基于注意力机制改进卷积神经网络的柑橘病虫害识别

柑橘是我国种植面积最大、产量最高的水果作物,对我国的经济发展具有重要作用。柑橘病虫害侵染是导致柑橘产量及品质下降的重要原因之一,高效、准确的柑橘检测技术对柑橘产业的发展具有重要意义。因此,本研究提出一种基于注意力机制改进卷积神经网络的柑橘病虫害识别算法,以多尺度特征提取网络Inception v3为基础,在Inception结构间加入CBAM注意力机制,构建基于注意力机制的多尺度特征提取网络;然后融合残差注意力网络,提升模型的整体性能,以实现对柑橘病虫害的精准识别。试验结果表明,基于注意力机制改进卷积神经网络的柑橘病虫害识别算法从通道和空间维度提高了对输入有效特征的关注度,在融合残差注意力网络后,提高了模型的整体性能,实现对5种柑橘叶片(溃疡病、潜叶蛾、黑点病、红蜘蛛和健康叶片)的识别准确率达到98.49%,比基础模型提高4.02百分点,说明本研究提出的方法对柑橘病虫害的识别效果较好。最后将模型进行部署,设计柑橘病虫害识别系统,实现基于移动端的柑橘病虫害智能检测,为相关研究提供参考。

柑橘病虫害绿色防控与栽培管理技术要点

本文介绍了柑橘病虫害的常见类型,并提出绿色防控策略,包括生物防控和综合防控方式,以及病虫害防控效果的评价方法。深入分析了柑橘病虫害防控的内在机制和技术路径,并详细说明防控操作要点,以期优化病害防控效果。着重探讨了绿色栽培技术在柑橘产业发展中的重要性,阐述了病虫害防控与绿色栽培的互动关系,旨在推动柑橘产业向绿色、可持续的方向发展。

浅析玉溪市柑橘病虫害防控存在的问题及建议

随着产业结构的调整,玉溪市高原特色产业得到快速发展,到2022年柑橘种植面积2.65万hm2,占水果面积的37.2%,成为玉溪市最大的水果产业,成为助推区域经济发展、农民增收、乡村振兴的支柱产业。但在发展过程中柑橘病虫害种类多,有的发生为害日趋严重,2022年病虫害发生面积75.99万亩,防治面积185.38万亩,尤其是橘小实蝇、溃疡病、黄龙病、疮痂病和潜叶蛾等病虫害为害严重且传播蔓延速度快,给本市柑橘产业的持续发展造成严重威胁。本文作者根据病虫害防治中存在的问题提出了做好柑橘病虫害防治控的建议。

基于YOLOv8的柑橘病虫害识别系统研究与设计

在柑橘种植的过程中,黄龙病等病虫害对柑橘有很大影响,严重影响柑橘的产量。该文基于YOLOv8模型,通过采集柑橘树的叶片图像,利用训练的模型对叶片进行特征提取和分类,从而实现对柑橘病虫害的自动化检测识别。实验结果表明,该模型对实际环境中的柑橘病虫害图片的识别准确率为94.9%,比传统的CNN算法拥有更高的准确率,可以应用部署在实际生产中,有效地解决柑橘病虫害识别问题,为柑橘病虫害的防治提供有效的技术支持和解决思路。

柑橘病虫害绿色防控与栽培管理技术分析

柑橘作为世界上产量最高的水果之一,受到了各种病虫害的威胁。传统的病虫害防治方法常常依赖于化学农药,但这些方法对环境和人类健康具有潜在的威胁。因此,对绿色防控与栽培管理技术的研究变得至关重要。该文旨在分析柑橘病虫害的绿色防控和栽培管理技术,探讨其技术可行性,以期为柑橘产业的可持续发展提供参考。

保靖县柑橘病虫害可持续控制策略

柑橘产业是保靖县的农业支柱产业之一。在柑橘种植过程中,往往会因各种病虫害的影响,导致产量下降。因此,柑橘病虫害的防治成为柑橘种植至关重要的环节。阐述了保靖县柑橘产业发展培育情况,以及柑橘病虫害同步发展造成的危害,提出了柑橘病虫害可持续控制策略。同时,针对柑橘常见病虫害的发生危害情况,提出了相应的防治措施。

柑橘病虫害上报及预测系统

传统的农作物病虫害诊断主要依靠人工目测,但这种方法会因技术人员或专家不能及时到现场诊断而造成病虫害诊断的延误。在此搭建了一个可以帮助果农用户手动上报数据的微信小程序,以快速、有效地对柑橘病虫害发生趋势进行上报。该系统可以果农用户填写上报的数据进行可视化,帮助果农用户更直观地看出病虫害的发生趋势,以便他们及时采取预防措施,避免了因诊断不及时而造成的损失。

基于神经网络的柑橘病虫害图像识别研究

本项目以广西柑橘主要病害为对象,以局部卷积神经网络(R-CNN)为基础,以柑橘主要病害为对象,开展柑橘主要病害的自动识别与诊断研究,以提升柑橘主要病害的分类与诊断能力;方法:本项目以广西柑橘类病害黄龙病、红斑病、裂叶病等为研究对象,利用多层神经网络构建特定的R-CNN模型,并将该模型应用到柑橘类病害的分类中,并对其分类精度及空间复杂性进行研究。结果:其中,R-CNN在广西地区的黄龙病、红蜘蛛病、溃烂病等疾病中的平均鉴别精度为95.30%、90.30%、95.20%,其鉴别精度高于 SVM、VGC-9等支持向量机(SVM)、SVM、VGC-9等经典算法,结论:R-CNN模型能很好地用于柑橘黄龙病、红斑狼疮、腐烂病等病害的早期诊断,并能在广西大规模推广使用。

基于本体的柑橘病虫害知识模型构建

针对现有农业病虫害知识系统的领域局限,以及知识重用与共享的困难,提出了构建柑橘病虫害知识本体的一套工程方法。在对柑橘病虫害领域知识分析的基础上,给出了柑橘病虫害知识本体模型的形式化定义及构建元数据语义关系定义,确定了本体构建框架及核心本体,并运用本体开发工具Protégé实现了柑橘病虫害知识本体模型的构建,为后续的本体学习及应用打下基础,并为进一步的本体规则推理与检索研究提供参考。

柑橘病虫害的机器识别

为了自动地检测柑橘病虫害,本文研究了果皮上病虫害为害状的多重分形特征.首先采用小波多孔算法,检测柑橘灰度图像小波变换模的局部极大值点,借助概率隐含语义分析方法对局部极大值点进行筛选,产生柑橘病虫害疤痕的边缘,提取边缘多重分形谱高度和宽度,作为柑橘病虫害疤痕的特征值,通过神经网络映射器识别柑橘病虫害.试验结果表明:该方法不仅可以进行柑橘病虫害机器自动识别、评估与监测,还可以进行柑橘果面缺陷分级.

基于复杂性测度的柑橘病虫害识别

为进行柑橘病虫害的机器识别,提出了柑橘病虫害为害状特征的复杂性测度表达与病虫害识别方法。首先,对柑橘病虫害为害状主要色调区间[0,120°]进行长度为1°的等分割,形成120个色调子区间;其次,统计各色调子区间像素分布密度,以此作为柑橘病虫害为害状复杂性测度的结构性序列;再次,依据此结构性序列计算病虫害为害状统计复杂性测度,并将其作为病虫害特征值;最后,将Shannon信息熵和统计复杂性测度作为输入变量建立3层前馈神经网络柑橘病虫害识别模型来识别柑橘病虫害。柑橘蓟马、褐圆蚧、柑橘树脂病、糠片蚧各30个测试标本最低正确识别率、最高正确识别率、平均正确识别率分别为93.3%、96.7%、95%。试验结果表明,柑橘病虫害为害状的复杂性测度较充分地表达了柑橘病虫害的典型特征,能用此方法进行柑橘病虫害识别。

柑橘病虫害危害损失评估方法初探

文章分析了秀山县 2016 ~ 2018 年柑橘病虫害危害损失评估试验结果,结合 2011 ~ 2013 年开展的柑橘病虫试验及大面积柑橘病虫发生实况,探讨柑橘病虫危害损失评估方法。结果表明,柑橘大实蝇损失率为 49.41%,柑橘潜叶蛾损失率为 6.27%,叶螨损失率为 9.40%,溃疡病损失率为10.98%,炭疽病损失率为 8.32%,煤烟病损失率为 6.65%,柑橘主要病虫害危害损失情况与生产实际情况基本吻合,该数据可作为柑橘病虫危害自然损失率的参考依据。

基于区域卷积神经网络模型的广西柑橘病虫害识别方法研究

【目的】研究基于区域卷积神经网络(R-CNN)模型的广西柑橘病虫害识别方法,为提高柑橘重要病症分类和病理检测效率提供参考依据。【方法】设计专用R-CNN模型,采用多层神经网络,通过机器学习算法和神经网络对柑橘黄龙病、红蜘蛛感染和溃疡病等广西柑橘主要病症特征图像进行识别,分析其准确率和空间复杂度。【结果】R-CNN模型对广西柑橘黄龙病的平均识别准确率为95.30%,对红蜘蛛感染的平均识别准确率为90.30%,对溃疡病的平均识别准确率为99.10%,均优于传统机器学习方法中支持向量机算法(SVM)的平均识别准确率(分别为93.20%、88.20%和95.20%),分类效果也优于小型神经网络模型如视觉几何组网络(VGG-19)模型,平均识别准确率分别提高4.25%、4.62%和2.55%。R-CNN模型在较少神经元参数(33层卷积网络)情况下,空间复杂度比SVM和VGG-19模型低,能获得更佳的柑橘黄龙病、红蜘蛛感染和溃疡病识别效果。【结论】R-CNN模型识别是一种对柑橘黄龙病、红蜘蛛感染和溃疡病行之有效的鉴别方法,可在广西柑橘果园大量部署和应用。

基于超像素快速模糊C均值聚类与支持向量机的柑橘病虫害区域分割

针对目前柑橘病虫害图像数据集较少,病虫害目标复杂、散漫,难以自动定位分割的问题,提出了一种基于超像素快速模糊C均值聚类(SFFCM)与支持向量机(SVM)的农业柑橘病虫害区域分割方法。该方法充分利用了SFFCM快速、鲁棒的优点,且融合了空间信息的特点,同时避免了传统SVM在图像分割上需要人工选择样本的缺点。首先,利用改进的SFFCM分割算法对待分割图像进行预分割,得到前景和背景区域;接着利用形态学中的腐蚀和膨胀操作对前景和背景区域进行缩小,然后自动选取训练样本进行SVM模型训练;最后用训练好的SVM分类器完成整幅图像的分割。将所提方法与快速鲁棒模糊C均值聚类(FRFCM)、原始SFFCM及边缘引导网络(EGNet)这三种方法进行实验对比,结果表明所提方法的平均召回率为0.9371,平均精确率为0.9418,平均准确率为0.9303,均明显优于对比算法。

基于多尺度特征融合的柑橘病虫害图像识别方法

针对基于传统机器学习与简单神经网络的病虫害识别方法对于具有小样本、数据不均衡、特征演变(黄龙病不同病害阶段的特征差异较大)、特征不明显和多类别等特点的柑橘病虫害识别效果不理想的问题,设计了一种基于VGG19改进的VGG19-INC模型。该模型以VGG19网络模型为骨干网络并利用迁移学习实现预训练权重参数的共享;模型结构使用1个批标准化卷积层和2个Inception模块替换VGG19的第5卷积层;使用1个全局池化层替换VGG19模型的全连接层,使用一个1×4的Softmax层作为分类输出层。所提模型不仅保留了VGG19对图像特征的有效提取,还利用Inception模块增加了网络的深度与宽度,使模型获得了不同大小的感受野,实现了多尺度特征的融合;全局池化层对全连接层的替换,使参数减少率达到了70.56%,有效地提高了模型的训练速度与平均测试速度,降低参数负载。试验结果表明,VGG19-INC对柑橘(沙田柚)黄龙病、潜叶蛾和线虫病等病虫害识别准确率为98.47%,比VGG19,Resnet50,Inceptionv3,Densenet201模型分别高22.26%,14.47%,5.18%和0.24%;损失值为0.0415,比其他模型分别低1.1085,0.2172,0.3987,0.0654,并具有良好的泛化能力。

吉安市柑橘病虫害绿色防控技术路线

吉安市柑橘主要病虫害10余种,每年药剂防治10-15次,防治费用大,有些果品上农药残留超标,桔园天敌减少。为解决这些问题,将大力推广应用绿色防控技术,在病虫发生危害主要时段应用生物、物理、生态、人工防治技术和科学用药技术,有效防治病虫害,提高果品品质,改善桔园生态环境。

浅析清江流域柑橘病虫害综合防控技术

清江流域是湖北省重要的优质柑橘产业带之一，柑橘种植面积达到1．3万hm2，年产20万t，产值近6亿元。受立体气候和多样生态环境影响，柑橘大实蝇、蚧壳虫、潜叶蛾等常见病虫害的为害时有发生，病虫果率居高不下，损失率在10％以上，且有逐年增加的趋势。

基于MATLAB的柑橘病虫害图像分割算法的研究

病虫害对我国柑橘产量有着很大的影响,文章针对柑橘病虫害中常见的溃疡病和炭疽病进行分割研究。根据不同病虫害图像的特点,选取五种常用边缘检测算子对柑橘溃疡病进行分割,以及七种阈值分割方法对柑橘炭疽病进行分割。MATLAB仿真实验结果表明,Canny算子更适于处理柑橘溃疡病,局部阈值法更适于处理柑橘炭疽病。

基于故障树分析法的柑橘病虫害诊断专家系统

【目的】为解决柑橘病虫害防治工作中植物保护主业知识普及不足、高效病虫害诊断手段缺乏的问题,研制一种基于故障树分析法的柑橘病虫害诊断专家系统。【方法】首先,利用故障树分析法计算病虫害发生的概率、建立病虫害知识库;其次,根据知识库以及正向推理策略设计实现专家系统的推理机;最后,利用微信开发者工具在微信小程序内搭建故障树分析法的计算规则、专家系统的推理机,构建基于故障树分析法的专家系统。【结果】建立了一种包含病虫害模块、最新资讯模块、知识库查询模块、病虫害诊断模块、用户中心模块5大功能模块的柑橘病虫害诊断专家系统。经测试,系统可以在不同型号的手机中平稳运行,占用内存的平均大小为175 MB,系统启动的平均耗时为1.0984 s,页面切换的平均耗时为0.0495 s;连续运行系统1 h,手机与服务器的连接均未出现异常。【结论】本系统运行稳定可靠、页面样式显示正常。用户通过此系统能够诊断病虫害并获得具体的防治技术,同时也能够了解专业的植物保护知识。

玉溪市柑橘病虫害防控现状问题及对策

作为玉溪市最大的水果产业,柑橘产业也是区域经济发展、农民增收、乡村振兴的支柱产业和高原特色农业。但是柑橘病虫害种类多且传播蔓延速度快,尤其是红蜘蛛、实蝇和溃疡病等为害最严重,给该市柑橘产业的健康发展带来了严重威胁。据调查,玉溪地区的柑橘园每年病虫害防控次数多达14~20次,每667 m^(2)防控成本超过900元。根据对玉溪市柑橘病虫害防控中存在问题的分析,有针对性地提出建议对策:改善生产种植条件;提高种植管理水平;做好病虫害监测预报;制订防控技术规程,并加强宣传指导;推行专业化防控和绿色防控相融合;推进综合防控;加大资金投入。