基于AI的桃树病害智能识别方法研究与应用

为解决传统人工识别桃树病害效率低、成本高、准确率低等问题,提出了基于AI深度学习的桃树病害智能识别方法,利用并微调ImageNet预训练的DenseNet-169分类模型,对桃树常见的11种病害图像进行预处理与模型训练,搭建桃树病害智能识别软件环境。该方法对常见桃树病害的平均识别率达到91%以上,结合图像处理、深度学习、数据挖掘等技术自动对桃树病害进行识别,实现桃树病害的智能诊断并提供防治建议。该方法具有人力成本低、操作简单、识别效率高等优点,利于病害的及时诊出与防治决策的制定,对促进果园病害防控的智慧化管理具有重要研究意义与应用价值。

桃树病害的发生特点与无害防治技术

近几年,水果生产中桃子所占的比重越来越大,我国多地区开始大面积的种植桃树,在此背景下,桃树病害逐渐的严重起来,对桃子的品质与产量都造成了非常严重的影响。对此,本论文介绍了桃树病害的表现特点,然后分析了治病原因,最后提出了几点无害防治技术。

浙南地区桃树病害发生特点及无害化防治技术

桃树病害防治是桃树栽培管理中的一个重要环节,本文就浙南地区桃树6种主要病害的发生特点作了分析,提出了有针对性的无害化防治技术措施。

基于卷积循环神经网络的桃树叶部病害图像识别

桃树炭疽病和褐斑病具有相似度高、症状关联度高和病斑位置不同等特点,卷积神经网络在识别过程中,卷积层和池化层分别对病害区域进行局部卷积和池化操作,未考虑各病害区域间的上下文相关信息和位置信息,降低了识别准确率。而双向长短期记忆网络由两个正向和反向的长短期记忆网络组成,且各循环单元之间具有反馈连接,能够挖掘和记忆输入序列数据中的上下文相关信息和位置信息。因此,本文提出了一种基于VGGNet-BiLSTM的桃树叶部病害图像识别算法。结果表明,本文提出的算法在测试集上识别准确率为93.73%,具有较高的识别准确率。

桃细菌性穿孔病和黑星病综合防治

1.科学施肥,增施有机肥和磷钾肥。近几年群众对施用有机肥认识不足,完全依赖化肥,并且偏施氮肥,造成树体虚旺,抗病力弱。应尽量科学施肥,大量施用有机肥,盛果期树每亩施纯鸡粪3.5m^3,撒可富复合肥100kg、硫酸钾50kg、尿素100kg,使树体健壮,提高抗病性。 2.合理修剪,改善通风透光条件。冬剪调整村体结构,大枝亮堂堂;夏剪调整枝量,枝组墩实、紧凑、健壮。 3.选准药剂和最佳用药时间。