科研产出
基于多维间注意力机制的水稻病害识别模型
《江苏农业学报 》 2024 北大核心 CSCD
摘要：水稻病害的快速、准确识别是水稻病害防治的前提，也是提高水稻产量和品质的有效途径之一。为了提高水稻病害识别的准确率，本研究提出一种多维间的三维注意力水稻病害识别模型Inter＿3DRiceNet网络模型，通过3个不同维度（通道维度、高度维度以及宽度维度）提取水稻病害特征信息。通道维度主要构建基于通道关系的三维立体注意力机制，通过建立一维的通道间关系注意力机制再结合二维空间关系，最终获得基于通道关系的三维注意力特征信息。高度维度建立的是基于高度维度关系的三维注意力机制，而宽度维度建立的是基于宽度维度关系的立体注意力机制。然后将以上3个不同维度的注意力信息进行简单的相加再取平均值作为最终的病害提取特征。通过这种方式，不仅可以获取输入图像更丰富的特征，而且可以获得不同维度的立体空间关系。试验结果表明，在自建的6种真实自然环境水稻病害数据集中，本研究提出的Inter＿3DRiceNet网络模型在测试集取得了98.32%的最高准确率，高于经典网络模型ResNet34、ResNet50、MobileNetV2、DenseNet、EfficientNet＿B0和通道注意力机制模型SENet和GCT。可见本研究方法有效提高了水稻病害的识别准确率，获得了优于经典网络模型和通道注意力模型的识别准确率，有助于提升自然环境下对常见水稻病害的识别性能。
关键词： 水稻病害 三维注意力 多维间关系 注意力机制 识别
全文链接
请求原文
适宜北纬32°地区"一种两收"栽培模式的中稻品种筛选试验
《现代农业科技 》 2024
摘要：安徽霍邱成功探索出北纬32°地区早熟中稻“一种两收”绿色增产增效栽培模式，霍邱再生稻产业科技特派团旨在持续筛选适宜北纬32°地区栽培的高产、优质、抗倒、综合抗病性好、再生能力强的早熟中稻品种，助力再生稻产业提质增效，选择15个早熟中籼稻品种在北纬32°地区开展了筛选试验，在3月13日播种、4月21日移栽情况下对头季稻返青期冻死株率、株高、分蘖成穗率、每穴有效穗、穗粒数、结实率、千粒重、全生育期、谷草比、产量水平以及7个目标品种再生季的穴有效穗数、穗粒数、结实率、千粒重、全生育期、产量水平等进行了调查与分析。结果表明，玖两优1212、泰两优1332、旱优82的再生能力强、稻米品质优，适宜在北纬32°地区作再生稻栽培；鑫两优香128、红香优银占、昱香两优馥香占整精米率高，抗倒性好，为优质类再生稻品种；荃两优丝苗、贡两优粤农丝苗、荃丝占的生育期长、再生能力较强，不适宜在北纬32°地区作再生稻栽培，适宜在温光资源较好的地区作再生稻栽培；其余品种再生能力弱，不适宜在北纬32°地区作再生稻栽培。
关键词： 中稻 “一种两收”栽培模式 品种 性状 产量 北纬32°地区
全文链接
请求原文
简单三维注意力机制水稻病害识别模型
《江苏农业科学 》 2023 北大核心
摘要：准确、快速地识别水稻病害并及时采取防治措施,是减少水稻产量损失和提高水稻质量的有效途径之一.以生产上常见的6种水稻病害为研究对象,提出一种简单的三维注意力机制水稻识别模型.不同于通道注意力或空间注意力方法将研究对象特征分开考虑而导致研究对象本身固有的三维特性丢失的现象,本研究借鉴人类观察物体时将观察主体作为三维整体考虑的特点,提出算法.不同于SimAM算法将输入图像中的激活像素人为设置+1作为正样本、不激活像素设置-1作为负样本的假定,本研究不对输入图像的每个像素作人为硬性阈值的设定,而是保留其本身输入特征大小;这种设定不会破坏研究对象本身的固有属性,更符合研究主题自身的特性.研究结果表明,在自建水稻病害识别数据集达到的最高准确率为98.6%,比SimAM算法提高0.84百分点;相比经典网络模型ResNet50、MobileNetV2、EfficientNet_B0、DenseNet 分别提高 1.71、1.93、1.93、0.84 百分点;相比通道注意力机制模型SENe、ECA模型分别提高1.20、1.28百分点,表明本模型能够为自然环境下水稻病害的智能识别提供技术支持.
全文链接
请求原文
北纬32°地区早熟中稻"一种两收"栽培技术模式及应用效果分析
《现代农业科技 》 2023
摘要：利用水稻再生特性在适宜区域发展再生稻是我国有效增加粮食产量的新技术途径。针对北纬32°地区一季中稻生产温光资源有余而双季稻（双季早稻+双季晚稻）生产温光资源不足的情况，本文介绍了适宜当地大面积推广应用的早熟中稻“一种两收”（早熟中稻+再生稻）绿色增产增效栽培技术模式，包括品种和播期选择、育秧移栽、肥水管理、病虫草害防治、收割留茬高度选择等方面的内容。选择隆晶优1212水稻品种，应用该模式在霍邱县2个村进行种植，机收测产结果表明，头季稻单产达10 500 kg/hm~2，再生稻单产达2 955～4 386 kg/hm~2。该技术模式的推广应用，可为江淮单季稻种植区域中稻生产节本、增产、增效提供助力。
关键词： 早熟中稻 再生稻 一种两收 栽培模式 应用效果 北纬32°地区
全文链接
请求原文
再生稻溯源追踪平台研发
《农业大数据学报 》 2023
摘要：[目的]再生稻由于售价高、品相出色、味道香、绿色无农药等优点深受消费者喜爱,但市场上以次充好、防伪难等现象的发生让再生稻的发展受到了限制,利用信息化手段监控再生稻的生产和市场进入成为了重点.[方法]文章详细分析了再生稻实际生产需求和数据格式要求,结合现代信息化技术和物流体系,从需求分析、技术架构、溯源数据格式、系统体系架构和系统功能分析5个方面详细阐述了再生稻溯源追踪平台的研发过程和核心功能体系.[结果]再生稻溯源追踪平台,实现了再生稻从生产到销售全过程可监控、可追溯、可管理、可分析和可拓展的功能体系,保障了市场上再生稻米的质量可靠、生产过程中的种植数据可信和管理过程中的信息安全,提升了消费者对再生稻的品质和信息信任度.[展望]目前再生稻溯源追踪平台主要针对再生稻从种植到销售全周期过程的信息追踪和管理,未来在生产和销售数据充足的基础上可结合农业物联网、区块链和大数据技术,从生产上开展无人精准种植,建立更加绿色环保和智能化的种植过程;在销售过程中结合大数据分析技术构建产销模型,建立更加有效的产销模式;在管理过程中结合区块链技术保证数据安全可信,建立更加高效的管理模式,帮助农民增收,保障食品安全.
全文链接
请求原文
一种基于改进卷积神经网络的玉米病害高效识别模型
《安徽科技学院学报 》 2023
摘要：目的:针对深度学习模型在玉米病害识别过程中存在精确度低、综合性能差等问题，提出一种改进的卷积神经网络模型，以期取得更好的识别效果。方法:构建由4个卷积层、4个最大池化层和3个全连接层组成的玉米病害识别模型，利用Dropout策略、L2正则化、早停法等优化网络，通过设置不同的初始学习率和批大小，对复杂环境下的6种典型的玉米病害进行分类试验研究，并与LeNet、AlexNet和GoogLeNet网络模型进行性能对比。结果:改进优化后的模型在玉米病害测试集上的识别准确率达到了98.27%,较改进前提高1.25%,单幅图像的平均识别时间缩短了0.007 7 s。与对比模型相比，新模型的识别时间最短，测试准确率比LeNet、AlexNet分别提高了15.52%、4.81%,损失值分别减少了0.805 2、0.157 8,性能曲线变化更平稳。结论:该模型具有识别速度更快、泛化能力更强、鲁棒性更好、识别精度高等特点，为玉米病害的精准高效识别提供了新的方法。
关键词： 玉米病害 卷积神经网络 模型改进 特征提取 识别精度
全文链接
请求原文
一种基于深度学习的玉米病害识别方法
《安徽科技学院学报 》 2023
摘要：目的:针对现有玉米病害种类繁多、识别方法耗时耗力等问题，对传统卷积神经网络结构进行改进和优化，提出Corn＿Modle新型玉米病害自主识别模型。方法:构建含有6种玉米病害种类的数据集，并对其进行数据增强和预处理；将新建模型在训练集上进行训练，利用测试集对其进行试验验证。结果:Corn＿Modle模型的准确率为96.85%,参与对比的AlexNet、LeNet-5、ResNet50、MobileNet等4种经典模型的准确率分别为93.98%、77.06%、63.44%和87.25%,在准确率、精准度、召回率等评价指标上优于对比模型。结论:新构建的Corn＿Modle模型在准确率、鲁棒性和稳定性方面比传统的经典模型表现更好，可为玉米等农作物病害识别技术的发展提供参考。
全文链接
请求原文
基于自然背景的蚜虫图像数据集
《农业大数据学报 》 2023
摘要：蚜虫的发生是影响农作物产量和质量的重要原因之一.对蚜虫进行检测和计数是对虫害早发现、早治理的重要环节.随着信息技术的发展,已经有专家学者利用计算机视觉感知技术对农业害虫进行识别研究,并取得了 一定的进展.高质量、大规模的基础数据对计算机视觉的发展往往能够起到决定性作用,缺少高质量、大规模的基础图像数据是蚜虫精准识别研究面临的难题.蚜虫是一类重要的农业害虫,具有尺寸微小、密集分布、虫间遮挡和同种多形态等特征,这些特征对于蚜虫的检测与计数又是一项严峻的挑战.本文提供了包括桃粉蚜、桃蚜、棉蚜、禾谷缢管蚜等13种农业蚜虫数据集,共6287张高清原始图像.这些蚜虫图像是利用单反相机在自然大田环境中采集、以文件夹形式进行存储、经过从事图像数据管理的专业人员清洗和整理、并由植保专家对其进行鉴定和分类的,保障了数据的高质量和可靠性.该数据集可为蚜虫的识别、检测计数和分类提供数据基础.
全文链接
请求原文
