植物病害智能识别APP开发及实践教学应用

该文分析了传统植物病理实践教学存在的一些问题和弊端,利用卷积神经网络技术开发了植物病害症状和病原菌智能识别APP,并将之应用于实践教学,促进了学科交叉融合,丰富了教学内容,完善了实践教学评价体系。实践表明,植物病害智能识别APP在实践教学中效果显著,提高了学生的学习兴趣,便于学生个性化、精准化、自由化学习,有利于培养学生跨学科的创新思维和应用能力,为新农科复合型人才的培养提供了一种便利工具。

植物病害诊断与绿色防控中心的建设与实践

成都农业科技职业学院秉持职业教学精神,大力开展职业教育改革,在实训条件建设方面,全力保障植物保护类课程模块化改革的实施。其中已建设成功并投入运营的植物病害诊断与绿色防控中心,通过病原显微互动,配套病菌分离、培养、鉴定相关仪器设备和环境改造,既能够满足涉农专业植物保护类课程“植物病害识别与绿色防控”教学模块的需求,又能为社会提供植物病害诊断与绿色防控服务,彰显了农林高职院校为“三农”服务、为乡村振兴育人的办学宗旨。

草类植物病害

植物病害是生态系统的组成部分,对农业、林业和牧业生产影响很大。古今中外,植物病害对人类造成的威胁多种多样。据联合国粮食及农业组织估计,植物因遭受病害所造成的产量损失平均为总产量的10%~15%。如1950年,中国暴发了小麦条锈病,导致小麦减产30亿千克;1970年,美国暴发了玉米小斑病,减产15%,约165亿千克,直接损失10亿美元。草类植物可能发生多种病害,有的病害对生产有一定的限制作用,有的甚至是毁灭性的。

基于计算机视觉的植物病害识别方法综述

病害识别是计算机视觉技术在农业领域的重要应用之一,对及时发现和早期预防植物病害起着关键作用。近年来,随着病害识别方法的不断演进,病害识别性能有了显著提高,但自然条件下病害特征提取困难、病害严重程度难以区分等问题依然存在。为了在现有方法的基础上进一步探索病害识别的新思路,先是针对不同识别目标,分析病害识别和病害严重程度识别的研究现状。然后从视觉特征类型和学习方式两个角度对植物病害识别方法进行全面的比较与研究,指出深度模型是当前植物病害识别的主流方法,融合多源信息和结合不同的机器学习方式是改进植物病害识别的重要手段,并将不同识别方法在主流数据集上的性能进行对比和分析。最后对未来发展方向进行展望。

植物病害生防青霉研究现状

青霉抗菌谱广、抗逆性强,是优良的生防微生物,能有效防治植物病害.论文综述了近年来青霉属生防真菌防治植物真菌、卵菌、线虫和细菌病害的研究成果,生防青霉产生的抑菌活性次生代谢产物种类以及基因组学、转录组学、代谢组学、蛋白质组学和培养组学在生防青霉研究中的应用,并对今后生防青霉的研究进行展望,以期为以后研究及应用提供借鉴.

基于知识蒸馏和轻量级卷积神经网络的植物病害识别方法

[目的]针对现有植物病害识别模型参数大、田间复杂背景下识别准确率低的问题,提出一种基于改进ShuffleNetV2的轻量化植物病害识别模型LWCR-Net(lightweight crop recognition network)。[方法]在基本特征提取模块中引入残差连接,解决梯度消失问题,使模型能够学习更复杂的特征表示;引入CBAM(convolutional block attention module)注意力机制模块,以增强特征提取和模型利用能力;采用DenseNet121作为教师模型,LWCR-Net作为学生模型,利用知识蒸馏策略对模型进行训练,以进一步提升模型性能。[结果]轻量化植物病害识别模型LWCR-Net大小为2.44 MB;F 1值和准确率分别为95.49%和96.16%,较原模型提高4.89%和3.96%。与DenseNet121、ResNet34、MobileNetV3等其他经典网络对比,LWCR-Net模型不仅达到较高的识别准确率,而且模型参数量较少。[结论]LWCR-Net模型能够实现在田间复杂背景下对植物病害的准确识别,且模型所需内存较小,方便部署到移动端,为植物病害智能诊断提供参考。

氮素调控植物病害发生机制的研究进展

氮是植物生长发育所必需的重要元素。氮素在寄主-病原体互作中的作用十分复杂,受多重因素调控。本文综述了氮素与植物病害发生的关系,从寄主防御和病原体侵染角度论述了氮素影响植物病害发生的机制,比较了不同氮素形式对植物病害影响的差异,并对今后的研究方向进行了展望。

基于改进YOLOv8算法的实时细粒度植物病害检测

为解决现有识别方法在植物病害检测中遇到的密集分布、不规则形态、多尺度目标类别、纹理相似性等障碍,提出一种高性能的实时细粒度植物病害检测框架。首先,在YOLOv8主干网络和颈部设计两个新的残差块,增强特征提取和降低计算成本;其次,引入DenseNet层,并使用Hard-Swish函数作为主要激活函数,以提高模型的准确性;最后,设计PANet网络,用于保留细粒度的局部信息和改善特征融合。在不同的复杂环境下,对番茄植株的四种不同病害进行检测。试验结果表明,所提改进模型在检测准确性和速度上均优于现有模型的检测模型。当检测速度为71.23 FPS时,所提改进模型精确度为92.58%,召回率为97.59%,F_(1)分数为93.64%。为精准农业自动化提供有效的技术手段。

基于注意力机制轻量化模型的植物病害识别方法

针对现有植物病害识别模型存在响应速度慢、参数量多、计算机内存资源消耗大等问题,本研究提出了一种轻量化神经网络模型,该模型由特征提取层、特征增强层和分类器组成。为了减小模型大小并提高网络响应速度,在特征提取层中使用深度可分离卷积进行特征提取。为了防止网络传播过程中的梯度消失并增强病害像素特征融合,在特征提取层中引入了大卷积核倒置残差结构(IRBCKS)模块。此外,在特征增强层集成了轻量级卷积块注意力模块(CBAM)注意力机制,以捕捉植物病害相关图像中像素之间的关系,增强关键信息的提取。最后,采用剪枝技术剔除模型中冗余特征信息,从而再次减少模型参数量,形成最终的轻量级网络模型Cut-MobileNet。为验证该模型的先进性,将其与轻量化模型(MobileNet V2、SqueezeNet、GoogLeNet)和非轻量化模型(Vision Transformer、AlexNet)进行性能对比,研究结果表明,Cut-MobileNet在浮点运算量、准确率、单张图片推理时间、参数量、F1值和模型大小等性能指标上都取得了较优的效果。

基于ACE和深度学习的植物病害检测

如果农业生产遇到植物病害问题,就会导致大量的经济损失。植物病害种类繁多,因此为提高对植物叶片的识别性能,本文使用ACE算法对植物病害图像进行处理,分别以深度学习中的VGG16和GoogleNet为植物病害识别模型,分析ACE算法在植物病害识别中的效果与最佳参数。试验结果表明,在使用ACE算法对植物病害图片处理后,植物病害识别率提高了1%~3%。当在不同模型中得到最佳效果时,ACE算法中求取局部均值的窗口大小与最大对比度增益相同。

附球菌在植物病害生物防治中的应用研究进展

附球菌是一个能产生分生孢子的真菌属,广泛存在于土壤、空气和植物表面,植物体内也常有发现。附球菌对多种植物采前采后病害具有很好的防治效果,是一类重要的拮抗真菌资源。基于此,从附球菌的分类与分布、生防应用、生防机制、影响防效的因素、孢子的制备和质量改进、与化学杀菌剂的联合应用等多个方面进行了综述,并对附球菌生防制剂的应用前景进行了展望。附球菌是目前已知应用潜力较大的真菌种类,在植物病虫害防治领域应用前景广阔。

短小芽孢杆菌防治植物病害研究进展

过度使用化学农药导致植物抗耐药性加重、农产品污染、环境残毒等一系列化学农药综合症,利用生物农药替代化学农药防治植物病害是大势所趋。短小芽孢杆菌(Bacillus pumilus)具有抵抗环境胁迫能力强、分泌多种抗菌类物质以及广泛的生物防治特性,是芽孢杆菌属中最有价值的成员之一,具有作为生防微生物开发成绿色农药的商用潜力。目前,短小芽孢杆菌INR7、HR10、SE34、SE49、SE52、KUDC1732、MCB-7、PTB180、RST25等均已被广泛报道,可通过多种机制拮抗真菌植物病原菌。本文归纳了短小芽孢杆菌的主要次生代谢物及抑菌功能基因种类,阐述了相关菌株拮抗植物病菌的作用机制,综述了其在植物病害生物防治方面的研究成果,以期为短小芽孢杆菌作为生防制剂的研究和应用提供参考。

研究植物病害的病原菌、传播途径以及防治方法

植物病害历来都是农业领域中一个重要课题。文章通过总结分析不同病原菌,传播途径及防治方法等方面研究。首先,针对真菌,细菌,病毒等不同种类的病原菌,探讨了它们的特性,生物学特性及其对植物健康的影响。二是研究各种传播途径,涉及到空气,土壤,昆虫和水等不同介质在病原体传播过程中的作用和机理。最后对包括化学防治,生物防治和物理防治在内的多种防治方法进行论述,突出综合防治对植物病害防治的意义。对这几方面进行全面研究,可深刻认识不同病害发生机制及传播规律,并为今后开发更加安全有效的植物病害防治方法,提供重要理论与实践指导。

芽孢杆菌脂肽类抗生素的抑菌活性及其对植物病害的生物防效研究

生物农药替代化学类农药和农药减量已成为农业可持续发展的必然趋势。为此,介绍了脂肽类抗生素的种类和结构以及脂肽类抗生素的抑菌活性,阐述了脂肽类抗生素在植物病害生物防治中的表现,探索了芽孢杆菌开发为生物农药方面的应用。

生物防治方法在植物病害管理中的实践策略

在全球气候变化和环境压力加剧的背景下,传统化学农药在植物病害防治中显现出诸多问题,如环境污染、生态系统失衡和病原体抗药性增强等,这促使人们迫切需要发展可持续且环境友好的植物病害管理策略,生物防治作为绿色防控策略,通过利用天敌,微生物和植物源性物质等自然因素,有效控制病原微生物,维护生态系统的健康平衡,面向未来农业生产的可持续性目标,本文探讨生物防治方法在植物病害管理中的实践方案,旨在提供创新且安全有效的病害管理策略。

日照市草地植物病害调查研究

日照市草地植物病害种类多样,研究旨在摸清市域内草地植物病害及病原菌种类,研判相应的防控对策。于2022-2023年在市域内采样线路踏查和样方调查法开展草地植物病害的调查研究工作。结果表明:日照市草地病害共53种,其中危害等级达到3级的6种,达到2级的有31种,达到1级的有16种,主要是叶片病害和茎秆病害。其中发生最严重的6种病害分别是蓼白粉菌(Erysiphe polygoni)引起的巴天酸模白粉病;穆氏节丝壳(Arthrocladiella mougeotii)引起的枸杞白粉病;隐秘刺盘孢(Colletotrichum aenigma)引起的葎草炭疽病;灰梨孢(Pyricularia grisea)引起的马唐圆斑病;旋花白锈菌(Albugo ipomoeae-panduratae)引起的圆叶牵牛白锈病以及链隔孢(Alternaria alternata)引起的圆叶牵牛黑斑病。本研究明确了日照市草地病害的种类、分布及危害等级,为后续的病害防控工作打下了基础。

植物病害流行学中的地统计学

病害空间动态是植物病害流行学研究的主要内容之一。对于病害的空间动态的研究与病害的时间动态研究相比一直显得不足 ,地统计学技术由于其在研究空间数据方面的优势而得到广泛的应用。本文简单地介绍了地统计学的基本原理 ,包括理论基础(即区域化变量理论)以及地统计分析主要工具(即变异函数) ,并对地统计学技术在植物病害流行和病害治理研究中的应用做了介绍。地统计学可以用来研究病害的生态学问题(如病害的空间分布特征 ,病原的传播及其影响因子等) 。

温室植物病害的图像处理及特征值提取方法的研究——基于色度的特征值提取研究

为了进行温室植物病害的智能化防治,运用计算机图像处理技术对生产中常见的两种黄瓜病作了研究,比较了几种常见的色度学系统,以色调H作为颜色特征参数的研究域.以色调直方图统计特征参数的计算,和百分率直方图区间值特征作为区分病变叶片与正常叶片的重要依据.结果发现色调H偏度可以较为明显的区分不同病变情况,在进一步研究不同色调区域病变叶片和正常叶片的色调分布情况时,发现在色调(48～50)和(45～47)区间,区分正常叶片与病变叶片的效果最好.该研究为后期的模式识别提供了重要的特征参数.

荧光假单胞菌防治植物病害研究现状与展望

随着植物病害的日趋严重,生物防治已经成为国内外学者研究的重点,其中,荧光假单胞菌尤为重要。本研究综述了荧光假单胞菌的培养特征(形态特征、生理生化特性、培养条件和与其他菌的异同);从不同类群的植物分离到防治病害的荧光假单胞菌;荧光假单胞菌的生防效果(单独使用和与其他菌或物质交互使用的防治效果);荧光假单胞菌及活性物质防治植物病害的作用方式和作用机理;荧光假单胞菌在医学、农业和环保领域中的危害。对其风险和在生物防治领域的发展前景做了评价和展望。

植物内生细菌在防治植物病害中的应用研究

许多报道已证明在不同的植物体内都存在多种内生细菌。本文综述了内生细菌的概念、种群密度等方面的内容 ,着重叙述了内生细菌在生物防治植物病害上的作用 ,并对内生细菌的研究现状及应用提出了自己的见解。