基于红外热像的农作物早期病害检测识别技术的研究进展

农作物早期病害检测能实现对现代农业的精细化管理,做到及时发现病害、防治病害,减少经济损失。首先对几种机器视觉技术之间和图像分类技术之间做对比分析,发现红外热成像技术与深度学习结合能高效、快速、无损地对农作物早期病害检测分类;其次介绍了红外热成像技术和深度学习的工作原理及特点,综述了红外热成像技术和深度学习在作物早期病害检测中的国内外研究进展;分析了红外热成像技术在农作物早期病害研究中的检测机理及优势和深度学习在病害图像分类的优势,得出利用深度学习算法可以对病害红外热图进行快速准确的分类并且将算法放置到计算机、手机等移动设备中可以实现实时监测及可视化分析。分析表明将红外热成像技术与深度学习相结合是农作物早期病害检测识别的重要研究方向。

稻壳灰对污染尾砂典型重金属的稳定化

矿山开采引起的废弃物堆积、滑坡及渗漏问题愈发严重。基于“以废治废”的理念和策略,本研究旨在提出一种绿色、高效的方法以稳定尾砂中的重金属。为了更好地评价稳定化尾砂的稳定性能,通过向铅锌矿尾砂中加入不同掺量的稻壳灰(RHA)(1%、5%、7%、10%和15%),并在室温下养护7 d、14 d、21 d和28 d,测定稳定后尾砂的浸出毒性和形态含量。结果表明,RHA的添加有利于调节尾砂的pH。相关性结果显示,pH与Cd呈显著负相关(p<0.01),与Pb呈正相关(p<0.05),与Zn无明显的相关性,与Pb、Zn相比,Cd受酸碱度的影响最大。RHA对Pb、Zn和Cd的稳定效果依次为Pb>Cd>Zn,Pb、Zn和Cd的最佳去除率分别达到99.94%、83.03%和95.70%。稳定后浸出液中Cd的浓度低于地表水IV级水质标准(GB 3838-2002),弱酸提取态Pb、Zn和Cd的含量分别下降了96.68%、65.53%和69.47%,有效降低了Pb、Zn和Cd对生态环境和人体的直接毒性和潜在风险。

基于深度学习的农作物病害图像识别技术进展

农作物病害的无损检测和早期识别是精准农业和生态农业发展的关键。随着图像采集和图像处理技术的进步,高光谱成像等先进成像探测技术和基于深度学习的图像分析技术越来越多地应用于农作物病虫害的无损检测中。本文首先简单介绍了以深度学习为代表的图像识别技术的基本原理,然后系统地阐述了基于深度学习的先进成像技术和先进图像识别分析技术在农作物病害检测识别中的国内外研究现状,分析了其在农作物病害检测识别上存在的优缺点,如具有快速、准确率高等优点以及数据量过大处理不便等缺点,并进一步指出,利用高光谱成像和热红外成像与深度学习相结合,将成为今后研究农作物病虫害早期检测的主要发展方向。