排序方式: 共有24条查询结果,搜索用时 0 毫秒
1.
病害是我国养蚕业健康发展面临的主要威胁之一,为研究机械化养蚕模式下的家蚕病害防治方法,采用卷积神经网络进行家蚕病害图像的识别研究。首先在实际环境下,采用饲养和添食病原的方法,集中获取家蚕品种芳·秀×白·春在大蚕期的部分生长阶段下患脓病、微粒子病、白僵病、细菌病、农药中毒以及健康状态的样本,并开展图像采集工作,构建出家蚕病害图像数据集。其次采用特征融合和缩减结构的方法,对残差神经网络进行部分改进,以避免直接使用该算法会导致不必要的计算耗损。最后进行家蚕病害识别试验。结果表明:卷积神经网络能够高效准确识别家蚕病害图像,使用改进的算法在测试集上的准确率达到94.31%,与标准的残差神经网络准确率相当,但训练的参数量仅为原来的1/3,且识别效率大幅提升,更有利于网络的训练与部署。 相似文献
2.
3.
由农药污染桑叶造成的家蚕中毒是蚕茧生产减收的主要原因之一。现有的家蚕农药中毒识别方法主要是人工观察大量蚕儿出现的明显症状进行识别。为了提高诊断的效率和准确性,运用深度学习方法的卷积神经网络开展了家蚕农药中毒的智能识别研究。通过给4龄初期幼虫添毒的方式集中获取敌杀死(溴氰菊酯)、草甘膦2种农药中毒的家蚕样本,并以相同日龄的健康家蚕作为参照,使用智能手机在实际环境下采集图像,构建家蚕中毒症状的图像数据集。在此基础上,利用轻量级卷积神经网络MobileNet模型开展识别试验,结果显示对2种农药中毒的识别准确率分别为95.0%和99.6%。初步的研究结果提示,进一步构建种类更加完整的基于卷积神经网络的家蚕农药中毒识别系统,将有助于蚕桑生产上家蚕中毒的农药污染溯源分析和精准预防。 相似文献
4.
5.
1 试验概况本试验的目的,是通过试验进一步探索水稻免耕抛秧田使用除草剂如何提高除草效果,又能使田泥形成一定糊层,取得经验,促进免耕抛秧技术的大力推广,达到节本增效目的。供试品种为早稻品种T706。试验设4个处理:①克无踪 氯化钾混喷除草(CK);②克无踪 免深耕混喷除草及糊化;③百草枯 氯化钾混喷除草;④克无踪(半量) 草甘膦(半量)混喷除草。每个试验小区面积为0.3亩,重复2次。试验在高安市原种场进行,选择地势平 相似文献
6.
7.
9.
10.