科研产出
基于深度学习的水稻病虫害诊断方法研究
《洛阳理工学院学报(自然科学版) 》 2019
摘要：病虫害是影响水稻等农作物产量的重要制约性因素。为探索基于深度学习的水稻病虫害诊断方法,采用图片尺寸归一化、截取感兴趣区域、病理分割3种预处理方式分别与Faster R-CNN Inception v2、SSD MobileNet v1两种深度学习目标检测预训练模型结合,在TensorFlow深度学习平台下进行水稻病虫害识别模型的训练和诊断效果测试。实验结果表明,6种条件下水稻病虫害识别准确率分别为99.65%、90.74%、92.60%、82.23%、65.74%和20.41%,其中采用归一化尺寸和Faster R-CNN模型时水稻病虫害识别准确率最高,且具有较低的训练时长,较适宜用于水稻病虫害诊断。
全文链接
请求原文
基于卷积神经网络和小样本的茶树病害图像识别
《江苏农业学报 》 2019 北大核心 CSCD
摘要：以常见且特征相似的茶轮斑病、炭疽病和云纹叶枯病为对象,研究在小样本情况下利用卷积神经网络进行病害图像识别问题。运用7种模式的预处理方法对茶树叶部病害图像样本进行处理,并采用Alex Net经典网络模型进行学习实验,比较、分析其训练及识别效果。结果显示,模式7训练模型精度为93. 3%,平均测试准确率为90%,且对茶轮斑病、炭疽病和云纹叶枯病的正确区分率分别为85%、90%和85%,在预测值和真实值一致性方面优于其他预处理方法。在小样本情况下,该预处理方法可有效区分、识别3种易混病害,且识别精度高,性能好。
全文链接
请求原文
基于显著性检测的蔬菜鳞翅目害虫图像自动分割算法
《福建农林大学学报(自然科学版) 》 2019 北大核心 CSCD
摘要：提出一种基于显著性检测的害虫图像自动分割算法(S-segmentation算法),首先利用显著性检测方法,结合图像局部区域的颜色距离和空间距离特征,对样本图像作预处理;然后采用无交互式图像分割算法处理显著检测结果图,可实现目标区域的完美分割,避免多次重复设置背景区域.通过对5种鳞翅目幼虫图像进行分割试验,结果表明该算法的分割准确性明显提高,平均分割精确度可达93.14%,较传统图像分割算法提高了约20%,并且复杂度低,运行效率高,分割精确度不受样本数量影响.进一步将该算法应用到体型和颜色多样化的鳞翅目成虫图像分割上,得到的平均分割精确度达到88.22%.
全文链接
请求原文
基于深度学习的蔬菜鳞翅目害虫自动识别与检测计数
《中国农业科技导报 》 2019 北大核心 CSCD
摘要：鳞翅目害虫是蔬菜作物中最重要且常见的一类害虫。由于受到复杂田间背景,光照及害虫姿态等的影响,传统的害虫自动识别与检测计数方法准确率比较低。为实现在田间快速准确地对目标害虫进行自动识别和检测计数,分别提出了基于深度卷积神经网络的识别模型和检测计数模型。针对菜粉蝶、棉铃虫、甜菜夜蛾、小菜蛾、斜纹夜蛾这5种常见且容易混淆的蔬菜鳞翅目害虫,构建了分类识别数据集和检测计数数据集,并分别进行了实验,平均识别率达到94.5%,检测均值平均精度(mAP)达到76.6%,与传统方法相比,证明了此方法的优越性。实验结果表明,该方法对于蔬菜鳞翅目害虫的识别和检测计数是可行的,且达到了实际应用水平。
关键词： 鳞翅目害虫 自动识别 检测计数 深度学习 卷积神经网络
全文链接
请求原文
农作物害虫图像识别研究进展与展望
《安徽农业科学 》 2018
摘要：农作物害虫的精准识别是害虫预报及防控的重要前提,图像识别法以高效率、低成本、易操作等优势,成为近年来害虫防治工作的研究热点和主要技术手段。鉴于害虫图像识别在虫害诊断中的巨大潜力,回顾害虫图像识别方法的发展历程,阐述由室内环境下的识别走向自然环境的研究进展,分析传统方法与深度学习的优势与局限性,针对性给出未来发展的相应措施。传统识别方法易实现,适用在样本少、范围小的识别领域;深度学习方法精度高、自适应性强,在数据量充足的前提下可以取得较好的识别效果。最后对农作物害虫图像识别的发展前景进行展望,指出将害虫图像识别与物联网、传感器等技术相结合,共同构建农业大数据,并成为智慧农业的重要组成部分。
全文链接
请求原文
基于数据预处理的病虫草害农田小气候监测系统设计
《现代农业科技 》 2017
摘要：针对现今农田小气候监测系统数据误差问题和病虫草害发生影响因素的研究,本文介绍了一种基于无线传感器网络的农田小气候数据预处理方法,并以此设计基于数据预处理的病虫草害农田小气候监测系统。系统集成多类型传感器,采集的农田小气候数据并利用Zigbee无线传输至数据预处理节点,再使用GPRS通信网络上传至服务器端,从而完成农田小气候数据的采集、处理与上传,用户可通过电脑或手机实时监控农田小气候信息。测试结果表明,该农田小气候监测系统可提供农田小气候监测的稳定性和可靠性。
全文链接
请求原文
江淮杂交中籼水稻品质性状基因型与播期互作的AMMI模型分析
《中国稻米 》 2017 北大核心
摘要：为明确杂交中籼水稻在江淮地区种植的适宜播期,提高稻米品质,选用3个杂交中籼水稻品种(系)分5个播期,利用AMMI模型对其营养食味品质性状(糊化温度、胶稠度、直链淀粉含量、蛋白质含量)进行了稳定性和适应性分析。结果表明,糊化温度、胶稠度、直链淀粉含量、蛋白质含量4项指标在基因型间、播期间及基因型×播期互作间的方差均达到极显著水平,这4项指标的交互效应主成分值(IPCA)差异也达到显著水平;穗期(抽穗至成熟期)平均气温较高、累计日照时数长、气温日较差大,有利于杂交中籼水稻品质的提高;3个参试品种(系)营养食味品质稳定性表现为新两优6号>两优1128>丰两优4号,5个播期对杂交中籼水稻品质影响表现为4月20日>5月10日>5月20日>4月30日>5月30日。
全文链接
请求原文
基于云端的农业病虫草害大数据图文数据库的设计与实现
《安徽农业科学 》 2017
摘要：针对病虫草害大数据的存储分散和展示无系统化的问题,提出采用Spark核心技术搭建大规模集群,将HDFS(Hadoop distributed file system)分布式文件存储系统、Mongo DB数据库和My SQL数据库相结合,集病虫草害信息管理、信息查询、用户管理和数据库维护等功能于一体,实时更新、展示、存储和管理海量多源异构病虫草害数据,构建基于云端的农业病虫草害大数据图文数据库信息服务平台,在提高农业病虫草害的数字化管理、信息共享等方面具有极其重要的意义。
全文链接
请求原文
基于稀疏编码金字塔模型的农田害虫图像识别
《农业工程学报 》 2016 EI 北大核心 CSCD
摘要：相较于一般物体的图像,农作物害虫图像因具有复杂的农田环境背景,分类与识别更加困难。为提高害虫图像识别的准确率,该文提出一种基于图像稀疏编码与空间金字塔模型相结合的害虫图像表示与识别方法。该方法利用大量非标注的自然图像块构造过完备学习字典,并运用该学习字典实现对害虫图像的多空间稀疏表示。与此同时,结合多核学习,该文设计了一种害虫图像识别算法。通过对35种害虫的识别,试验结果表明:在相同方法下,该文所提特征提取方法可使平均识别精度提高9.5百分点;此外,进一步通过对221种昆虫及20种蝴蝶的识别,试验结果表明:与传统方法相比较,该文所提方法使得平均识别精度提高14.1百分点。
关键词： 图像识别 算法 害虫控制 字典学习 稀疏编码 金字塔模型
全文链接
请求原文
