Effects of Transgenic Bt+CpTI Cotton on Field Abundance of Non-Target Pests and Predators in Xinjiang, China

Transgenic insect-resistant cotton is being increasingly planted in Xinjiang cotton-planting regions, where geographical climate conditions and species composition of pests and natural enemies are greatly unique in China. Limited studies have been conducted on the ecological impacts of transgenic insect-resistant cotton, especially for transgenic double genes （Bt＋CpTI） cotton, in this region. In this study, the potential effects of transgenic Bt＋CpTI cotton on the seasonal abundance of non-target pests and predators were assessed from 2009 to 2011 in Korla, Xinjiang. The results showed that species composition and seasonal abundance of 5 groups of pests and 5 groups of predators were not significantly different between transgenic Bt＋CpTI cotton and non-transgenic cotton every year. It suggests that transgenic Bt＋CpTI cotton per se does not affect the population dynamics of non-target pests and predators on this crop in Xinjiang.

基于改进Mask-RCNN算法的作物害虫分类识别

智能虫情测报灯对农业生产中及时察觉虫害、虫灾问题有重大作用,准确的害虫分类识别为虫情测报提供可靠数据支撑的关键。该研究对智能虫情测报灯所需核心识别算法进行改进,针对分类目标多尺度、存在多种相似非目标害虫干扰、易产生目标粘连等问题,提出一种基于改进Mask-RCNN(mask region-based convolutional neural network)模型的害虫图像智能识别模型。该模型使用DeAnchor算法改进Mask-RCNN的锚框引导机制,使用NDCC(novelty detection consistent classifiers)训练分类器进行联合分类和检测,改善非目标杂虫的误识别问题。改进后模型对无杂虫、不同虫体密度图像的识别准确率最高达到96.1%,最密集时可达90.6%,在仅有非目标的图片识别中,误检率降至9%,非目标与目标共存且密度为40虫/图的误检率降至15%。试验表明,该文所提模型在现有分类模型的基础上,增强了对密集区域的检测能力,改善了非目标误识别问题,在实际检测环境下的害虫分类识别精度更高,可为虫害防治工作提供数据参考。

基于多尺度数据集的虫害检测模型

在复杂和密集尺度的农业检测任务中基于Transformer的DETR类模型逐渐崭露头角,但现有的传统量化分析难以深入探究检测模型的优化策略和机制的有效性。为了满足密集小型昆虫的检测和计数的需求,该研究构建了真实场景采集的包含稻飞虱、蚜虫和麦蜘蛛3类小型害虫的多尺度虫害数据集(multi-scale tiny crowded planthopper-aphid-wheat mite pest detection,MTC-PAWPD),提出基于黏连率和相对尺寸的数据划分方式,将虫害数据集分为密集分布、大尺度、中小尺度和超小尺度4类场景。通过分析DINO模型在特定场景下的性能表现,设计详尽的消融试验方案,以特征与其关键组件查询的可视化试验辅助,验证虫害检测任务性能提高与各个模块之间尤其是与查询相关模块的联系。经试验,模型在MTC-PAWPD测试集上的mAP@50达70.0%,与其他主流模型相比提升2.3个百分点。在4类场景中mAP@50分别达42.5%、79.4%、75.7%和62.4%,在多尺度、密集任务中表现出较强的检测性能。通过针对自身模块的消融和可视化试验证明模型性能提升与Transformer部分的优化模块相关性更大。试验说明基于DINO的虫害检测模型在田间复杂背景下多尺度的复杂虫害检测任务中具有强大的泛化能力和实用价值。

基于改进YOLOv5s模型的柑橘病虫害识别方法

针对现有检测模型不能满足在自然环境中准确识别多种类柑橘病虫害的问题,提出一种基于改进YOLOv5s模型的常见柑橘病虫害检测方法。改进模型引入ConvNeXtV2模型,构建一个CXV2模块替换YOLOv5s的C3模块,增强提取特征的多样性;添加了动态检测头DYHEAD,提高模型对不同空间尺度、不同任务目标的处理能力;采用CARAFE上采样模块,提高特征提取效率。结果显示,改进后的YOLOv5s-CDC的召回率和平均精度均值分别为81.6%、87.3%,比原模型分别提高了4.9、3.4百分点。与其他YOLO系列模型在多个场景下的检测对比,具有更高的准确率和较强的鲁棒性。结果表明,该方法可用于自然复杂环境下的柑橘病虫害的检测。

植保无人机对水稻病虫害防治应用效果分析

植保无人机通过搭载各类传感器和作业设备,实现对农田作物的病虫害监测、识别和防治,与传统人工施药和检测方式相比,植保无人机具有作业效率高、作业范围广、作业精度高等优点,正逐渐在农业生产中发挥重要作用。该文通过对植保无人机在水稻病虫害防治中的应用效果进行综述分析,总结了现存问题,并对未来发展趋势进行展望,得到植保无人机在病虫害防治过程中具有作业效率高、施药精准、环境友好等特点,可为实现精准农业、提高农业产值提供参考。

黄光灯对小白菜田蛾类害虫的防控效果及对非靶标昆虫和天敌的影响

为评估黄光灯对小白菜田蛾类害虫的控制效果,及对非靶标昆虫和天敌的影响,于2019年9-10月在河南省驻马店和2022年6-7月在河南省原阳的小白菜田开展应用黄光灯的试验,设置4个灯光处理和4个空白对照小区,处理区安装589±5 nm的黄光灯,于黄光灯设置10 d后每3 d调查1次,记录蛾类害虫及非靶标昆虫和天敌的种类和数量。结果表明,黄光灯对小白菜田蛾类害虫具有明显的控制效果,在黄光灯设置的13到22 d,驻马店试验田的平均防效为55.54%,原阳的平均防效为72.11%,而对田间的非靶标昆虫和优势天敌无显著影响。本研究为黄光灯的推广和应用提供了必要的实验依据。

基于SWOT-PEST分析的无人靶机产业发展研究

本文针对军民融合发展战略背景下的无人靶机产业进行研究,根据无人靶机的部队训练需求和武器装备研制需求,从无人靶机自身特点出发,利用SWOT-PEST分析方法,在政治、经济、社会、技术4种宏观环境下,对无人靶机产业面临的优势、劣势、机遇和威胁进行分析并建立分析矩阵。依据分析结果对应提出加强行业规范化管理、实战化训练需求牵引、技术创新驱动、国内外市场兼顾、建立优质供应、增强企业责任、提高国产化率和效费比等无人靶机产业发展战略。

国内外林业有害生物防治靶标识别技术的研究与展望

作为陆地森林生态系统骨架的树木长期遭受有害生物胁迫,危害林木正常生长,甚至造成林木死亡,对林业可持续发展带来严重威胁,为了实现对林业有害生物靶标及灾害区域的快速、准确检测和监测,需要识别获取林业有害生物防治靶标对象的特征。本研究首先重点围绕生物胁迫之植物病害、植物虫害、鼠(兔)危害、有害植物等直接靶标及其危害的间接靶标的主要特征分析,综述国内外采用不同途径检测和识别林业有害生物防治靶标的技术和装备研究概况。然后建议组织跨学科力量,探索研究基于植物胁迫预警靶标识别、传感网络协同防御控制的林业有害生物防治靶标识别技术及综合防治智能化系统。展望林业有害生物防治靶标识别被动传感技术和主动传感技术的未来发展,提出根据植物在生物胁迫下的物理化学特征表现开展机器视觉、气敏、力敏、热敏、声敏等防治靶标的被动传感技术研究,利用激光雷达扫描、光声效应主动引诱以及电子昆虫和气味主动引诱等主动传感技术,以解决被动传感难以识别特定有害生物靶标的问题,以及研发设计生物、磁敏、湿敏、热敏等新型传感器和研究超声波、LiDAR、辐射、卫星图像等多传感器融合技术,提高林业有害生物靶标的识别精度。最后围绕植物根系、野生哺乳动物、土栖白蚁、有害植物等特定靶标提出相应的靶标感知识别技术研究建议。

基于CBAM-YOLO v7的自然环境下棉叶病虫害识别方法

针对自然环境下棉花叶片病害检测难度大和人工设计特征提取器难以获取与棉叶病虫害相近特征表达的问题,提出一种改进的注意力机制YOLO v7算法(CBAM-YOLO v7)。该模型在YOLO v7模型基础上,在Backbone与Head中间增加注意力机制CBAM,并在Head部进行4倍下采样,然后将CBAM-YOLO v7模型用于棉叶病虫害识别,并与YOLO v5和YOLO v7进行对比试验。试验结果表明:蚜虫和正常叶片检测方面,YOLO v7可取得好的检测结果;CBAM-YOLO v7对黄萎病、棉盲蝽、红蜘蛛棉叶病虫害图像检测的准确率高于其他模型。CBAM-YOLO v7的mAP为85.5%,相较于YOLO v5提高21个百分点,相较于YOLO v7提高4.9个百分点;单幅图检测耗时为29.26 ms,可为棉叶病害在线监测提供理论基础。

基于改进YOLO v7的农田复杂环境下害虫识别算法研究

为使巡检机器人能够对体积小且密集、形态多变、数量多且分布不均的害虫进行高效精准识别,提出了一种基于改进YOLO v7的害虫识别方法。该方法将CSP Bottleneck与基于移位窗口Transformer(Swin Transformer)自注意力机制相结合,提高了模型获取密集害虫目标位置信息的能力;在路径聚合部分增加第4检测支路,提高模型对小目标的检测性能;将卷积注意力模块(CBAM)集成到YOLO v7模型中,使模型更加关注害虫区域,抑制背景等一般特征信息,提高被遮挡害虫的识别精确率;使用Focal EIoU Loss损失函数减少正负样本不平衡对检测结果的影响,提高识别精度。采用基于实际农田环境建立的数据集的实验结果表明,改进后算法的精确率、召回率及平均精度均值分别为91.6%、82.9%和88.2%,较原模型提升2.5、1.2、3个百分点。与其它主流模型的对比实验结果表明,本文方法对害虫的实际检测效果更优,对解决农田复杂环境下害虫的精准识别问题具有参考价值。

农业害虫检测的深度学习算法综述

害虫检测是害虫测报的关键步骤,对于害虫防治具有重要意义,也是保证农作物产量和品质的前提。近年来,随着卷积神经网络的迅速发展,害虫检测技术进入智能化时代,使用深度学习相关技术实现精确的害虫检测已成为研究人员重点关注的课题。为了促进深度学习害虫检测技术的发展,对检测算法和现有数据集进行综述。总结了当前面临的数据匮乏、小目标检测、多尺度检测和密集与遮挡检测等四大难点问题,并分析了其主要成因。重点针对以上难点问题,总结归纳了近年来提出的深度学习害虫检测算法的改进策略和技术细节,以及面向实际场景的应用算法,对比分析了各类算法的性能表现、改进策略的适用场景及其优缺点。从面向复杂检测场景、解决数据匮乏问题、模型增量更新和应用落地等方面分析并展望了未来的研究趋势。

我国转基因玉米大豆应用抗性治理策略

为有序推进我国生物育种产业,保障转基因玉米大豆产业化安全、可持续实施,需建立科学的抗性治理策略,延缓靶标害虫和杂草抗性产生。查阅大量国内外相关靶标害虫和杂草抗性进化研究的文献,总结国际转基因玉米大豆抗性治理的经验教训,并分析我国转基因抗虫棉的相关实践,立足我国当今靶标害虫与杂草实际情况,进行分析讨论。依据玉米种植区域特点及虫情发生规律进行区域划分,并确定各区域推荐的转基因抗虫玉米基因类型和配套庇护所策略,提出适合我国现阶段产业特点的转基因玉米大豆抗性治理策略。在靶标害虫抗性治理方面,应根据我国玉米主产区的靶标害虫发生及迁移扩散为害规律,遵循整体布局、源头治理的原则,在转化体研发、品种审定等环节加强虫源和种源控制;同时,建议因地制宜,采取“一区一类基因一策”的害虫抗性治理措施。在田间杂草抗性治理方面,建议配合轮换使用不同抗性机理的转化体和不同作用机理的除草剂。

基于改进YOLOv5的农业害虫检测

设计了一种改进的YOLOv5模型实现对小目标害虫识别定位并将其应用于农业虫情分析。首先对数据集中的图片进行数据增强操作,结合目标背景分析,对一半数据进行降低亮度处理以增大训练难度。为了解决目标检测模型中小目标容易随着卷积神经网络的加深而导致目标信息丢失的问题,提出在模型中额外增加特征提取层,以达到丰富小目标的特征信息和位置信息的目的。该模型采用一种切割图像再检测的方法,在降低模型计算量的同时提高了检测精度。最后设计了多组实验并进行对比,验证了模型的有效性,平均检测精度达92%。

改进RetinaNet的农作物病虫害检测模型研究

【目的】为快速准确检测密集遮挡环境下农作物病虫害情况,满足大规模、高效率的识别需求。研究提出了一种改进RetinaNet的农作物病虫害检测模型。【方法】结合DenseNet改造RetinaNet的特征提取网络,强化特征重用,提高深度网络模型对农作物害虫的识别率,准确、快速地识别出病虫害的种类。其非极大抑制算法采用了DIoU策略,有效降低了在目标密集的情况下农作物病虫害的漏检率,提高了检测精度。【结果】改进后的算法模型具有较高的检测精度和良好的实时性,对作物密集遮挡情况有较好的适应性,mmAP达到了49.8%。【结论】将模型应用于复杂的农作物生长环境中,能有效提升病虫害智能检测能力。

基于优化CBAM改进YOLOv5的农作物病虫害识别

针对多种农作物病虫害图像,在自然环境下因虫害种类繁多,小目标特征相似的技术问题,导致检测困难难以达到令人满意的精度.本文提出了一种自然背景下加强局部特征和全局特征信息融合的害虫检测识别模型YOLOv5-EB,在公开的大规模害虫数据集IP102上进行实验,结果表明该研究比YOLOv5模型精确度提高了5个百分点.引入一维卷积替换CBAM中通道注意力的MLP操作,优化了通道注意力经过全局处理后容易忽略通道内信息交互的问题;其次使用6×6卷积替换Focus操作,来增强提取害虫特征的能力.实验结果表明,对害虫进行检测时,YOLOv5-EB的平均精度值达到了87%,与Faster R-CNN、EfficientDet、YOLOv3、YOLOv4、YOLOv5模型相比,不仅有效提高了作物害虫图像的识别性能,而且有效提高了检测速度.研究表明,YOLOv5-EB算法满足对多种农作物病虫害目标检测的准确性和实时性要求.

基于Jetson Nano的农业监测系统的设计与实现

为了实现传统农业管理方式向智能化农业管理方式的转变,进行有效的农田环境监测,以STC12C5A60S2作为主要控制芯片,采用RS-485通信模块实现传感器和单片机之间数据接收和发送,实时监测光照温湿度、土壤温湿度、pH值以及虫害相关特征等,构建了以Jetson Nano为辅助控制单元,搭配图像采集器实时记录农作物虫害信息的农业监测系统,实现农作物虫害的自动识别和分类,并通过4G网络传输模块将监测数据实时传输至后台数据库,通过前端Web网页实时显示。基于Jetson Nano的农业监测系统的建立,可以实现农田环境参数的精准测量和智能化展示,并为农业生产者提供一定的技术支持。

基于卷积神经网络的原烟仓库虫情检测算法研究

随着精细化管理的不断深入,传统的仓储养护管理模式也面临着巨大的挑战,原有的人工养护管理模式已经无法满足精细化和智能化仓储管理的需要;为此,以原烟仓储环节中虫情监测为探究应用方向,基于深度学习技术与目标检测技术,设计适用于烟草粉螟、烟草甲虫检测的检测网络,该网络采用轻量化结构设计,同时基于Transformer机制构建了主干网络,以实现快速、精准的检测目的;经过实验证明,该网络模型在GPUs上的检测速度达50 FPS可实现实时检测、且检测精度达96.7%;通过实时获取的检测数据结合虫情检测系统能够快速评估出原烟仓储环节中的虫情实况,实现原烟仓储虫情监测管理的信息化和智能化,进而为打叶复烤行业仓储虫情监测管理提供可行参考方案。

基于空地多源信息的猕猴桃果园病虫害检测方法

针对现有检测方式难以大面积准确检测果园单株猕猴桃病虫害信息,且仅凭地面或者遥感数据获取信息不全的问题,通过搭建地面数据采集设备,配合无人机采集遥感图像,从空地两个角度获取了更全面的猕猴桃冠层叶片病虫害信息。选取Pytorch深度学习框架,使用YOLO v5s算法进行病虫害叶片的目标检测。计算单株果树被害率时,通过图像处理统计被害叶片与冠层叶片的像素数来代替数量统计。在冠层像素数计算过程中,对比K-means聚类分析与大津法阈值分割算法,后者用时更少,操作更加简单。最终得到每株果树冠层不同部分的病害率和虫害率,结果表明,该检测模型精确率为99.54%,召回率为99.24%,验证集目标检测和分类损失值均值分别为0.08469和0.00083。同时,分别选取无人机和地面病害和虫害数据20个,将检测模型获得的病虫害叶片数量的预测值与人工标注的真实值进行比较,遥感和地面的病害与虫害检测模型的平均绝对值误差分别为3.5、2.5、0.9和0.45。地面数据检测效果好于遥感数据检测效果。本研究可为建立猕猴桃果园病虫害检测系统提供依据,同时为猕猴桃果园的精细化管理提供指导。

转Bt基因棉对非靶标害虫及害虫天敌种群动态的影响

20 0 0～ 2 0 0 1年 ,在湖北棉区系统研究了转Bt基因棉对棉田非靶标害虫及天敌种群动态的影响。试验设三个处理 :转Bt化防田 (使用化学农药控制害虫 )、转Bt自控田 (仅依靠田间自然天敌控制害虫 )及常规对照棉田 (利用综合防治措施控制害虫 )。结果表明 ,在转Bt基因棉田中 ,除棉蓟马外 ,其它主要非靶标害虫 (主要是刺吸性害虫 )的种群发生数量呈明显的上升趋势。 2 0 0 0年棉蚜发生的总计值 ,化防田和自控田分别比常规对照田增加 37 9%和 71 4% ,2 0 0 1年则分别增加92 5 %和 134 9% ;2 0 0 0年朱砂叶螨发生的总计值 ,化防田和自控田分别比常规对照田增加 181 1%和 2 98 3% ,2 0 0 1年则分别增加 6 9 9%和 10 5 0 % ;转Bt基因棉对于斜纹夜蛾与烟粉虱这两种近几年来对棉花危害有加重趋势的害虫 ,在大田中没有表现出抗性。天敌的发生种类和数量也都远远高于常规对照棉田 ,几种主要天敌种群发生的总计值及高峰值都明显高于常规对照棉田。 2 0 0 0年蜘蛛类发生的总计值 ,化防田和自控田分别比常规对照田增加 6 6 3%和 112 1% ,2 0 0 1年则分别增加 95 1%和 111 7% ;2 0 0 0年龟纹瓢虫发生的总计值 ,化防田和自控田分别比常规对照田增加 140 8%和 135 4% ,2 0 0 1年则分别增加 6 7 2 %和 10 9 5 % ;

转基因抗虫水稻MSA和MSB对非靶标害虫褐飞虱和白背飞虱的影响

本文报道了转SCK +cry1Ac双基因抗虫水稻MSA和MSB对非靶标害虫褐飞虱Nilaparvatalugens和白背飞虱Sogatellafucifera生物学及田间发生动态的影响。与亲本明恢 86相比 ,MSA对两种飞虱若虫发育历期、初羽化成虫鲜重、羽化率、短翅率、成虫产卵量、卵受精率、单雌子代数及发育进度等生物学指标均无明显影响 ,而MSB虽然对多数指标影响不明显 ,但可以引起白背飞虱初羽化雌虫鲜重与短翅率显著下降 ,还引起褐飞虱初羽化雄虫鲜重明显减轻。在近距离 (株间距约 8cm)寄主选择实验中 ,褐飞虱对MSA和MSB无明显选择性 ,而白背飞虱若虫和成虫均明显趋向两种转基因水稻。田间小区实验表明MSB上的稻飞虱 (主要为白背飞虱 )密度一般低于亲本明恢 86 ,但差异不显著 。