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。

无人机高光谱遥感的水稻叶瘟病的光谱特征提取与检测方法研究

为了确定最佳的无人机高光谱遥感检测水稻冠层叶瘟病分类模型,以水稻大田试验为研究基础,获取了400~1000 nm波段内的无人机高光谱图像,参照国家标准GBT 15790—2009稻瘟病测报调查规范,按病情指数将叶瘟病划为5个等级,提取了0~4级共227组高光谱数据。采用Savitzky-Golay平滑(SG平滑)、一阶微分光谱(1-Der)和二阶微分光谱(2-Der)对数据进行预处理,并构建SVM模型,对比得出较优的预处理方法。采用主成分分析法(PCA)选取主成分累计贡献率;连续投影法(SPA)和随机青蛙法(RF)筛选光谱特征波段,并将筛选的结果作为模型的输入,分别构建粒子群优化的极限学习机(PSO-ELM)、极限学习机(ELM)、支持向量机(SVM)和决策树(DT)分类模型,并对模型进行对比分析得出最优分类模型。结果表明:相比于1-Der和2-Der,SG平滑方法的去噪效果较好,分类准确率较高,是较优的预处理方法,分类准确率和Kappa系数分别为93.47%、91.85%。PCA的前2个PC的累计贡献率为93.13%,为了模型的有效构建,最终选取了前6个PC,累计贡献率为99.02%。SPA使用RMSE作为最佳光谱特征波段选择标准,共显示了7个最佳光谱特征波段,其中可见光波段为400.8、416.7和426.2 nm,绿光波段为566 nm,红光波段为683.9 nm,近红外波段为830.2和916.4 nm。RF将筛选概率大于0.2的波段选为最佳光谱特征波段,最终筛选了8个光谱特征波段,其中红光波段为663.4和694.2 nm,近红外波段为784.4、787.9、791.4、905.5、927.2和930.9 nm,该方法有效地降低了波段间相关性和冗余性。将3种筛选结果分别构建分类模型,结果显示所有模型的总体分类准确率全部大于92.61%,建模结果较好;其中,以PSO-ELM模型对PCA的分类准确率达到97.77%,Kappa系数为97.22%,在所有模型中分类准确率最高,相比于ELM模型的最高分类准确率和Kappa系数高1.42%和1.56%,相比于SVM模型的最高分类准确率和Kappa系数高2.12%和2.66%,相比于DT模型的最高分类准确率和Kappa系数高4.44%和5.58%。综合评价PSO-ELM模型的建模效果优于ELM模型、SVM模型和DT模型,是最优的分类模型。因此,利用无人机高光谱遥感检测水稻叶瘟病具有可行性,为水稻生产和叶瘟病的检测提供科学依据和技术支持。

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。

草果叶瘟病的病原菌鉴定

2013年,对绿春县草果种植区草果病害进行调查及诊断,并对病原菌进行了分离、鉴定以及致病性测定。结果表明,引起植株死亡的现象是由变异梨孢引起的一种侵染性病害。草果叶瘟病为首次报道的新病害,变异梨孢为中国新记录。

狗尾草叶瘟病病原的分子鉴定及其对14种杀菌剂的敏感性测定

研究狗尾草叶瘟病的病原,并筛选对该病原菌具有较高活性的杀菌剂,对进一步认识该病害及指导其化学防治具有重要意义。采用rDNA-ITS通用引物PCR扩增的分子检测方法,对狗尾草叶瘟病病原进行了鉴定;并采用室内生长速率法,测定了14种杀菌剂对该病原菌的毒力。结果表明:该狗尾草叶瘟病病原菌为Pyricularia oryzae。该病原菌已对多菌灵产生了较低水平的抗药性,EC50为3.2196μg/mL;对其他13种杀菌剂均具有较高的敏感性,EC50为0.0067~0.6559μg/mL,抑菌活性顺序为嘧菌环胺>咯菌腈>咪鲜胺>氟碇胺>戊唑醇>吡唑醚菌酯>苯醚甲环唑>醚菌酯>腐霉利>氟吡菌酰胺>嘧菌酯>啶酰菌胺>菌核净。除多菌灵外,其他13种杀菌剂均可以作为由P.oryzae引起的狗尾草叶瘟病化学防治的候选药剂。

基于MATLAB的水稻叶瘟病病害分级的方法

为了减少水稻叶瘟病对水稻的生长状况的影响而引起大幅减产,文章提出了一种根据叶瘟病不同受害等级对应不同喷洒农药剂量及种类的方法。对获取到的图像进行颜色空间变换、灰度化、二值化、形态学处理等操作,提取病斑图像的面积和检测叶片面积,进而根据国家规定的水稻病害等级划分来衡量所检测的水稻叶片的叶瘟病程度。

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。

灰黄霉素对水稻稻瘟病菌的防治效果研究

为研究灰黄霉素对水稻稻瘟病菌的抑制作用及其对稻瘟病的防治效果,采用对峙法测定产灰黄霉素的展青霉GM120-43对稻瘟病菌抑制作用以及盆栽防治稻瘟病试验。结果表明,展青霉GM120-43对稻瘟病菌具良好的抑制作用;在稻瘟病的防治中,灰黄霉素稀释300倍时,预防叶瘟病与穗瘟病的效果分别为93.76%和53.79%,治疗效果分别为89.2%和49.21%。在所试验的浓度范围内,灰黄霉素防治效果与其浓度成正比,是一种具有前景的生物农药。

75%肟菌酯·戊唑醇对稻瘟病菌的室内毒力测定及田间防治试验

为了筛选防治稻瘟病菌的高效新型杀菌剂,对75%肟菌酯.戊唑醇水分散粒剂及对照药剂40%富士一号乳油和20%三环唑可湿性粉剂进行了室内毒力测定,并对其进行了田间药效防治试验。结果表明:75%肟菌酯.戊唑醇水分散粒剂、40%富士一号乳油和20%三环唑可湿性粉剂的EC50分别为8.00 mg/L、8.79 mg/L和60.68 mg/L。75%肟菌酯.戊唑醇水分散粒剂防治水稻叶瘟的3个处理浓度10g/667m2、15g/667m2和20g/667m2的防效分别为75.58%、83.07%和87.54%,对照药剂40%富士一号乳油120 mL/667m2和20%三环唑可湿性粉剂100g/667m2的防效分别为72.15%和75.69%。75%肟菌酯.戊唑醇水分散粒剂可作为防治稻瘟病(叶瘟)的药剂在生产上与其他药剂交替使用。

水稻常规大糯品种叶瘟和穗颈瘟的关系

通过10年对常规糯稻大糯品种叶瘟病情指数和穗颈瘟发病率的调查、分析,采用回归方程y=7.011+0.32645x,可以预测后期穗颈瘟的发病率,以指导穗颈瘟的防治。

基于直接正交信号校正的水稻冠层叶瘟光谱诊断

采用直接正交信号校正-连续投影算法(DOSC-SPA)联用的组合处理方法,实现了应用可见/近红外光谱技术对水稻冠层叶瘟病的快速准确诊断。采集水稻冠层样本共120个,其中健康和染病样本各60个。用DOSC-SPA方法,对水稻冠层光谱数据进行直接正交化处理,然后通过连续投影算法提取有效波长(EW),建立了有效波长(775 nm)与叶瘟诊断判别的直接线性方程:Y=5.283X。应用该方程对预测集样本进行诊断判别,其判别准确率为95.0%,获得了满意的判别精度。结果表明,DOSC-SPA组合处理方法提取水稻冠层叶瘟诊断的特征波长是非常有效的,并且通过直接线性方程能获得满意的判别精度,为后续水稻大田叶瘟病情监测、喷药处理及相应病情监测仪器的开发提供了方法和依据。