科研产出
基于VGG-16卷积神经网络的水稻害虫智能识别研究
《安徽农业科学 》 2020
摘要：为了实现自然场景下水稻害虫实时精准被识别,构建基于VGG-16卷积神经网络的水稻害虫智能识别模型。该模型采用VGG-16卷积神经网络为核心网络结构,根据水稻害虫的个体特征和自然场景,对VGG-16网络的卷积层局部调整,优化主要模型参数,实现水稻害虫的智能识别,其识别的平均准确率是90.7%,实现对沙叶蝉、大螟、斑须蝽、点蜂缘蝽和白背飞虱的准确识别。研究结果显示,采用卷积神经网络技术可以实现自然场景下害虫图像的精准识别,代替人工辨认,提高水稻害虫防治率,实现实时、精准防治的目标。
全文链接
请求原文
黄淮海花生田主要害虫减药控害增效技术与效果评价
《花生学报 》 2019 北大核心
摘要：花生是我国重要的经济和油料作物之一,黄淮海地区是我国重要的花生产区。本研究连续两年在田间开展了春花生和夏花生主要害虫分布调查与减药控害试验。结果表明:春花生和夏花生害虫均以蛴螬、蓟马、棉铃虫和花生蚜为主,其中花生蚜、蛴螬为害春花生重于夏花生。从防效来看,试验所采用的减药处理效果与常规用药差别不显著。通过采用特色地膜覆盖、性诱剂和食诱剂配施农药,春夏花生减药量为32.41%～44.33%,产量分别增加3.88%和4.07%;药剂成本分别增加1.18%和-4.55%,人工成本减少33.33%～40.00%;春夏花生总成本减少21.89%～28.15%,经济效益和生态效益优于常规管理。采用绿色防控技术进行害虫治理可以达到减药增效的目的。
全文链接
请求原文
安徽省合肥市杨树害虫与天敌结构及动态研究
《安徽农业大学学报 》 2010 北大核心 CSCD
摘要：通过对合肥地区杨树害虫与天敌的抽样调查,共查得杨树害虫36种,分属于昆虫纲7目22科,自然天敌22种,分属于昆虫纲5目10科和蛛形纲1目6科。主要害虫类群为舟蛾科、跳甲科、网蝽科、蟋蟀科和刺蛾科,主要天敌类群为茧蜂科、草蛉科、寄蝇科、微蛛科和肖蛛科。杨树害虫和天敌的物种丰富度全年的动态变化基本一致,均表现为低-高-低-高-低的变化格局。害虫和天敌的物种多样性指数年动态变趋势化基本一致,表现为春季物种多样性指数低,5月开始显著升高,害虫的物种多样性指数延续至8月、天敌的物种多样性指数延续至10月维持在较高的水平上。天敌群落对害虫群落有明显的追随联系。
全文链接
请求原文
首页上一页1下一页尾页
