排序方式: 共有18条查询结果,搜索用时 15 毫秒
1.
2.
3.
茎秆微观结构与其力学性能密切相关,影响作物的抗倒伏性能。但作物茎秆微观表型参数难以通过人工方式获取,因此急需自动化的测量方法。本研究以玉米为材料,通过光学显微镜获得玉米茎秆横截面切片图像,基于深度学习架构融合ResNet和Unet构建语义分割Res-Unet网络模型,对截面表皮、周皮和髓区3个功能区域进行分割;针对维管束数量多、面积小、密度大的特点,以EfficientDet作为基础网络架构,根据维管束尺寸小的特性,减少双向特征图金字塔(BiFPN)的层数,达到提高推理速度、减少显存占用量的目的,同时添加掩膜分割分支,构造新的网络Eiff-BiFPN实现对维管束的分割。实验结果表明,功能区域分割的平均DICE达到88.17%;维管束分割的AP50和AP50:70分别达到88.78%和72.80%。根据分割结果,可以获得玉米茎秆截面尺寸、各功能区域尺寸和维管束数量、面积等微观结构参数。本文方法具有精确性、实时性和可用性,可用于玉米茎秆微观结构参数的自动化测定,为作物抗倒伏研究提供技术基础。 相似文献
4.
鸡大肠杆菌病是近年来养鸡业发病率最高、危害最为严重的疾病之一。它是由大肠杆菌中的某些致病菌株引起的一类疾病的总称,各个品种和各年龄的鸡均可发生。该病在养鸡厂已经普遍存在。鸡舍饲养密度大、通风不良、卫生不好、氨味大,饲料质量不佳或人工授精操作不当时均易诱发。一旦发病不好控制,病鸡无特异症状,多见腹泻、腹膜炎、羽毛松乱、两翅下垂、食欲下降、脐炎时见腹下垂。 相似文献
5.
鸭呼肠孤病毒病是由呼肠孤病毒引起的一种鸭的急性、高度致死性传染病,俗称"花肝病",临床上以脚软、下痢等为主要特征,剖检主要表现肝脏、脾脏肿大,表面有点状或斑块状出血,并出现大量白色坏死灶,呈花斑状[1-3],主要发生于番鸭和半番鸭.目前,多数学者报道该病毒只对番鸭易感,对其他品种雏鸭的易感性差.2009年12月份,重... 相似文献
6.
基于实体级遮蔽BERT与BiLSTM-CRF的农业命名实体识别 总被引:1,自引:1,他引:0
字符的位置信息和语义信息对命名方式繁杂且名称长度较长的中文农业实体的识别至关重要。为解决命名实体识别过程中由于捕获字符位置信息、上下文语义特征和长距离依赖信息不充足导致识别效果不理想的问题,该研究提出一种基于EmBERT-BiLSTM-CRF模型的中文农业命名实体识别方法。该方法采用基于Transformer的深度双向预训练语言模型(Bidirectional Encoder Representation from Transformers,BERT)作为嵌入层提取字向量的深度双向表示,并使用实体级遮蔽策略使模型更好地表征中文语义;然后使用双向长短时记忆网络(BidirectionalLong Short-Term Memory,BiLSTM)学习文本的长序列语义特征;最后使用条件随机场(Conditional Random Field,CRF)在训练数据中学习标注约束规则,并利用相邻标签之间的信息输出全局最优的标注序列。训练过程中使用了焦点损失函数来缓解样本分布不均衡的问题。试验在构建的语料库上对农作物品种、病害、虫害和农药4类农业实体进行识别。结果表明,该研究的EmBERT-BiL... 相似文献
7.
8.
针对小麦茎秆截面显微图像分割过程的复杂性,融合ResNet50和Unet网络构建维管束和背景区域的语义分割模型Res-Unet,搭建对小麦茎秆截面、髓腔、厚壁和背景的语义分割模型Mobile-Unet,可实现对小麦茎秆截面尺寸、髓腔尺寸和维管束面积等微观结构参数的检测。针对小麦样本数据集,通过深度学习中迁移学习的共享参数方式,将训练好的ResNet50网络权重应用到茎秆截面切片图像的网络模型上。结果表明,与同类方法相比,相关参数在精度上均有较大提升,全部参数的识别率超过97%,最高可达99.91%,平均每幅图像检测只需21.6s,与已有图像处理方法(110s)相比,处理速度提升了80.36%。模型评估的准确率、召回率、F1值和平均交并比均达到90%。本文方法可用于小麦茎秆微观结构的高通量观察和参数测定,为作物抗倒伏研究奠定了技术基础。 相似文献
9.
稻鸭共栖生态种养双增效技术 总被引:4,自引:0,他引:4
稻鸭共栖生产无公害大米是一项全国稻作区着力推广的新技术,它不仅可以鸭治虫、治草和利用稻田养鸭,还可减少化肥、农药用量等,实现增产增收。采用该技术,667平方米可增收150~200元。我县2003年13400余公顷水稻施行本项技术,共增收3600余万元。一、稻鸭共栖之水稻生产与管理技术1·选择适宜基地生产基地要集中连片,要求排灌便利,土壤和水源无污染并远离污染源2公里以上,周围生态良好,空气清新无污染,相对与外境具隔离条件,土层深厚且有机质含量高和病虫发生多年偏少等适宜条件。2·良种选择应因地制宜先用优质、高产、稳产、抗病虫、高光效… 相似文献
10.
食用菌菌丝体表型特征是食用菌种质资源评价和科学育种的重要依据。针对传统阈值分割方法提取菌丝体区域易受到光照不均、菌丝体不规则生长和培养皿内产生代谢物等因素干扰的问题,制作食用菌菌丝体图像数据集,并提出一种基于深度学习的食用菌菌丝体表型参数自动测量方法。将U-Net网络编码器部分替换为VGG16的前13个卷积层,引入预训练权重,构建适用于菌丝体分割的VGG-UNet模型。测试集上对比实验表明,该模型的平均交并比达到98.18%,比原始U-Net模型高0.93个百分点。经该模型获取菌丝体分割图像后,利用OpenCV相关函数计算菌丝体的半径、周长、面积、覆盖度、圆整度这5个表型参数。将人工测量方法与本文方法进行线性回归分析,得出菌丝体半径、周长、面积和覆盖度的决定系数分别为0.9795、0.9915、0.9750和0.9750,均方根误差分别为2.20mm、4.73mm、176.74mm2和3.16%。经测试,本文方法能准确地完成食用菌菌丝体表型参数自动测量任务,为食用菌表型分析研究提供理论基础。 相似文献