基于深度学习和稀疏表示的害虫识别算法

对农作物害虫种类和数量进行有效的预测是农作物病虫害防治的关键环节,因此基于捕获害虫的样本图片对农作物害虫进行准确的种类识别可以为病虫害的防治提供一定的先验知识.由于农作物害虫种类和形态的多样性及不同种类害虫颜色和纹理的相似性,增加了害虫分类识别的难度.为提高害虫图像识别的准确率,提出了一种基于深度学习和稀疏表示相融合的方法来进行害虫的检测分类识别,进而实现对农作物病虫害的有效防治.该算法首先利用高效的深度学习caffe框架来构建提取害虫特征的网络模型,然后利用该网络模型来提取训练害虫样本的特征向量,从而建立不同种类害虫的超完备字典,最后采用稀疏表示算法来对测试样本进行分类识别.实验部分对10种常见害虫进行了检测识别,实验结果表明新提出的算法有很好的检测分类效果.     

农作物病虫害诊断系统

采用专家系统,根据农作物病害和虫害的形态特征以及特征诊断的现实特点,采用3层B/S架构设计了一个可查询、可诊断、可咨询的农作物病虫害诊断系统。实现了农作物病虫害的信息添加、查询及对农作物的病害和虫害进行诊断识别以及治疗策略的功能。     

基于深度学习的农作物病虫害研究进展

病虫害严重影响农业和环境的可持续发展,导致农作物产量损失和品质下降。深度学习技术为病虫害识别和防治提供了新方法,在识别准确率和效率方面呈现出独特优势。在归纳总结深度学习技术发展历史、算法的优缺点基础上,探讨其在农作物病虫害研究中的应用现状、存在的问题和发展趋势。CNN(convolutional neural networks)架构是病虫害识别的核心技术,基于迁移学习的深度学习技术是研究热点。为加快深度学习技术在农业领域的应用,促进智慧农业的发展,应加快建设农作物病虫害数据集、优化深度学习架构、搭建移动平台、研究单一和混合病虫害图像分割技术、融合无人机和卫星遥感影像与地面观测数据,实现大面积农作物病虫害的识别与检测。通过深度学习技术在农作物病虫害识别中的应用,可以在保护生态平衡的基础上加强对病虫害防治,保障农作物的产量和质量。     

近20 年来我国农作物病虫害时空变化特征

基于农作物播种面积和病虫害发生面积的统计数据, 分析我国近20 年来农作物病虫害的时间变化趋势和空间分布特征, 同时探讨农作物病虫害发生与气候因素的关系。结果表明: 在时间序列上, 我国农作物病虫害发生面积和病虫害发生面积率分别以8520.05 千公顷次/年和每年0.05%的速度显著增长(p<0.01); 在空间分布上, 播种面积最大的山东省和河南省, 病虫害发生面积也最大, 发生面积均达到3.0×10⁵ 千公顷次以上; 从病虫害发生面积率来看, 空间分布不均匀, 上海市、浙江省和江苏省的病虫害发生面积率较大, 同时各个省份病虫害发生面积率都呈增加趋势, 其中上海市和浙江省的病虫害发生面积率增加较快, 年增幅分别为0.17%和0.12%, 而内蒙古自治区、新疆维吾尔自治区、甘肃省、青海省、四川省、云南省等地发生面积率增加幅度较小, 这种增加趋势由沿海向内陆递减。与气候因子的相关性分析表明, 89.3%的省份病虫害发生率距平与平均温度距平呈正相关关系, 其中46.4%的省份呈显著正相关关系(p<0.05), 与年降水量距平的相关关系不明显。     

农作物病虫害生物防治技术现状与未来

本文针对农作物病虫害生物防治的现状进行了综述,并探讨了未来对农作物病虫害生物防治的一些新技术与展望。     

沼液防治农作物病虫害技术

沼液用于防治植物病虫害,具有无污染、无残毒、无抗药性纳特点。介绍了利用沼液防治农作物病虫害的对象、方法和注意事项,对沼液防治农作物病虫害有参考和指导作用。     

浅析气象对农业病虫害的影响

气象因素是影响农作物病虫害发生发展的主要因素。本文主要就农作物病虫害的发生发展与气象的关系进行了论述和说明。以便对广大农民提出启示,可以根据不同的天气,有针对性的对病虫害进行防范。同时也为农业生产的可持续发展提供了理论依据。     

浅论农作物病虫害综合防治

我国是世界最大的农业国家,农业生产占国家经济发展的重要地位,但我国也是个自然灾害多发的国家,农作物病虫灾害是我国的主要自然灾害之一,为保证农作物的生产,防治病虫害显得尤为重要。本文阐述了农作物病虫害的综合防治方法,并针对出现的问题,提出了一些防治措施,以供参考。     

农作物病虫害专家系统中的知识表示方法

农作物病虫害的知识表示和知识推理方法的有效性是实现农作物病虫害专家系统正确决策的基础。总结了农作物病虫害专家系统中常见的知识传统表示、知识的现代表示以及知识混合表示方法的优缺点及应用情况,对其发展趋势进行了分析和展望。知识混合表示方法因能有效克服单一表示法的局限性并可充分发挥各种方法的长处而被广泛应用。神经网络知识表示因其快速、准确性高、灵活性高的特点应用前景良好。     

城固县病虫监测及发布方式的实践与探索

农作物病虫害预测预报是植保防灾减灾的重要基础性工作,近年来城固县植保植检站在病虫害监测及信息发布方面认真思考,积极探索,勇于创新。在发布纸质病虫情报的基础上,利用电视和网络媒体及植保人员开具《农作物病虫害诊断及防治处方笺》、制作病虫标本等方面做好病虫发生与防治信息的发布宣传工作,为农民群众在防治病虫害方面提供科学准确的防治信息,确保了农业生产安全和农产品质量安全。     

一种改进的图像拼接技术及其在无人机病虫害检测中的应用

为解决ORB(oriented FAST and rotated BRIEF)算法提取的特征点分布不均匀且可能重叠的问题，在ORB算法的基础上引入了四叉树结构实现特征点均匀分配，使用KNN算法进行特征点粗略匹配，通过RANSAC算法去除虚假匹配点以获得完整的病虫害图像.实验结果表明，与ORB算法和SIFT相比，新算法匹配精度分别提高了8%以上和3%以上.     

一种基于彩票迁移的稀疏网络植株病虫害识别模型

植株病虫害的识别能够有效地提高农作物产量,当前数据驱动的深度植株病虫害识别方法需要大量的有标签数据,导致现有方法难以很好地识别少样本的新病虫。且基于深度学习的方法需要对大量的参数进行训练,难以削减计算开销。研究设计一种基于彩票迁移的稀疏网络植株病虫害识别模型:定义深度网络的彩票迁移假设,利用压缩策略构建稀疏网络,识别迁移源域的本质知识,提高深度网络的迁移效率;然后,设计深度彩票迁移算法,训练植株病虫害深度识别模型,解决少样本病虫识别调整;最后,在典型的通用数据与植株病虫害识别数据集上,验证基于彩票迁移的深度植株病虫害识别模型能高效迁移源域的本质知识。在PlantVillage数据集上,对植株病虫害识别准确率为97.69%,且所需训练的参数只有原始网络的约30%。     

关于农作物病虫害防治直补的探讨

我国政府对于农业发展的重视程度日渐提高,我国是一个农业大国,土地资源十分丰富,但是人均占有量却很少,所以对于农作物的种植质量就有很高的要求。农业是我国经济发展的基础,对我国的经济和人民的生活有很大的影响,那么农作物的产量就尤为重要,要利用有限的土地资源创造出更大的产量,提高单位面积的生产效率。农作物病虫害对农作物的质量有很大的危害,影响到了农业的发展,本文对病虫害在防治方面的工作进行了具体的阐述。     

玉米病虫综合防治技术

粮食生产是获得经济收入的主要来源，而农作物的病虫害又直接影响农作物的产量。所以搞好病虫综合防治技术十分重要。     

21世纪我国植物保护策略和技术的发展趋势

20世纪90年代,我国农作物病虫害发生频率明显上升,年均发生面积超过80年代约1/3,暴发的病虫种类和次数增多,防治难度加大,损失加重。这一情况已引起各级领导和从事农业生产的各个阶层的严重关注:我国自1975年把“预防为主,综合防治”定为植物保护工作方针以来,在农作物病虫害防治的研究和推广方面已取得巨大成绩,为什么病虫害还继续频繁成灾加重危害?本文就对我国近年来一些重要病虫害灾情加重的原因及21世纪病虫害长期控制策略谈几点看法。     

苹果树病虫害智能识别系统设计与实现

为提高苹果的产量和质量,防止病虫害对果实质量的影响,设计了一款基于机器视觉的苹果树病虫害智能识别系统。该系统采用交互式分割(GrabCut)算法对图像进行分割,然后使用高斯拉普拉斯算子和拉普拉斯高斯(Laplacian-of-Gaussian, LOG)算法将苹果叶片中的病斑提取出来,最后将提取出的图像送入深度神经网络(deep neural networks, DNN)进行进一步的分析与处理,能够实时、方便地识别出苹果树叶病害中较为常见、发病率高的花叶病,锈病,灰斑病,斑点落叶病以及褐斑病。经测试,该系统对苹果树5种常见病虫害识别率精度高达91.17%。结果表明,该算法能够有效提升苹果树病虫害防治,优于基于卷积神经网络特征的区域方法(regions with CNN features, R-CNN)、YOLO(you only look once)等单一病虫害检测方法。     

基于SOA的农作物病虫害监测预警系统设计

农作物病虫害监测预警是农业防灾减灾、确保主要农产品有效供给的重要组成部分和关键环节.中国病虫害监测预警工作的准确性和时效性因“信息孤岛”而受制约.提出了“基于AHP的CBR的预警决策”模型,采用Web Service技术,设计了基于SOA架构的安徽农作物病虫害监测预警系统.该系统实现了安徽省农作物病虫数据的采集标化、传输网络化、分析规范化、处理图形化、发布可视化、汇报制度化、管理自动化、决策智能化.该预警系统实现了安徽省6年实践运行结果表明,安徽省各级植保站的工作效率及预警决策准确度和时效性均有显著提高.     

“病虫害预测系统”的设计与开发

气象条件是农作物病虫害发生的主要因素之一。介绍了利用气象因子预测病虫害系统的设计思路与实现方法。系统对历年监测到的历史数据（病虫害发生记录、气象数据等）进行整理形成数据库,并对历史数据进行挖掘,通过分析得到病虫害发生与气象因子之间关系的数学模型,最后用计算机技术开发出了基于气象数据的病虫害预测系统。     

基于卫星遥感图像的农作物分类算法

为提高遥感图像对农作物的预估精度和农业种植效率, 设计了基于卫星遥感图像的农作物分类算法。 以2018 年 7 月 30 日哨兵二号(Sentinel-2)卫星拍摄的高分辨率哈尔滨市农业示范基地卫星影像为实验数据, 在不同光谱波段内(含红边波段), 通过使用最大似然法、 支持向量机法、 神经网络法分别对影像中水稻、 大豆、玉米、 高粱等农作物特征进行提取、 分类, 获得到农作物分类图;将统计结果与真实的参数进行比较, 分析了相同算法下使用不同数据源, 不同算法使用相同数据源, 这两种情况下的分类精度与可靠性。 实验结果表明,通过神经网络法得到的分类结果精度最高, 可靠性最强, 适合于全国范围内推广。     

1994年春夏石河子地区农、林主要病虫害发生趋势

<正>根据1993年我区农作物病虫害发生的情况,结合越冬调查和去冬今春气候,石河子气象局94年春夏季气象预报及垦区历年病虫害发生的资料分析,对我区1994年农林主要