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。

基于改进Yolov5s的水稻叶病检测方法

水稻叶病防治在提高水稻产量中具有重要作用,针对水稻叶病人工检查速度慢、主观性高的问题,提出一种基于改进Yolov5s的水稻叶病目标检测方法。采用K-means聚类算法得到先验框尺寸,增强检测模型对水稻叶病的适应性;将轻量级空间注意力与通道注意力融合,对高层语义特征信息增强,增强模型对病害信息的感知度;并结合特征金字塔网络,融合多尺度感受野获取目标上下文信息,有效地增强模型对目标周围特征的提取,提高目标检测的准确度。试验结果表明:改进后的Yolov5s算法平均检测精度(IOU=0.5)提高4.3%,F1值提高5.3%,帧率FPS为58.7 f/s。有效提升Yolov5s算法对水稻叶病的检测精度,达到实时检测的需求。

基于语义分割的水稻叶瘟病分割与分级方法

针对传统叶瘟病分割和分级方法在效率、准确率等方面存在的问题,提出一种基于语义分割的水稻叶瘟病分割与分级方法。首先,对CO39品种水稻叶片进行图像采集,使用Labelme标注软件对图像叶片和病斑进行标注,建立叶片数据集;然后采用不同的卷积神经网络作为U-Net、DeepLabV3+的主干特征提取网络,构建3种水稻叶片分割模型,分别为VGG16-UNet、ResNet50-UNet、MobileNetV2-DeepLabV3+,对水稻叶片、病斑进行分割,根据叶瘟病分级标准与等级计算公式,确定水稻叶片的叶瘟病等级,在此过程中,对比3种模型的分割性能。结果表明,VGG16-UNet模型为最优模型,在平均像素精度、平均交并比和F1分数上分别达到了86.87%、80.68%和88.48%,能够有效满足水稻叶瘟病分割和分级的实际需求。该方法为开发叶瘟病智能分级系统提供了理论依据,可为其他作物病害的分级研究提供参考。

湖南省道县水稻叶条斑病病原菌分离与鉴定

【目的】2023年6月在湖南省永州市道县仙子脚镇多个村的水稻上发现一种叶条斑病,发生面积超过30 hm^(2),为探究发病原因,开展相关研究。【方法】利用组织分离法对道县采集的水稻病叶进行病原菌分离,对分离到的病菌进行形态学观察,结合ITS、TEF1-α和TUB2基因序列联合建树,确定病原物,利用柯赫氏法则进行病原物验证。【结果】湖南省永州市道县仙子脚镇发生的水稻叶条斑病病原菌为稻黑孢(Nigrospora oryzae)。【结论】明确了湖南省道县水稻叶条斑病的病原菌,为今后防控工作的开展提供参考。

基于高光谱成像技术的水稻叶瘟病病害程度分级方法

为了快速、准确地对水稻叶瘟病病害程度进行分级评估,结合定性分析与定量估算,提出了一种基于高光谱成像技术的水稻叶瘟病病害程度分级方法。利用HyperSIS高光谱成像系统采集了受稻瘟病侵染后不同病害等级的水稻叶片高光谱图像,通过分析叶瘟病斑区域与正常叶片部位的光谱特征,对差异较大的550和680 nm波段进行二维散点图分析,提取只含病斑的高光谱图像;然后通过主成分分析(principal component analysis,PCA)方法得到利于褐色病斑和灰色病斑分割的第2主成分图像,采用最大类间方差法(Otsu)分割出灰色病斑;最后结合延伸率和受害率2个参数对水稻叶瘟病病害程度进行分级。试验结果表明:测试的166个不同稻叶瘟病害等级的叶片样本中,其中160个样本可被准确分级,分级准确率为96.39%。该研究为稻叶瘟病田间病害程度评估提供了基础,也为稻瘟病抗性鉴定方法提供了新思路。

基于高光谱成像的寒地水稻叶瘟病与缺氮识别

为进行水稻叶瘟病与养分缺失的区分、实现叶瘟病及时、准确的诊断,以大田试验为基础,利用高光谱成像仪获取2个品种的健康、缺氮、轻度感病和重度感病共4类水稻叶片的反射率光谱,对其光谱特性进行分析,并采用多种预处理方法、分别结合偏最小二乘判别分析(partial least squares-discriminate analysis,PLS-DA)和主成分加支持向量机(principle component analysis-support vector machine,PCA-SVM)方法构建水稻叶瘟病识别模型。试验结果显示6个判别模型都获得了较高的识别准确率,经标准正态变量(standard normal variate,SNV)变换预处理的PLS-DA模型获得了最佳的识别结果,预测准确率达100%,经多元散射校正(multiplicative scatter correction,MSC)预处理的PCA-SVM模型的预测准确率也达到97.5%。本研究为水稻叶瘟病的判别和分级提供了新方法,也为稻瘟病大范围遥感监测提供了基础。

基于图像处理的田间水稻叶瘟病斑检测方法

针对病斑在叶片上易形成封闭边缘的特性,采用色度学模型、边缘提取和形态学等方法对田间稻叶瘟病斑进行检测。利用2R-G色差分量提取图像上的图斑;采用Canny算法对2R-G色差分量图斑进行边缘检测,通过自定义边缘封闭修复模版对边缘进行修复;利用HIS模型的H分量提取的叶片正常部位信息与修复后图像做掩膜运算,获得叶片范围内的病斑边界,然后,运用形态学运算剔除图斑中未闭合的边缘线;最后,采用归一化绿蓝差值指数(Normalized Difference Green and Blue Index,DNGBI)对封闭的非病斑区域进行阈值过滤,提取出稻瘟病病斑。试验结果表明:对叶瘟病斑的正确识别率可达到90.26%。

基于多层感知神经网络的水稻叶瘟病识别方法

为实现水稻叶瘟病的快速诊断,综合利用图像处理技术和神经网络来进行叶瘟病斑的识别研究。该文设计了3个多层感知分类器来进行病斑识别准确率的对比验证,分别采用叶片正常区域和病斑区域的纹理特征、颜色特征以及纹理和颜色的组合特征作为不同分类器的输入单元;输出层采用1个单元用于输出病斑区域和正常区域的识别结果。首先,该文将采集到的RGB图像转换成灰度图像,利用灰度共生矩阵分别提取叶片正常区域与病斑区域的能量、对比度、熵、逆差距作为纹理特征;紧接着,将RGB彩色空间转换至HIS和Lab空间,分别提取病斑区域和正常区域的L、a、b值作为颜色特征。最后,采用不同的BP神经网络分类器进行病斑区域识别。该文共采用120副图像作为待测对象,试验结果表明,采用颜色和纹理的组合特征进行识别,准确率要比单独使用纹理特征和颜色特征高10%～15%。本文的研究结果为进一步实现水稻病害自动诊断打下了基础。

荷叶、水稻叶接触角随温度变化的实验研究

研究荷叶、水稻叶在不同温度蒸馏水浸泡后润湿性随温度变化规律。结果表明:实验条件下,浸泡后荷叶、水稻叶表面微观形貌无明显变化,而接触角随温度升高而降低,大约在68℃左右,润湿性发生较大变化。其原因是随着温度升高,水的表面张力与叶片表面能之差越来越小,水滴在叶表收缩作用减弱,无法形成完美的球形,甚至铺展成薄膜状,从而使荷叶、水稻叶疏水性变差甚至转变为亲水性。

水稻叶面积速测法

测量水稻叶面积的方法较多,有叶面积系数法、绘图剪纸称重法、诺模图算法、长宽比回归法。这些方法是依不同品种实测并找出水稻叶片长宽比和折换率的关系,用模图、系数供查算叶面积的,但仍相当费时。两年来,我们系统测量了20个品种约2万个水稻叶片,经过整理、研究,发现采用叶长速测法和叶重计算法,能较为简便可靠地测出水稻的叶面积。

基于多光谱成像技术的水稻叶部病害检测装置设计与试验

为实现田间环境下水稻叶部病害的快速诊断,设计了一种基于多光谱成像技术的水稻叶部病害便携式检测装置.该装置主要由多光谱图像采集软件、高功率LED驱动电路、图像采集触发电路和USB接口通讯电路4个部分组成.以感染水稻稻瘟病、胡麻叶斑病、细条病水稻以及健康水稻的叶片为研究对象,采集了460、520、590、630、660、710、730、760、800、850、900和940 nm共12个波段下的光谱图像信息.主成分分析结果表明:第一主成分(PC1)和第二主成分(PC2)的累计方差贡献率为91.19%;稻瘟病、胡麻叶斑病和细条病在PC1和PC2得分图上具有各自聚成一类的趋势.基于12个波段反射率构建的支持向量机模型对稻瘟病、胡麻叶斑病和细条病的总体识别正确率为97.44%,Kappa系数为0.9651,识别效果较好.表明利用自主研发的便携式多光谱成像装置结合化学计量法可实现水稻叶部病害的快速诊断.

水稻叶镉与米镉含量的相关性及叶面肥对镉的阻控研究

为了探究水稻叶中镉含量与糙米中镉含量的关系,以及施加不同叶面肥对水稻产量及稻米中镉含量的影响,在湖南省株洲县某镉污染区随机采集水稻样品进行分析,并在该地选择镉污染稻田开展4种不同叶面肥(Ca肥、Si肥、N肥和Fe肥)的阻控水稻富集镉的试验。结果表明:随机采集的水稻植株中镉含量的分布是根>茎>籽粒,叶中镉含量的分布是第一叶>第二叶>第三叶>第四叶及其他叶,水稻叶中镉含量与糙米中镉含量呈显著正相关,其中第一叶中镉含量与糙米中镉含量之间的相关性达到0.857 8。与对照相比,施加不同叶面肥后,水稻明显增产8.14%～27.27%,其中施加叶面Fe肥水稻增产效果最明显。在4种叶面肥的不同浓度处理下,降低糙米中镉含量效果顺序是低浓度>中浓度>高浓度,当叶面肥低浓度处理时,Si肥阻控稻米富集镉效果最佳,达到57.14%;其次是Ca肥和Fe肥,分别达38.78%和32.66%;N肥的降镉率为16.33%。

水稻叶面肥“真打粮”不同用量在单季晚稻上的施用效果

"真打粮"是浙江大学研发的一种新型水稻叶面肥,为验证其增产效果和确定最佳施用量,在单季晚稻品种华中优1号上进行了100mL/667m^2、80mL/667m^2、50mL/667m^2施用试验。结果表明:在华中优1号始穗期一次性喷施真打粮叶面肥可促进农艺性状发挥及提高产量。其中,以喷施100mL/667m^2的效果最好,产量达825.1kg/667m^2,比不施用对照增产11.09%。

不同化学药剂对水稻叶瘟的田间防效

为筛选防治水稻叶瘟的高效药剂,选用7种常用药剂进行了田间试验。结果表明：7种药剂在推荐剂量下施用1次,药后8 d,32.5%苯甲·嘧菌酯悬浮剂防效为70.6%,速效性较好。药后16d,30%三环·氟环唑悬浮剂防效为71.7%,高于其他药剂,持效性较好;32.5%苯甲·嘧菌酯悬浮剂、75%戊唑·嘧菌酯水分散粒剂、75%肟菌·戊唑醇水分散粒剂以及20%三环唑可湿性粉剂防效相当,在57.7%～66.4%之间;40%氟环·稻瘟灵悬浮剂、42%咪鲜·甲硫灵可湿性粉剂防效较差。

老稻田水稻叶面喷硅抗病增产

老稻田水稻叶面喷硅抗病增产水稻是典型的喜硅作物，硅是水稻良好生长所必须的元素。一般茎、叶中含硅量可达干重的１０－２０％。南泥湾地区的多数稻田，由于长期重茬连作，形成低洼粘重的老稻田。稻苗移栽后表现长势弱，发棵迟、稻瘟病感染重及后期早衰倒伏等明显的缺硅...

多种药剂防治水稻叶瘟病效果初报

为筛选出经济、高效且适合南通市通州区防治水稻叶瘟病的药剂,特开展了多种药剂防治水稻叶瘟病效果试验。结果表明,每667m^2用25%吡唑醚菌酯60mL、30%三环氟环唑90mL、27%三环己唑醇80mL、75%禾技15g、20%稻瘟酰胺80mL、75%拿敌稳15g,对水稻叶瘟病的病叶防效和病株防效均达90%以上。上述药剂可作为今后防治水稻叶瘟病的主要药剂与三环唑交替使用。

基于Lab色彩模型差异的水稻叶部病害图像分割

针对水稻叶部常见病害图像直接分割造成的图像失真问题,采用Lab色彩模型,对水稻叶部病害图像进行差异化处理和k均值聚类分割。从验证实验表明,利用设计的方法能一定程度上减少病害图像分割造成的损失,对于提高病害识别的准确率具有一定参考作用。

水稻叶瘟病药效试验

引进75％肟菌·戊唑醇WG、75％三环唑WP、40％氟环·稻瘟灵EW、40％富士一号EC4种药剂进行永稻叶瘟病防治试验。结果表明，75％肟菌·戊唑醇WG平均防效达89．4％，在4种药剂中防效最好，推荐作为防治水稻叶瘟病的首选药剂。其他3种药剂防效在84．85％-88．96％，可作为防治水稻叶瘟病的备用药剂。为延缓抗药性的产生，在大面积推广使用时，建议以上几种药剂交替使用。