基于计算机视觉的水稻病虫害监测平台研发

水稻病虫害是影响水稻产量与质量的重要因素之一,加强病虫害的防治意义重大。从需求分析、技术系统架构、功能模块3个方面详细阐述了水稻病虫害检测预警平台的研发过程,通过周围环境信息与图像识别技术实现了水稻病虫害监测预警功能,提升了水稻病虫害防治效率。分析和调研发现,水稻病虫害检测预警平台仍然存在一些问题,未来将从增强系统的地域适应性、提高小型害虫的识别效果、构建高质量农业病虫害数据集3个方面开展进一步研究。

淡水龙虾养殖技术及提高养虾效益的措施

介绍了淡水龙虾的养殖技术,并提出了提高养虾效益的途径。

农业病虫害图像数据集现状及高质量构建综述

[目的/意义]农业病虫害科学数据集是农业病虫害监测预警的基础,也是发展智慧农业重要的组成部分,对农业病虫害防治具有重要意义。随着深度学习技术在农业病虫害智能监测预警中应用效果的凸显,构建高质量的农业病虫害数据集逐步受到专家学者的重视。为了进一步构建高质量、分布均衡的农业病虫害图像数据集,提高检测模型的准确性和鲁棒性,本文以构建农业病虫害图像数据集面临的挑战为切入点,对农业病虫害数据集的构建进行了全面综述。[进展]分别从数据集层次、数据样本层次和使用层次总结构建农业病虫害图像数据集所面临的类间类内样本不均衡、选择偏差、目标多尺度、目标密集、数据分布不均、图像质量参差不齐、数据集规模不足以及数据集可用性等问题,从图像采集和标注方法两个方面,分析以上问题的主要成因,并归纳算法的改进策略和建议,最后总结了数据集相关评价方法。[结论/展望]结合农业病虫害图像识别实际需求,对构建高质量农业病虫害图像数据集提出了相关建议:(1)结合实际使用场景构建农业病虫害数据集。多视角、多环境下采集图像数据构建数据集,从算法提取特征的角度,科学、合理划分数据类别,构建样本数量分布和特征分布均衡的数据集;(2)平衡数据集与算法间的关系。研究数据集特征与算法性能之间的关系,需充分考虑数据集中的类别和分布,以及与模型匹配的数据集规模,以提高算法准确性、鲁棒性和实用性。深入研究农业病虫害图像数据规模与模型性能的关联关系、病虫害图像数据标注方法、模糊、密集、遮挡等目标的识别算法和高质量农业病虫害数据集评价指标,进一步提高农业病虫害智能化水平;(3)增强数据集的使用价值。构建多模态农业病虫害数据集,创新数据采集组织形式,开发数据中台,挖掘多模态数据间的关联性,提高数据使用便捷性,为应用落地、业务创新提供高效服务。

基于云端的农业病虫草害大数据图文数据库的设计与实现

针对病虫草害大数据的存储分散和展示无系统化的问题,提出采用Spark核心技术搭建大规模集群,将HDFS(Hadoop distributed file system)分布式文件存储系统、Mongo DB数据库和My SQL数据库相结合,集病虫草害信息管理、信息查询、用户管理和数据库维护等功能于一体,实时更新、展示、存储和管理海量多源异构病虫草害数据,构建基于云端的农业病虫草害大数据图文数据库信息服务平台,在提高农业病虫草害的数字化管理、信息共享等方面具有极其重要的意义。

基于数据预处理的病虫草害农田小气候监测系统设计

针对现今农田小气候监测系统数据误差问题和病虫草害发生影响因素的研究,本文介绍了一种基于无线传感器网络的农田小气候数据预处理方法,并以此设计基于数据预处理的病虫草害农田小气候监测系统。系统集成多类型传感器,采集的农田小气候数据并利用Zigbee无线传输至数据预处理节点,再使用GPRS通信网络上传至服务器端,从而完成农田小气候数据的采集、处理与上传,用户可通过电脑或手机实时监控农田小气候信息。测试结果表明,该农田小气候监测系统可提供农田小气候监测的稳定性和可靠性。

基于自然背景的蚜虫图像数据集

蚜虫的发生是影响农作物产量和质量的重要原因之一。对蚜虫进行检测和计数是对虫害早发现、早治理的重要环节。随着信息技术的发展,已经有专家学者利用计算机视觉感知技术对农业害虫进行识别研究,并取得了一定的进展。高质量、大规模的基础数据对计算机视觉的发展往往能够起到决定性作用,缺少高质量、大规模的基础图像数据是蚜虫精准识别研究面临的难题。蚜虫是一类重要的农业害虫,具有尺寸微小、密集分布、虫间遮挡和同种多形态等特征,这些特征对于蚜虫的检测与计数又是一项严峻的挑战。本文提供了包括桃粉蚜、桃蚜、棉蚜、禾谷缢管蚜等13种农业蚜虫数据集,共6287张高清原始图像。这些蚜虫图像是利用单反相机在自然大田环境中采集、以文件夹形式进行存储、经过从事图像数据管理的专业人员清洗和整理、并由植保专家对其进行鉴定和分类的,保障了数据的高质量和可靠性。该数据集可为蚜虫的识别、检测计数和分类提供数据基础。

以大数据思维反观农业大数据发展现状

大数据是新型战略资源,应用在农业领域前景广阔,不仅能挖掘出农业资源间的发展潜力,发挥耦合效应,还可以实现精准生产和销售,提升决策水平。相比较其他产业,农业大数据的发展相对滞后。阐述了大数据思维3个方面特征,以此为指标反观我国农业大数据的发展现状,并提出了建议。

农作物害虫图像识别研究进展与展望

农作物害虫的精准识别是害虫预报及防控的重要前提,图像识别法以高效率、低成本、易操作等优势,成为近年来害虫防治工作的研究热点和主要技术手段。鉴于害虫图像识别在虫害诊断中的巨大潜力,回顾害虫图像识别方法的发展历程,阐述由室内环境下的识别走向自然环境的研究进展,分析传统方法与深度学习的优势与局限性,针对性给出未来发展的相应措施。传统识别方法易实现,适用在样本少、范围小的识别领域;深度学习方法精度高、自适应性强,在数据量充足的前提下可以取得较好的识别效果。最后对农作物害虫图像识别的发展前景进行展望,指出将害虫图像识别与物联网、传感器等技术相结合,共同构建农业大数据,并成为智慧农业的重要组成部分。

基于Android的植保服务平台的研究与实现

为了实现农作物病虫害有效预防和及时控制的突出需求,提出基于Android的植保服务平台。该平台包括病虫害自动识别、地理信息可视化、典型病虫害及植保机构查询、病虫害防治方法科普等功能,平台设计了量大面广的农作物病虫害图文数据库,便于农户查阅资料。该平台在安徽省舒城县推广试用,测试显示各功能模块均达到了理想的运行效果,用户通过平台可以及时掌握当地病虫害的发生信息及防治方法,该平台实现了“互联网+”植保新模式。