基于改进YOLOv8的棉花虫害检测算法

传统的棉花病虫害检测方法依赖于植物保护专家或经验丰富的农民,这种方法费时费力,并且对于人眼难以观察到的微小病变识别准确率较低。这对如何利用深度学习方法提高识别的准确率和效率,降低人力成本,并且能够对微小病变进行准确识别,提出了新的挑战。针对此问题,提出一种准确率高和实时性好的基于改进YOLOv8的棉花虫害检测算法。首先,使用DCNv3结构,替换YOLOv8 C2模块Bottleneck结构中的普通卷积,形成新的模块记为C2f-DCNv3;其次,在Head的最后一个C2f-DCNv3模块后面加入高效通道注意力,在提升模型精度的同时保持能够实现实时检测。在开源的CottonInsect棉田昆虫识别研究图像数据集上的试验结果表明,所改进方法的mAP为0.706,推理时间为0.6ms,模型大小5.7 MB,相较于原模型YOLOv8n,mAP提升3.0,推理时间提升0.1 ms,模型大小基本保持不变,实现了对于棉花虫害准确且高效的识别。

采用计算机视觉进行棉花虫害程度的自动测定

采用计算机视觉技术 ,根据棉花叶片的孔洞及叶片边缘的残缺 ,来测定棉花虫害的受害程度。该方法应用局部门限法完成图像与背景的分割 ;用高斯拉普拉斯算子 ,进行棉花图像的边缘检测 ;利用边缘跟踪算法确定棉叶中的孔洞 ;利用膨胀算法确定叶片边缘的残缺。实验结果表明 ,该方法可有效的测定棉花虫害的受害程度 ,其测定误差小于 0 .0 5。

全球棉花虫害防治成本继续下降

根据国际棉花咨询委员会（ICAC）最近对全球棉花生产成本调查结果显示,棉花虫害控制成本继续下降。根据最新调查数据,2015/2016年度每生产1kg皮棉的平均虫害防治成本为12美分,占皮棉生产净成本的10%。

八十九团多措并举防治棉花虫害

新疆兵团农五师八十九团在十四连的棉田里，机车正在喷施农药，以杀灭害虫。2007年，八十九团种植棉花六千多公顷（九万余亩），由于今年虫害发生较早，该团多措并举加大虫害防治力度，严格按照“预防为主、综合防治”方针，采取生物控虫、物理诱虫、药物杀虫的综合措施，

阳信县棉花虫害发生规律及其与气象条件的关系

根据阳信县1999-2008年气象资料和虫害资料,应用农业气象中的统计方法,分析棉花虫繁殖危害与气象条件的关系。结果表明,影响阳信棉花产量及品质的主要虫害是棉铃虫、棉蚜、棉红蜘蛛等,影响虫害繁殖的主要气象因子是温度、湿度、降水等,并且提出防治棉花虫害的主要措施。

棉花虫害管理专家系统

专家系统（Ｅｘｐｅｒｔｓｙｓｔｅｍ）是人工智能发展的三大前沿之一。研制专家系统的主要目的是要使计算机在某个专门领域中起到人类专家的作用，棉花虫害管理专家系统由知识库（ＫｎｏｗｌｅｄｇｅＢａｓｅ），数据库（ＤａｔａＢａｓｅ），推理机（ＩｎｆｅｒｅｎｃｅＥｎｇｉｎｅ）．解释部分（Ｉｎｔｅｒｐｒｅｔａｔｉｏｎ）及用户接口（ＵｓｅｒＩｎｔｅｒｆａｃｅ）等五个部分组成，本系统采用模块化结构，多知识库系统，能够比较完整的从棉花虫害的生态特性，气候特性及棉花的生长特性进行虫害的发生发展预测，并使用不同方法进行综合防治的方法咨询。

棉花虫害症状及防治要点

蓟马是一种靠吸取植物汁液为生的昆虫,属缨翅目,蓟马科,幼虫呈白色、黄色、或橘色,成虫则呈棕色或黑色,进食时会造成叶子与花朵的损伤.棉花上的蓟马主要有烟蓟马,又称葱蓟马、棉蓟马和花蓟马.烟蓟马在我国各棉区均有分布,以北方棉区发生较重,寄主植物有棉花、烟草、葱、蒜、韭菜、瓜类、马铃薯和大豆等.

八十九团防治棉花虫害有方

近几年来,农五师八十九团在棉花植保方面,加大力度,健全组织,掌握时机,调查虫情,保护天敌,利用天敌,点片防治,酌情施药,基本上遏制住了虫害的发生及发展。据八十九团植保部门统计,1998年与1993年相比,就用药一项,全团节约开支200多万元。该团1963年建团之初就试种棉花,到90年代初棉花的种植面积已扩大到3300多公顷。然而,随之而来的是棉花的虫害也逐年加重。1991年～1993年,虫害面积已达棉花种植面积的60%以上。为防治虫害,不少棉农习惯于反复施用化学农药,致使害虫不同程度地产生了抗药性。接着棉农又采取加大用药量和增加用药次数来控制。长此以往,农药用量越来越大,使用次数越来越频繁,导致棉花成本加大,天敌杀伤,棉田生态环境日趋恶化,甚至棉花枯死,造成棉花大量减产。该团1991～1993年,三年累计经济损失1700多万元。针对以上严重情况,该团采取以下三项措施:1.

棉花虫害的综合防治

棉花是芳草湖一场的主要经济作物,由于种植作物品种单一,连作年限长,倒茬机会较少,加之节水灌溉的大面积推广,致使棉田中各类病虫害的发生逐年加重。

基于知识蒸馏及改进ShuffleNet v2的棉花病虫害识别方法

为探索及时、准确识别危害棉花叶片病虫害的方法,做好防护和治理工作。针对自然环境下棉花叶片图像受复杂背景影响导致分类精度降低以及模型参数量大使其不便于移动端部署的问题,提出了一种基于知识蒸馏的棉花病虫害识别模型ESSKNet。首先构建了包含8种类别的棉花病虫害图像数据集,其次通过在ShuffleNet v2模型引入SK-Attention自适应调整卷积核的大小关注棉花叶片不同尺寸大小的病斑信息并降低棉花病虫害图像复杂背景对模型的影响,将卷积核大小从3×3调整为5×5使神经网络更好地捕捉图像中的上下文信息和长程依赖关系。然后选取EfficientNet v2模型作为教师模型,ESSKNet模型作为学生模型,使用MGD方法进行知识蒸馏。试验结果表明,改进后的模型对棉花病虫害的识别准确率达96.06%,并且该模型参数量仅有EfficientNet v2的6.6%。该模型能有效识别棉花病虫害且更便于部署在移动设备上,以实现对棉花病虫害图像实时、精确地识别。

棉花病虫害遥感监测研究进展

病虫害严重威胁棉花的产量与质量,阻碍棉花产业的发展,传统人工田间调查病虫害发生状况的方法难以满足大范围病虫害监测预报的需求。遥感监测技术可以无损获取棉花表型信息,能快速、大面积解译病虫害发生程度及空间分布信息,已发展成为棉花病虫害监测的重要途径。本文阐述了棉花病虫害近地、低空、卫星遥感监测的研究进展,总结了现有发展面临的问题,并对未来的研究方向和应用前景进行了展望,以期为棉花病虫害遥感监测研究提供指导和建议。

基于ERNIE及改进DPCNN的棉花病虫害问句意图识别

针对目前没有公开的棉花病虫害相关问句数据集且问句较短、类型多样等问题,本研究通过查阅文献及咨询相关领域专家,构建了棉花病虫害问句数据集CQCls,定义了78种棉花病虫害实体和9种问句类型;同时提出了一种基于ERNIE预训练模型的棉花病虫害问句意图识别模型,首先通过ERNIE模型将输入问句映射到向量空间,使用融合词位置信息的DPCNN模型进行特征向量的抽取,与基础的DPCNN模型相比,通过融合词位置信息能有效提高模型的表达能力,然后经过Softmax得到最终结果。实验结果表明,本研究提出的意图识别模型相较于其他模型取得了较好的结果,宏平均和加权平均的F1分数值分别为97.45%和97.31%;在文本语料数据内容复杂多样且文本格式不规范的DMSCD数据集上,训练结果中不同类别的F1分数的权重平均也能达到73.42%,进一步证明了该模型的有效性及泛化能力。

北斗导航与遥感技术在棉花病虫害监测与防治中的应用

本文针对我国棉花病虫害监测与防治工作中存在的问题,探讨了北斗导航与遥感技术在棉花病虫害监测与防治中的应用。通过对北斗导航与遥感技术的介绍,分析了其在棉花病虫害监测与防治中的优势,提出了基于北斗导航与遥感技术的棉花病虫害监测与防治体系,并对未来发展趋势进行了展望。

博乐市棉花主要虫害发生情况及综合防治技术

阐述了博乐市棉花主要虫害的发生情况,从农业防治、物理防治、生物防治、化学防治等方面总结了综合防治技术,以期为棉花种植户提供参考。

棉花病虫害专家系统的构建

针对棉花病虫害的特点和规律,构建了棉花病虫害专家系统,它集病虫害诊断、专家在线诊断和信息咨询服务为一体,实现了棉花病虫害的诊断、咨询和浏览功能。整套系统以专家系统功能模块为核心部分,主要设计了知识库、推理机和综合数据库,并在保定市区以及周边县城工作站中投入使用,能够对棉花种植过程中的病虫害进行诊断并及时给出防治措施,避免了经济损失,深受农民朋友的欢迎。

基于BP神经网络的棉花病虫害诊断系统

本文根据棉花病虫害的８０种症状，构造了一个部分连接的神经网络模型，用它对数１０种棉花病虫害进行诊断，样本正确率达１００％，使用正确率达９０％以上。系统使用简便，并可推广应用到其它类农作物上。

基于Android平台的棉花病虫害防治信息服务系统的研究与设计

针对当前棉花病虫害防治的专业服务平台缺少的现象,提出“基于Android平台的棉花病虫害防治信息服务系统的研究与设计”,此平台为用户提供查询棉花病虫害防治方面的信息服务,也是用户咨询专家和广泛交流的服务平台,对棉花病虫害防治技术的推广具有积极的意义。

棉花病虫害种类及其绿色防控技术

近年来,棉蚜、盲蝽、甜菜夜蛾、棉铃虫、苗病、黄萎病、烂铃病、龙葵等棉田病虫草害普遍发生,严重威胁着我省棉花产业高质量发展。为了切实做好河北省棉花重大病虫害防治,棉花产业体系创新团队病虫草害绿色防控岗位专家通过近年研究和实践制定了河北省棉花病虫害绿色防控技术体系。