反向末端重复序列;绵羊痘病毒和山羊痘病毒基因组彼此十分相似,约有96%的核苷酸完全相同.p32蛋白是目前世界各地分离鉴定的所有羊痘病毒株共有的且特异性很强的结构蛋白,在诊断和预防方面具有重要的应用价值.虽然羊疸从临床症状和宿主特异性上很客易做出诊断,但进一步的实验室确诊还是必要的,现已有多种检测方法和诊断试剂.控制该病最有效的方法是使用疫苗对易感动物进行免疫接种.文章从病原学、诊断和预防控制等方面对羊痘进行综述.     

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.     

基于电磁感应的典型干旱区土壤盐分时空变异快速诊断

选取南疆典型干旱区研究其土壤盐分时空变异,在研究区域选取校正点测定表观电导率(ECa),并同时采集土壤样品,研究表明土壤盐分含量与大地表观电导率具有良好相关性(R =0.935),可由此建立土壤盐分电磁感应解译模型.构建移动式磁感调查系统对研究区域进行调查,获取足量表观电导率信息,结合GIS和地统计等相关知识研究土壤盐...     

基于量子神经网络的马铃薯早疫病诊断模型

针对马铃薯早疫病智能诊断,将量子计算的态叠加方法和神经网络计算的自适应性结合,提出了将量子神经网络作为马铃薯早疫病诊断模型.该模型隐含层采用多个量子能级的激励函数叠加的量子神经元,有效地解决了病害诊断中模糊决策,在给出的学习算法的训练过程中自适应地确定样本特征数据中的不确定性.此算法能够较好地避免传统神经网络在训练过程中易出现局部极小值的弊端,提高了网络学习速度.仿真结果表明:量子神经网络在马铃薯早疫病诊断中,诊断正确率达到96.5％.     

基于改进级联神经网络的大豆叶部病害诊断模型

针对大豆叶部病害性状特征与病种之间的模糊性和不确定性,将数字图像处理技术与神经网络智能推理技术相结合,充分挖掘大豆受病害胁迫后表现性状与病种之间的潜在规律,提出了基于改进级联神经网络的大豆病害诊断模型。首先利用自制载物模板无损采集大田大豆叶部病害数字图像,计算病斑区域的形状特征、颜色特征及纹理特征14维度特征参数;为突显各方面特征对于不同病害种类决定作用的差异性,构建各子神经网络并联的第1级网络,第2级网络的输入为第1级网络的输出,利用多维特征各自优势来自动取得病种模式推理规则,建立了用于大豆叶部病害自动诊断的两级级联神经网络模型,仿真实验准确率为97.67%;同时应用量子遗传计算优化级联神经网络参数,平均迭代次数为743,平均网络误差为0.000 995 445,提高了学习效率,实现了大豆叶部病害的高效自动诊断和精确测报,为大田农作物全面系统地开展作物病害监测、智能施药及自动防治提供了理论依据。