期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
增效醚及增效胺对3种杀虫剂防治德国小蠊的增效作用
1
作者
关彩玲
赖云燕
+2 位作者
唐丽萍
吴鹰花
朱剑
《中华卫生杀虫药械》
CAS
2024年第1期20-24,共5页
目的 通过测定增效醚(PBO)和增效胺(MGK264)对3种杀虫剂防治德国小蠊的增效作用,为增效剂在德国小蠊防治中的应用提供依据。方法 采用药膜法测定不同比例下增效剂对杀虫剂防治德国小蠊的增效作用,在此基础上利用选取增效作用最佳的浓度...
目的 通过测定增效醚(PBO)和增效胺(MGK264)对3种杀虫剂防治德国小蠊的增效作用,为增效剂在德国小蠊防治中的应用提供依据。方法 采用药膜法测定不同比例下增效剂对杀虫剂防治德国小蠊的增效作用,在此基础上利用选取增效作用最佳的浓度比例配制定量气雾剂,用圆筒法测定增效剂对杀虫气雾剂的增效作用。结果 2种增效剂对3种杀虫剂均有不同程度的增效作用,且除了PBO对残杀威外,基本表现出增效效果与增效剂浓度呈正比的关系。其中,PBO分别与0.05%高效氯氰菊酯、0.05%右旋苯醚氰菊酯及0.05%残杀威混配后,最佳增效含量分别为0.4%、0.4%、0.025%;MGK264与3种杀虫剂混配最佳增效浓度均为0.4%。配制成杀虫气雾剂后,PBO对0.1%高效氯氰菊酯气雾剂、0.2%右旋苯醚氰菊酯气雾剂和0.5%残杀威气雾剂的增效比分别为17%、15%、33%,MGK264对这3种杀虫剂的增效比分别为9%、19%、20%。结论 PBO和MGK264可作为防治德国小蠊杀虫剂的理想增效剂产品,在家卫杀虫产品中广泛应用。
展开更多
关键词
德国小蠊
增效剂
杀虫剂
增效比
下载PDF
职称材料
基于深度卷积神经网络的柑橘黄龙病症状识别
被引量:
10
2
作者
戴泽翰
郑正
+4 位作者
黄莉舒
赖云燕
鲍敏丽
许美容
邓晓玲
《华南农业大学学报》
CAS
CSCD
北大核心
2020年第4期111-119,共9页
【目的】探究深度学习在柑橘Citrus spp.黄龙病症状识别上的可行性,并评估识别器的识别准确率。【方法】以黄龙病/非黄龙病引起的发病叶片图像及健康叶片图像为训练素材,基于卷积神经网络及迁移学习技术构建二类识别器(I-2-C和M-2-C)和...
【目的】探究深度学习在柑橘Citrus spp.黄龙病症状识别上的可行性,并评估识别器的识别准确率。【方法】以黄龙病/非黄龙病引起的发病叶片图像及健康叶片图像为训练素材,基于卷积神经网络及迁移学习技术构建二类识别器(I-2-C和M-2-C)和八类识别器(I-8-C和M-8-C)。【结果】M-8-C模型的整体识别表现最优,对所有图像的识别准确率为93.7%,表明构建的神经网络识别器能有效辨别柑橘黄龙病症状;I-8-C和M-8-C对所有类型图像的平均F1分值分别为77.9%和88.4%,高于I-2-C(56.3%)和M-2-C(52.5%),表明症状细分有利于提高模型的识别能力。同时M-8-C比I-8-C略高的平均F1分值表明基于MobileNetV1结构的八类识别器识别表现略优于基于InceptionV3的八类识别器。基于M-8-C改进的识别器M-8f-C能够转移到智能手机上,在田间测试中取得较好的识别表现。【结论】基于深度学习和迁移学习开发的识别器对黄龙病单叶症状具有较好的识别效果。
展开更多
关键词
柑橘黄龙病
症状识别
卷积神经网络
迁移学习
下载PDF
职称材料
题名
增效醚及增效胺对3种杀虫剂防治德国小蠊的增效作用
1
作者
关彩玲
赖云燕
唐丽萍
吴鹰花
朱剑
机构
中山榄菊日化实业有限公司
出处
《中华卫生杀虫药械》
CAS
2024年第1期20-24,共5页
基金
中山市重大科技专项(科技强企计划)(2019010408)。
文摘
目的 通过测定增效醚(PBO)和增效胺(MGK264)对3种杀虫剂防治德国小蠊的增效作用,为增效剂在德国小蠊防治中的应用提供依据。方法 采用药膜法测定不同比例下增效剂对杀虫剂防治德国小蠊的增效作用,在此基础上利用选取增效作用最佳的浓度比例配制定量气雾剂,用圆筒法测定增效剂对杀虫气雾剂的增效作用。结果 2种增效剂对3种杀虫剂均有不同程度的增效作用,且除了PBO对残杀威外,基本表现出增效效果与增效剂浓度呈正比的关系。其中,PBO分别与0.05%高效氯氰菊酯、0.05%右旋苯醚氰菊酯及0.05%残杀威混配后,最佳增效含量分别为0.4%、0.4%、0.025%;MGK264与3种杀虫剂混配最佳增效浓度均为0.4%。配制成杀虫气雾剂后,PBO对0.1%高效氯氰菊酯气雾剂、0.2%右旋苯醚氰菊酯气雾剂和0.5%残杀威气雾剂的增效比分别为17%、15%、33%,MGK264对这3种杀虫剂的增效比分别为9%、19%、20%。结论 PBO和MGK264可作为防治德国小蠊杀虫剂的理想增效剂产品,在家卫杀虫产品中广泛应用。
关键词
德国小蠊
增效剂
杀虫剂
增效比
Keywords
Blattella germanica
synergist
insecticide
synergist ratio
分类号
S482.3 [农业科学—农药学]
下载PDF
职称材料
题名
基于深度卷积神经网络的柑橘黄龙病症状识别
被引量:
10
2
作者
戴泽翰
郑正
黄莉舒
赖云燕
鲍敏丽
许美容
邓晓玲
机构
华南农业大学农学院
出处
《华南农业大学学报》
CAS
CSCD
北大核心
2020年第4期111-119,共9页
基金
广西科技重大专项“柑橘黄龙病综合防控技术研究与示范”(桂科AA18118027-2)。
文摘
【目的】探究深度学习在柑橘Citrus spp.黄龙病症状识别上的可行性,并评估识别器的识别准确率。【方法】以黄龙病/非黄龙病引起的发病叶片图像及健康叶片图像为训练素材,基于卷积神经网络及迁移学习技术构建二类识别器(I-2-C和M-2-C)和八类识别器(I-8-C和M-8-C)。【结果】M-8-C模型的整体识别表现最优,对所有图像的识别准确率为93.7%,表明构建的神经网络识别器能有效辨别柑橘黄龙病症状;I-8-C和M-8-C对所有类型图像的平均F1分值分别为77.9%和88.4%,高于I-2-C(56.3%)和M-2-C(52.5%),表明症状细分有利于提高模型的识别能力。同时M-8-C比I-8-C略高的平均F1分值表明基于MobileNetV1结构的八类识别器识别表现略优于基于InceptionV3的八类识别器。基于M-8-C改进的识别器M-8f-C能够转移到智能手机上,在田间测试中取得较好的识别表现。【结论】基于深度学习和迁移学习开发的识别器对黄龙病单叶症状具有较好的识别效果。
关键词
柑橘黄龙病
症状识别
卷积神经网络
迁移学习
Keywords
Citrus Huanglongbing
symptom recognition
convolutional neural network
transfer learning
分类号
S436.66 [农业科学—农业昆虫与害虫防治]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
增效醚及增效胺对3种杀虫剂防治德国小蠊的增效作用
关彩玲
赖云燕
唐丽萍
吴鹰花
朱剑
《中华卫生杀虫药械》
CAS
2024
0
下载PDF
职称材料
2
基于深度卷积神经网络的柑橘黄龙病症状识别
戴泽翰
郑正
黄莉舒
赖云燕
鲍敏丽
许美容
邓晓玲
《华南农业大学学报》
CAS
CSCD
北大核心
2020
10
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部