基于改进SSD模型的柑橘叶片病害轻量化检测模型

针对当前目标检测算法存在模型占比大,对柑橘叶片病害检测速度较慢、精度较低等问题,提出了一种基于改进SSD(single shot multibox detector)的柑橘叶片病害轻量化检测方法。引入了轻量化卷积神经网络MobileNetV2作为SSD网络的骨架,以减小模型规模、提高检测速度。引入感受野模块(receptive field block,RFB)来扩大浅层特征感受野,以提高模型对小目标的检测效果。并引入CA(coordinate attention)注意力机制,以强化不同深度的特征信息,进一步提升柑橘叶片病害的识别精度。结果表明,与VGG16-SSD相比,改进模型(MR-CA-SSD)在柑橘叶片病害检测上平均精度均值(mAP)提升4.4百分点,模型占比减小52.3 MB,每秒检测帧数提升3.15。MR-CA-SSD综合性能也优于YOLOv4、CenterNet、Efficientnet-YoloV3等模型。该改进模型可实现对柑橘叶片病害的快速准确诊断,有助于对病害部位及时精准施药。

基于元学习的植物虫害识别原型网络VGG-ML

[目的]为解决使用深度学习技术对植物虫害识别时依赖大量训练样本的问题,本文基于元学习的思想设计一个VGG原型网络(VGG-meta learning,VGG-ML),用于在小样本背景下植物虫害种类识别。[方法]采用VGG16作为嵌入单元提取虫害样本特征与类别特征,为提高网络对于新类别的识别能力,采用训练集与测试集异域方式进行模型训练,以解决在小样本情况下植物虫害识别准确率低、新类别虫害无法识别的问题。将测试集划分为支持集(获取类原型)与查询集(样本原型),以欧式距离度量样本原型与类原型之间的相似性,从而判定样本所属类别。[结果]以公开数据集IP102中玉米、甜菜、苜蓿等11种植物的蚜虫、黏虫、跳甲等24类农业虫害图片作为训练数据,以稻纵卷叶螟、稻叶毛虫、亚洲稻螟、稻瘿蚊、稻秆蝇、稻水象甲、稻叶蝉、稻苞虫8类常见的水稻虫害作为测试数据,在5-way、1-shot与5-way、5-shot情况下VGG-ML识别准确率分别为67.98%与81.5%,与原始原型网络相比提高3.53与4.4百分点。5-way、5-shot试验与基于迁移学习的ResNet50与VGG16网络对比,准确率分别提高28.65与25.94百分点。[结论]VGG-ML在进行小样本植物虫害类型识别时有效可靠,可适用于小样本植物识别问题。

几种喷雾助剂对小麦病虫害防治农药减量增效的试验

通过使用喷雾助剂对农药减量增效试验,验证和评价助剂迈飞、农建飞、奇功对药剂防治小麦病虫害减药增效的效果,为其推广应用提供科学依据。结果表明,常规用药量80%加入推荐用量的奇功助剂使用电动喷雾器常量喷雾,药效显著高于常规用药量,减药增效效果显著,但与常规用药量加入推荐用量的奇功助剂之间药效差异不显著;常规用药量80%加入推荐用量的迈飞和农建飞助剂采用无人机低容量喷雾,药效显著高于常规用药量,减药增效作用显著,但与常规用药量加入推荐用量的迈飞和农建飞助剂之间药效差异不显著。可见,常规用药量80%加入3种助剂,对小麦病虫害的防效相对较好,达到了减药增效的目的,可以在生产实际中推广应用。

河套灌区向日葵菌核病发生等级预报

根据2000—2021年河套地区向日葵菌核病中心菌株的出现期、始盛期和发生程度和同期的气象资料,分析了向日葵菌核病发生周期和程度与气象条件的相关性,并建立了相应的预测方程。结果表明,温度和湿度是影响菌核病发生的关键因素。降水量、平均风速和日照时数对菌核病的发生时间和程度也有重要影响。通过逐步回归建立3个预测模型,均通过0.01水平的显著性检验。历史数据拟合效果较好,2021年的测试结果较好,2022年投入实际业务运行。

基于神经网络的古生物化石颗粒特征鉴定

随着大数据技术的发展,古生物化石颗粒特征[footnoteRef:0]的识别和分析成为古生物学研究的重要内容之一。传统的方法需要专业人员进行人工鉴定,费时费力且存在主观的误差和人才缺乏等问题。本文提出了一种基于卷积神经网络的古生物化石颗粒特征识别方法,采用Resnet-50算法模型对图像进行预处理、模型设计、训练与预测,实现了多类生物化石的智能识别。实验结果表明,该方法对三叶虫纲和头足纲的识别准确率分别达到86.4%和91.2%,并且通过迁移学习得到的最终分类模型在数据集上的测试准确率为85.6%。该方法具有较高的准确率和效率,为古生物学的研究提供了有力支持。

茶园病虫害监控系统设计

为了实现茶园病虫害的绿色防治,设计了一种基于物联网技术的茶园病虫害智能监测系统。该系统以Arduino单片机为主处理器,搭载外围传感器作数据监测节点,用ESP8266搭建网络服务器作数据查询、预警服务单元。利用各个传感器和气象站对影响病虫害发生的环境因子进行实时采集和记录,数据处理单元对传感器数据进行分析和处理,并结合相关的气象因素对病虫害发生进行预测;预警服务单元利用网站方式向用户提供病虫害监测结果、预警信息和防治指导。该系统能够实现茶园病虫害的实时监测、动态预警和精准防治,保护茶园生态环境。

北京市顺义区园林植物病虫害综合防治探析

园林植物病虫害防治是确保园林绿化质量的重要环节。顺义区位于北京市东北部,气候条件优越,园林资源丰富,然而随着城市化进程加速,该区园林植物面临病虫害日益频发的问题。为提高园林植物的观赏价值,维护城市生态环境,以顺义区园林植物病虫害防治为切入点,分析了顺义区园林植物常见病虫害种类及其发生规律和危害特征,然后概述了开展园林植物病虫害综合防治的重要性,在此基础上分析了当前防治工作中存在的问题,并提出了完善植物检疫制度、调整植物配置、建立监测预警体系等对策。

基于决策树的水稻病虫害发生程度预测模型——以芜湖市为例

利用芜湖市1988—2022年7种水稻病虫害发生及种植面积数据,国家气候中心逐月大气环流和海温指数,基于C5.0决策树算法,构建一种以大气环流和海温指数作为预报因子的水稻病虫害发生程度的长期预测模型。结果表明,该模型可较好地预测未来一年芜湖市各种水稻病虫害发生程度,2022年7种病虫害发生程度预测准确率平均为85.7%,为水稻病虫害发生程度的预测提供一种有效的实用方法。

2022年河南省小麦茎基腐病和赤霉病病原种群分离鉴定

近年来,茎基腐病和赤霉病在中国黄淮麦区发生严重,对小麦产量及品质造成较大影响。各地报道小麦茎基腐病和赤霉病病原菌种类有所差异。为明确当前中国小麦主产区河南小麦茎基腐病和赤霉病病原菌种类变化情况,本研究对2022年采自河南省安阳、漯河、周口、南阳等8个不同生态区的小麦茎基腐病病株和赤霉病病穗进行了分离纯化,分别得到257和88株分离物。形态学及分子生物学鉴定结果表明,小麦茎基腐病样品分离物中,假禾谷镰孢菌(Fusarium pseudograminearum)231株,占比89.88%;禾谷镰孢菌(F.graminearum)23株,占比8.95%。赤霉病样品的分离物中,禾谷镰孢菌76株,占比86.36%;假禾谷镰孢菌10株,占比11.36%。2022年河南省所有采样地区的茎基腐病的优势病原菌均为假禾谷镰孢菌,赤霉病的优势病原菌仍为禾谷镰孢菌,但赤霉病样品分离物中假禾谷镰孢菌的占比有所增长,特别是在安阳、平顶山和漯河市的赤霉病样品中假禾谷镰孢菌的分离频率达到了10%以上。

基于轻量化卷积神经网络的油茶病害识别

【目的】针对自然环境下油茶叶部病害图像识别准确率不高等问题,提出基于轻量化卷积神经网络ShuffleNet V2改进的多尺度油茶病害识别模型COLDR-Net(Camellia oleifera leaf disease recognition net)。【方法】通过嵌入高效注意力模块ECA(efficient channel attention)来增强图像中病斑特征信息。设计了一种多尺度特征提取单元MFE(multi-scale feature extraction)提升对细微病斑的识别能力。引入焦点损失(focal loss)函数替换交叉熵损失函数,缓解了样本类别分布不均衡导致模型对不同类别病害识别效果差异大的问题。采用Mish激活函数,避免了输入为负时产生的梯度消失问题,提升模型的表达能力。通过修剪网络层数及调整输出通道数优化网络结构,降低了模型的运算量和参数量,实现了模型的轻量化。【结果】该模型在油茶病害数据集上准确率和F1分数分别为97.19%和97.08%,相比于AlexNet(93.04%)、VGG16(94.18%)、ResNet18(94.5%)、ResNet50(95.45%)以及MobileNetV3-Large(93.41%)准确率均有提升,较改进前的模型提高了4.07%。模型参数量为2.61 M,FLOPs为0.24 G,移动端单张图像平均推理时间为67 ms。将模型部署在移动端Android平台开发了油茶病害识别系统。【结论】COLDR-Net模型能够有效满足油茶病害的实时识别需求,可为油茶病害防治和诊断及在移动终端等资源受限设备上应用提供参考。

云南山区旱地稻田蛴螬组成结构及空间分布特征

【目的】明确云南省山区旱地稻田蛴螬种类组成、种群空间分布型及抽样方法,为云南山区旱地稻田蛴螬类害虫的预测预报及综合防控提供参考依据。【方法】选择云南省普洱市澜沧县竹塘乡蒿枝坝村、哈果马村和诺国村3个主要旱地稻种植区为试验地点,于2022和2023年采用五点取样法对旱地稻田中的蛴螬种类进行系统调查及鉴定;通过聚集度指标法、Iwao回归分析、Taylor幂函数法及种群聚集均数分析不同试验点旱地稻田蛴螬空间分布型和聚集原因,并基于空间分布结果,拟合建立理论抽样和序贯抽样模型。【结果】云南省普洱市澜沧县3个试验地点的旱地稻田共发现9种蛴螬,隶属于3科6属,其中黑阿鳃金龟(Apogonia cupreoviridis)和东方绢金龟(Maladera orientalis)是主要的优势种,相对丰度分别为30.91%和24.18%。聚集度指标法、Iwao回归分析及Taylor幂法结果显示,2022和2023年蒿枝坝村、哈国马村和诺国村的蛴螬空间分布型均表现为聚集分布(α<0,β>1);聚集均数λ值均大于2,表明昆虫本身的生活习性和环境气候、土壤湿度、植株生长状况等因素是影响旱地稻田蛴螬个体聚集的主要因素。通过建立理论抽样和序贯抽样模型可知,当允许误差D为0.3,蒿枝坝村、哈国马村和诺国村的虫口密度均为2头/m^(2)时,2022年所需的理论抽样数分别为353、393和155 m^(2),2023年所需抽样数为76、44和49 m^(2)。【结论】云南省普洱市澜沧县竹塘乡3个村的旱地稻种植田蛴螬共有9种,主要优势种为黑阿鳃金龟和东方绢金龟。蛴螬种群在田间呈聚集分布,引起聚集的原因是昆虫本身的生活习性和环境气候、土壤湿度、植株生长状况等因素。

基于改进YOLACT的油茶叶片炭疽病感染严重程度分级模型

[目的/意义]炭疽病(anthracnose)作为油茶生长过程中重要的病害,其严重程度的精准判定对于精准施药和科学管理具有重大意义。本研究提出了一种改进YOLACT(You Only Look At CoefficienTs)分级模型Camellia-YOLACT,旨在实现对油茶叶片炭疽病感染严重程度的自动、高效判定。[方法]首先在YOLACT主干网络部分使用Swin-Transformer来进行特征提取。Transformer架构的自注意力机制拥有全局感受野及移位窗口等特性,有效地增强了模型的特征提取能力;引入加权双向特征金字塔网络,融合不同尺度的特征信息,加强模型对不同尺度目标的检测能力,提高模型的检测精度;在激活函数的选择上,采用非线性能力更强的HardSwish激活函数替换原模型的ReLu激活函数。由于HardSwish在负值区域不是完全截断,对于输入数据中的噪声具有更高的鲁棒性,自然环境下的图像有着复杂的背景和前景信息,HardSwish的鲁棒性有助于模型更好地处理这些情况,进一步提升精度。[结果和讨论]采用迁移学习方式在油茶炭疽病感染严重程度分级数据集上进行实验验证。消融实验结果表明,本研究提出的Camellia-YOLACT模型的mAP75为86.8%,较改进前提升5.7%;mAPall为78.3%,较改进前提升2.5%;mAR为91.6%,较改进前提升7.9%。对比实验结果表明,Camellia-YOLACT在精度和速度方面表现均好于SOLO(Segmenting Objects by Locations),与Mask R-CNN算法相比,其检测速度提升了2倍。在室外的36组分级实验中进一步验证了Camellia-YOLACT模型的性能,其对油茶炭疽病严重程度的分级正确率达到了94.4%,K值平均绝对误差为1.09%。[结论]本研究提出的Camellia-YOLACT模型在油茶叶片和炭疽病病斑分割上具有较高的精度,能够实现对油茶炭疽病严重程度的自动分级,为油茶病害的精准防治提供技术支持,进一步推动油茶炭疽病诊断的自动化和智能化。

一代玉米螟发生趋势预报

根据各农作物病虫害监测区域站近期对玉米螟冬后基数、存活情况及灯下越冬代蛾量调查,结合春玉米种植生长情况和未来气象条件等因素综合分析,对2024年一代玉米螟发生趋势预报如下:一、发生趋势预计今年一代玉米螟总体偏轻发生,中北部甜(糯)玉米集中种植区中等发生,发生面积200万亩。

朱红毛斑蛾的发生规律、潜在分布区预测及防治策略

朱红毛斑蛾(Phauda flammans)以幼虫取食叶片危害各种榕属植物,主要为害小叶榕(Ficus microcarpa)、垂榕(Ficus benjamina)和高山榕(Ficus altissima)。调查发现,朱红毛斑蛾在厦门1 a发生3代,11月下旬化蛹越冬,翌年4月下旬为第1代幼虫期。目前在厦门市各行政区已广泛分布。朱红毛斑蛾在厦门为害高峰(幼虫暴食期)主要集中在6月初、8月上中旬、10月中下旬,2023年7月底开始,朱红毛斑蛾的发生区域明显增加。根据预测,福建、广东、广西和海南4省为朱红毛斑蛾中高适生区。根据朱红毛斑蛾生物学特性,提出监测预警、物理防治、化学防治和生物防治等防治策略。

白蚁预测预报方法及其应用分析

预测预报在白蚁防控中发挥重要作用。本文对白蚁预测预报主要方法进行梳理,包括生物学特性观测法、环境因子分析法、数学模型预测法以及遥感与地理信息系统技术;分析当前白蚁预测预报技术在预测方法、预测精度、预测预报体系和公众认知等方面有待改进的环节;并在此基础上提出夯实白蚁防控基础研究与跨学科协同,推动技术创新与智能化应用,完善预测预报体系与标准化建设,以及加强科普宣传等建议,为白蚁预测预报技术的发展和应用提供参考。

丘陵山地拖拉机调平与防翻关键技术研究现状与发展趋势

[目的/意义]丘陵山区的机械化、智能化是未来农机行业研究和发展的热点。中国丘陵山区耕地面积占比超过50%,且面临坡陡路窄、地块碎小、地形地貌复杂等多种环境因素制约,各生产环节存在“无机可用,无好机用”的现实问题,并且缺乏适合丘陵山区大坡度农机装备研发的理论支撑。[进展]综述了国内外丘陵山地拖拉机调平及防翻系统的研究现状。其中拖拉机车身调平技术平行四杆与液压差高式结构简单,折腰扭腰式更适合连续起伏的崎岖路面,重心可调与全向调平式坡地牵引性与适应性均较好;驾驶室及座椅调平技术基于角度传感器自适应控制,关键在于缓解驾驶疲劳提高舒适度;车身与农具姿态协同控制技术大都采用PID控制技术实现协同控制,但缺乏作业效果反馈机制;拖拉机防翻保护装置与预警技术在防翻保护架的基础上,通过环境模拟感知提前预判翻车危险信号并及时反馈。[结论/展望]未来丘陵山地拖拉机调平、防翻预警及无人化、自动化技术的发展方向:1)结构优化、灵敏度高、稳定性好的山地拖拉机调平系统研究;2)坡地适应性好的农机具仿形系统研究;3)环境感知、自动干涉的防翻预警技术研究;4)农机精准导航技术、智能化监测技术和农机作业远程调度与管理技术研究;5)坡地纵向稳定性理论研究。以期为研发符合中国丘陵山地复杂作业环境的高可靠性、高安全性山地拖拉机提供借鉴参考。

基于气象环境条件和LSSVM的水稻病虫害预测研究

水稻病虫害的准确预测对于保障粮食安全和提高农业生产效率至关重要。本研究提出了一种基于气象环境条件和最小二乘支持向量机(LSSVM)的水稻病虫害预测模型。通过对2019-2021年全国范围内的气象数据和水稻病虫害发生率数据的分析,本研究选取了温度、湿度、降雨量和风速作为主要的气象影响因素,构建了相应的数据集。利用LSSVM模型的非线性拟合能力,并结合粒子群优化(PSO)算法对模型参数进行优化,建立了1个高效的预测模型。模型的预测结果通过与传统的回归分析模型和人工神经网络(ANN)模型进行比较,显示出更高的预测精度和泛化能力。评价指标显示,LSSVM模型在稻瘟病、稻飞虱和稻螟的发生率预测上均取得了良好的性能,均方误差(MSE)和决定系数(R 2)分别为0.008、0.88,0.010、0.86,0.012、0.84。本研究的模型为水稻病虫害的防治提供了科学的决策支持,对于指导农业生产实践具有重要的应用价值。

智能虫情监测在平湖市水稻主要害虫测报上的应用可行性分析

为实现水稻主要害虫(稻纵卷叶螟和二化螟)监测预警技术的智能化,达到测报工作省工、省时的目标,特开展了智能虫情测报灯、飞蛾类昆虫性诱智能监测系统对稻纵卷叶螟和二化螟的远程实时监测试验。结果表明:两种智能监测方法对稻纵卷叶螟和二化螟的监测效果均较好,两种害虫的发生动态曲线与田间监测基本一致,但是这两种智能监测方法对二化螟一代和二代的监测效果不理想。

2024年湖北省农作物主要病虫害发生趋势

根据病虫基数、种植品种、作物苗情和气象预报等因素,结合病虫发生规律综合研判,预计2024年粮油作物病虫整体呈偏重及以上发生态势。“两夏”作物上条锈病大部中等发生,赤霉病南部麦区偏重发生,油菜主产区菌核病大发生,整体发生程度重于近两年;秋粮上一代二化螟、主害代“两迁”害虫偏重及以上发生;柑橘病虫整体中等发生,炭疽病、潜叶蛾局部偏重发生;茶树上茶小绿叶蝉偏重发生,其它病虫中等发生;蔬菜上霜霉病、软腐病、灰霉病、斜纹夜蛾、小菜蛾等病虫害大发生,其它病虫偏重发生。一、二类病虫发生总面积约1.45亿亩次,具有上半年春作病害重、下半年秋作虫害重的特点。

湖北省2024年下半年农作物病虫害发生趋势

6月27日,湖北省植保总站组织植保、气象等相关专家共同会商下半年全省农作物病虫发生趋势。根据病虫基数、发生规律、气象等因素综合研判,预计湖北省水稻病虫整体呈偏重发生态势,水稻“两迁”害虫发生程度略轻于去年和常年同期,二化螟、稻飞虱等害虫局部大发生。玉米、柑橘、茶树等旱作虫害比常年略重,玉米病虫整体中等发生,草地贪夜蛾在迟播夏玉米、秋玉米上大发生;柑橘上红黄蜘蛛和砂皮病偏重发生,茶树上茶小绿叶蝉和茶尺蠖偏重发生,其它柑橘茶树病虫偏轻至中等发生。蔬菜以虫害为主,病虫整体偏重至大发生。预计一、二类病虫发生总面积约8500万亩次,比去年低12.6%,比近三年平均值低8.2%。