红三叶真菌性病害及其防治的研究进展

红三叶是一种重要的豆科牧草及绿肥作物,病害是限制其生产和利用的重要因素。本文整理了国内外报道的红三叶真菌性病害的种类、病原、分布及主要的防治技术。截至2023年,世界范围内报道的红三叶真菌性病害有白粉病、锈病、根/冠腐病及各类叶斑病等,可划分为23个不同种类,病原真菌共36种,分布于18个国家。对红三叶真菌性病害的研究主要集中在白粉病、菌核病、根腐病、炭疽病和匍柄霉叶斑病。此外,国内外研究还在红三叶种子上检测出数种种子携带病原真菌,如匍柄霉和单胞锈菌等。后续应关注影响我国红三叶生产的主要真菌病害,在确定病原真菌的基础上,加深对病原真菌发生规律的研究,制定出有效的防治策略。

斜拉索表观病害图像智能识别综述

斜拉索是斜拉桥的主要承重构件之一,其外层护套病害容易渗透影响索内钢丝健康,采用视频图像法智能识别出拉索表观病害意义重大.从传统图像检测和深度学习两方面系统地综述了基于图像识别的斜拉索表观损伤识别方法,以及各个方法的基本原理和应用效果,对目前的检测实例进行深入分析;介绍一些前沿深度学习方法,为拉索表观检测提供参考;归纳各类方法的主要特点,对目前检测中存在的问题进行了探讨和展望.以深度学习模型为主的图像识别方法具有较好的识别准确率和算法鲁棒性、较强的学习能力和适应性,综合图像缺陷识别效果最优,但仍存在检测精度和速度难平衡、图像数据需求大和标注成本高等难点.为此,可以采取提高图像质量、构建更多半监督和无监督相关的深度学习模型、提升检测模型学习能力等手段改善检测方法.

基于线阵相机/扫描仪的轨交隧道病害检测系统设计实现

隧道维护可以避免隧道病害引发的安全事故,有效的维护依赖于全面和准确的隧道病害检测。传统的隧道病害检测依靠人工巡检,受隧道照明不足、检测时间短等因素的影响,检测效率低下且准确率低。针对这些隧道病害检测中的难题,根据轨交隧道结构均匀、轨道线路固定的特点设计了轨交隧道病害检测系统。系统将激光扫描技术与摄影测量技术相结合,使用激光扫描仪获取隧道三维点云,使用多线阵相机获取隧道影像,借助激光跟踪仪并设计虚拟靶标场对相机和扫描仪进行标定使其坐标基准统一。系统采用分布式的软件架构研发数据采集软件进行传感器交互和数据存储,并采用外触发的方法使传感器采集频率与车速匹配,最后基于Cesium框架研发数据管理平台对隧道数据进行管理。将系统应用于某隧道进行数据精度验证,实验表明轨交隧道病害检测系统能够在实际隧道中检测宽度为0.2 mm的裂缝和错台量0.5 mm的错台,具备轨交隧道病害检测能力。最后,通过将实验采集到的数据应用于隧道裂缝检测、错台检测、变形检测等方面,并对检测出的病害进行定位,证明了轨交隧道病害检测系统的实用性,为轨交隧道病害检测提供了可靠的解决方案。

基于深度学习的水稻病害识别系统研究与实现

文章旨在基于深度学习技术构建一个水稻病害识别系统,提升对水稻病害的诊断精度及速度。通过生成式对抗网络对数据集进行增强,以提高模型在少样本条件下的泛化能力。在ResNet模型中融合注意力机制,增强模型对病害特征的捕捉能力,提高识别率。最后,基于Flask实现了一个Web水稻病害检测系统。

兰花根部病害的识别与综合防治策略

兰花作为重要的观赏和园艺植物,在栽培过程中常常受到根部病害的困扰。真菌性、细菌性和线虫性病害均能对兰花的根部造成严重损害,导致植株叶片黄化、萎蔫、停止生长,甚至死亡。文章总结了兰花根部病害的类型和发病原因,并提出综合防治策略,通过多管齐下的综合治理,能有效减少兰花根部病害的发生和传播,确保兰花的健康生长和生产效益。

林区道路病害检测与定位系统

道路病害不仅破坏道路内部结构的稳定性,还增加了道路交通安全隐患。由于相对恶劣的建造环境和使用环境,林区道路更容易产生路面裂缝和坑槽等病害。为快速准确地检测并定位林区道路病害,以便道路的后期养护,设计了一种基于深度学习的道路病害检测与定位系统。构建了一个轻量化目标检测网络,部署在边缘计算设备上,使用OAK⁃D智能相机采集图像信息和深度信息,再结合GPS模块、IMU模块以及双目视觉定位算法,不仅可以实时检测道路病害,而且还能准确定位。为方便统计和观察道路病害的位置信息,该系统将检测到的病害类型及经纬度信息以文本的形式保存在边缘计算设备上并通过UI界面显示出来。系统上路实测数据表明,检测平均精度为92.3%,检测速度为43帧/s,比YOLOv5s的检测速度提高了86%,定位误差小于6.5 m。该系统处理速度快、检测精度高、稳定性强,可满足实际工程的运行要求。

基于通信光缆振动监测的轨道病害实时预警技术研究

铁路轨道病害的实时监测对于维护铁路基础设施、保障列车运行安全至关重要。采用光纤分布式声波传感(DAS)技术对列车作用于轨道伴行光缆的声振信号进行特征提取,利用贝叶斯优化的支持向量机(SVM)模型建立空吊伤、鱼鳞伤病害数据库,实现对铁路轨道病害在线识别及预警。现场测试结果表明,普速铁路焦柳线王庄站至洛阳北站鱼鳞伤检出准确率为83.33%,空吊伤检出准确率为50%;重载铁路侯月线盘古寺站至磨滩站鱼鳞伤检出准确率为100%,空吊伤检出准确率为72.7%。现场测试结果显示出DAS技术在轨道病害识别方面具有一定的应用及指导意义。

山西镇明长城病害机理特征及影响因素研究——以忻州段古城墙为例

长城是我国现存规模最大的文化遗产,是中华民族的精神象征,在中华文明史和中华传统文化发展史上具有不可替代的重要价值与地位。目前,古城墙存在许多不同形式和程度的病害,主要有剥蚀、掏蚀、裂缝、冲沟等。故本研究以现存的山西镇忻州段古城墙为研究对象,通过文献研究、实地调研等方法,梳理总结出古城墙受自然环境、城市发展、公众参与三方面因素的影响,对遗存城墙的夯土和砖石进行调查分析,发现存在着遗址保护、展示工程和城市关系三方面的矛盾,并提出了一些预防性保护策略。以期为忻州明长城遗址相关保护规划提供一定的理论依据。

浅议拉萨常见沥青路面与水泥混凝土路面病害产生及防治

本文以拉萨地区部分公路展示出的特性来阐述西藏高原地区沥青路面和水泥混凝土路面的突出病害及病害防治,以其对拉萨乃至西藏其他地区沥青路面和水泥混凝土路面实践能够起到积极作用。

非洲菊冬季设施栽培病害防治技术

非洲菊是贵州地区重要的花卉作物,通过设施栽培可实现周年产花,近年来在贵州多地实现产业化发展。贵州冬季虽无严寒,平均气温4~6℃,但在设施栽培中,由于阴雨天较多,花棚顶部薄膜封闭,导致棚内湿度较大,中午棚内温度较高,高温高湿易导致病害发生,对非洲菊的产量及商品性影响较大。下面介绍非洲菊冬季设施栽培中常见病害的防治技术。

营口市玉米成株期叶部病害病原鉴定及生物学特性初探

为明确营口市玉米成株期常见叶部病害致病菌种类及其生物学特性,结合形态学和分子生物学鉴定出三种主要叶部病害病原,利用十字交叉法对三种病原菌生长速率及抗逆性进行测定。形态学鉴定结果表明,分离纯化获得的三种病原真菌Cl-1、Ch-1和Aa-1,分别为弯孢菌、玉米小斑病菌和链格孢菌。进一步结合系统发育分析,菌株Cl-1为新月弯孢菌Curvularia lunata,Ch-1为玉米小斑病菌Bipolaris maydis,Aa-1为玉米链格孢叶斑病菌Alternaria alternata。其中,玉米小斑病为营口市玉米成株期叶部病害的新发病害。病原菌抗逆胁迫测定结果表明,三种胁迫因子中,弯孢菌、玉米小斑病菌和链格孢菌对1 mol/L NaCl敏感性较高,生长受到显著抑制,对0.005%SDS和10 mmol/L H2O2具有一定敏感性,但与对照相比,生长受抑制不显著。

潮湿地区木构凉亭病害特征及损伤程度评估

为研究潮湿地区木构凉亭的病害特征,本文对贵阳市域范围内的70处木构凉亭进行了实地调研,收集了凉亭的建构信息及气候信息,测量并统计了木构凉亭的腐朽、开裂、变色及虫蛀病害状况。基于收集的数据,分析了木构凉亭的病害特征,并建立了数学模型评估凉亭的损伤状况。结果表明:木构凉亭腐朽病害较为严重,其病害程度与构件的离地高度呈正相关;开裂病害在凉亭中普遍存在,尤其以大尺寸的梁柱构件最为显著;变色病害受潮气影响显著,但对构件结构性能的影响不大;虫蛀病害相对较轻,主要发生在梁柱构件中。此外,损伤评估显示,所调研的凉亭多为一般损伤或较严重损伤,其占比分别为84.3%及15.7%。

基于知识蒸馏的轻量化农作物病害识别算法

农作物病害是威胁农作物生长的主要因素之一,机器学习算法能高效率实现大范围农作物病害的发现,有利于对其进行及时处理,进而提升农作物的产量和质量.在大范围农业场景中,由于供电等条件限制,无法满足服务器等高算力设备的供电需求,现有深度网络模型大多需要较高算力,难以部署在低功耗的嵌入式设备上,给大范围农作物病害的准确识别应用带来障碍.为解决此问题,提出了一种基于知识蒸馏的轻量化农作物病害识别模型,并设计了一种基于残差结构和注意力机制的学生模型,利用知识蒸馏方法从大规模模型ConvNeXt中迁移学习成果,在实现模型轻量化的同时保持高精度识别.实验结果表明,在模型规模为2.28 MB的条件下, 39类农作物病害图像分类任务的准确率达到了98.72%,且每类病害的精确率、召回率和特异度均高于90%.该模型满足了在嵌入式设备中部署的需求,为农作物病害识别提供了一种实用高效的解决方法.

复杂艰险山区高速铁路慢行病害特征与治理

针对我国西南复杂艰险山区高速铁路建设与运营中路基、桥梁和隧道出现导致列车运行速度减慢的病害(慢行病害),依托南昆、沪昆、西成高铁3条复杂艰险山区高速铁路运营期间监测与补充勘察资料,分析不同慢行病害的危害方式与变形破坏特征,研究高速铁路慢行病害产生的原因,提出治理方案。研究得出结论:地层岩性、地形地貌、构造应力环境、气候降雨、岩体结构条件等多重因素造成复杂艰险山区高速铁路出现路基基底上拱、斜坡桥梁位移、隧道基底上拱、隧道混凝土腐蚀等慢行病害,针对不同慢行病害提出多种治理方案。研究成果可为复杂艰险山区高速铁路工程建设、运营维护提供借鉴。

铁路运营隧道病害整治技术

分析了运营期间的隧道拱部渗漏水、拱部空洞、混凝土厚度不足、拱部衬砌开裂等四种常见病害的成因,并针对性地提出了整治方案,介绍了病害整治方案及施工方法,形成了隧道常见病害整治技术,可为隧道的设计与施工提供有益的参考。

基于改进YOLOv3的水稻叶部病害检测

为了解决水稻小病斑检测不准确的问题,提出一种基于改进YOLOv3的水稻叶部病害检测方法Rice-YOLOv3。首先,采用K-means++聚类算法,计算新的锚框尺寸,使锚框尺寸与数据集相匹配;其次,采用激活函数Mish替换YOLOv3主干网络中的Leaky Relu激活函数,利用该激活函数的平滑特性,提升网络的检测准确率,同时将CSPNet与DarkNet53中的残差模块相结合,在避免出现梯度信息重复的同时,增加神经网络的学习能力,提升检测精度和速率;最后,在FPN层分别引入注意力机制ECA和CBAM模块,解决特征层堆叠处的特征提取问题,提高对小病斑的检测能力。在训练过程中,采用COCO数据集预训练网络模型,得到预训练权重,改善训练效果。结果表明:在测试集下,Rice-YOLOv3检测水稻叶部3种病害的平均精度均值(mAP)达92.94%,其中,稻瘟病、褐斑病、白叶枯病的m AP值分别达93.34%、89.68%、95.80%,相较于YOLOv3,Rice-YOLOv3检测的m AP提高了6.05个百分点,速率提升了2.8帧/s,对稻瘟病和褐斑病的小病斑的检测能力明显增强,可以检测出原始网络模型漏检的小病斑;与Faster-RCNN、YOLOv5等模型对比,Rice-YOLOv3提高了对相似病害和微小病害的识别能力,并在原始的基础上提高了检测速率。

阿克苏市棉花栽培管理中常见病害及防治分析

在新形势下,阿克苏市棉花种植面积不断扩大,逐渐成为本地区农业生产结构中的重要组成部分。在种植面积日益增加、棉花产业逐步发展的过程中,病害的发生也愈加频繁,对棉花产业造成不良影响。为了保证阿克苏市棉花的优质高产,需要对棉花栽培管理过程中常见的病害进行有效识别与防治。本文主要分析了阿克苏市棉花栽培管理中常见病害,并提出了相应的防治措施,希望能起到一定的借鉴作用。

高速公路及桥梁隧道病害处治方法探析

高速公路及桥梁隧道是现代交通基础设施的重要组成部分,但其长期运行中可能会面临各种病害,不仅影响道路的通行安全,还容易引发严重的交通事故。因此,针对高速公路及桥梁隧道病害的处治方法尤为重要。本文首先探讨了常见病害的影响,然后详细介绍了路面、路基、边坡、桥梁结构及隧道衬砌和洞身病害的处治方法,从而为交通基础设施的维护和管理工作提供参考。

玉米高产种植技术与病害预防控制措施

玉米作为重要的粮食作物之一,市场需求量大。随着高产种植技术的应用,玉米产量和质量得到了明显提高。基于此,以河北丰宁地区为例,系统分析了玉米适宜品种的选择与推广、播种技术与土壤管理、水肥管理的优化策略,以及玉米病害的预测预报与综合防治措施。通过引进适合区域特点的优质品种,合理配置种植密度,实施精准灌溉与施肥,以及采用农业生态防控与生物防治等综合措施,可显著提高玉米产量,减少病害的发生,促进农业生产效益的提升。