GSW-YOLOv7:一种基于改进YOLOv7的玉米叶病害检测方法

准确识别农田中常见类型的玉米叶病害并及时治疗是提高玉米产量的关键,可以提高效率并降低种植成本。为了解决玉米叶病害识别精度不高、检测效率低以及在移动端设备难以部署的难题,本文提出了一种改进的名为GSW-YOLOv7的目标检测模型。首先,设计了GS-ELAN结构优化模型颈部,降低模型的参数量。其次,将简单且无需参数的SimAM注意力机制融入网络结构中,在不增加额外参数的情况下提高检测的精度,获取更具代表性的玉米叶病害特征。最后,采用高效的Wise-IoU损失函数以加快收敛速度,并提高模型的精度。实验结果表明,GSW-YOLOv7网络模型平均精度(mAP)为85.60%,检测速度为26.79FPS,该模型在检测任务中权衡了模型的检测精度和检测速度,与YOLOv5、YOLOX等算法相比,该算法性能最好,能够快速、准确地检测常见的玉米叶病害,为农业生产提供了创新的解决方案。

基于Swin Transformer和YOLOv8的玉米叶病害识别算法研究

为了提高对玉米叶病虫害的准确识别度,本文提出了一种结合Swin Transformer和YOLOv8网络的改进算法。基于YOLOv8网络,算法引入了Focus和Depthwise Convolution等模块,减少了计算量和参数,增加了感受野和特征通道,并提高了特征融合和传输能力。此外,算法还采用了Wise Intersection over Union(WIoU)损失函数来优化网络。结果表明,在自建的玉米叶病害数据集上,Swin Transformer-YOLO模型取得了优异的表现,准确率为91.5%,平均精度(mAP@0.5)为89.4%,显著优于其他检测器。与主流算法(如YOLOv8、YOLOv7、YOLOv5和YOLOx)相比,Swin Transformer-YOLO模型在各项指标上均表现出色,特别是在准确率和平均精度方面。具体而言,Swin Transformer-YOLO模型的召回率为77.6%,mAP@0.5∶0.95值为71%,F1得分为0.84分。综上所述,本研究为复杂环境下玉米叶病害的准确识别提供了技术手段,并为小目标检测提供了新的见解。

营口市玉米成株期叶部病害病原鉴定及生物学特性初探

为明确营口市玉米成株期常见叶部病害致病菌种类及其生物学特性,结合形态学和分子生物学鉴定出三种主要叶部病害病原,利用十字交叉法对三种病原菌生长速率及抗逆性进行测定。形态学鉴定结果表明,分离纯化获得的三种病原真菌Cl-1、Ch-1和Aa-1,分别为弯孢菌、玉米小斑病菌和链格孢菌。进一步结合系统发育分析,菌株Cl-1为新月弯孢菌Curvularia lunata,Ch-1为玉米小斑病菌Bipolaris maydis,Aa-1为玉米链格孢叶斑病菌Alternaria alternata。其中,玉米小斑病为营口市玉米成株期叶部病害的新发病害。病原菌抗逆胁迫测定结果表明,三种胁迫因子中,弯孢菌、玉米小斑病菌和链格孢菌对1 mol/L NaCl敏感性较高,生长受到显著抑制,对0.005%SDS和10 mmol/L H2O2具有一定敏感性,但与对照相比,生长受抑制不显著。

基于图像识别的玉米叶部病害诊断研究

【目的】探讨利用图像技术实现玉米叶部病害自动识别的方法。【方法】根据玉米叶部病害特点,综合应用阈值法、区域标记方法与Freeman链码法,对玉米叶部病害图片进行图像分割、统计病斑个数、去除冗余斑点、计算病斑形状特征,最后根据二叉检索法推断病害。【结果】研究提取了五种玉米叶部主要病斑的识别特征,确定了诊断流程,并开发了识别系统。经检验,该系统对玉米叶部的锈病斑、弯孢菌病斑、灰斑、褐斑、小斑等五种主要病害的诊断准确率达80%以上。【结论】研究结果表明,用图像技术进行玉米叶部病害诊断是可行的,本研究开发的诊断系统为玉米病害自动识别与诊断奠定了基础。

基于多分类器融合的玉米叶部病害识别

针对单分类器识别的局限性和玉米叶部病害的复杂性,该文提出了一种基于自适应加权的多分类器融合的玉米叶部病害识别方法。首先,对采集的玉米叶部病害图像的病害区域分别提取颜色、颜色共生矩阵和颜色完全局部二值模式3种特征,并相应地构建3个基于支持向量机的单分类器;然后,利用K近邻和聚类分析的方法计算各单分类器的自适应动态权值;最后,通过线性加权的方式进行融合判决,得到最终的分类结果。利用该方法对7种常见的玉米叶部病害图片进行了试验,平均识别率达94.71%。结果表明,其性能优于目前常见的单一特征或特征组合构建的同类分类器及多分类器融合方法。研究结果为其他农作物病害诊断提供了借鉴和参考。

贝叶斯方法在玉米叶部病害图像识别中的应用

根据锈病、弯孢菌叶斑病、灰斑病、小斑病及褐斑病等五种玉米病斑图像的实际情况,在图像分割和特征提取的基础上,利用朴素贝叶斯分类器的统计学习方法,实现玉米叶部病斑的分类识别。研究结果表明,对五种玉米叶部病害的诊断精度在83%以上。贝叶斯分类器具有网络结构简单、易于扩展等特点,对玉米叶部病害的分类识别效果较好,也为其它作物病害图像识别的研究提供了借鉴。

基于支持向量机的玉米叶部病害识别

针对玉米叶部病害图像的特点,提出将支持向量机(SVM)组成的多分类器应用于多种玉米叶部病害识别中。首先利用L ive-W are分割算法分割出玉米叶部病灶,再利用小波特征提取算法提取病灶的特征向量,最后利用支持向量机分类方法进行病害的识别。玉米叶部病害图像识别试验结果表明,支持向量机分类方法适合小样本情况,具有良好的分类能力,适合多种玉米叶部病害的分类。不同的分类核函数的相互比较分析表明,径向基核函数最适合玉米病害的分类识别。

基于DCNN的玉米叶部病害识别方法

提出了一种改良的LeNet深度卷积神经网络(DCNN)用于玉米叶部病害识别分类。使用PlantVillage数据集中的玉米叶片图像对模型进行训练和测试。模型经过训练可以识别3种玉米叶部病害的图像,准确率达到97.89%,表明方法能够有效地识别玉米叶部病害。

北方地区玉米叶部几种病害特征发生规律及有效防治措施

本文以北方地区的黑龙江省为代表,对其常见的玉米叶部病害特征、发生规律进行分析,并探讨其防治措施。

改进K⁃means算法的玉米叶部病害图像分割研究

为了提高玉米叶部病害图像分割的准确率,提出一种基于Lab颜色空间的改进K⁃means聚类算法。针对叶部病害图像中病斑区域与正常区域存在的颜色差异性,选择在Lab颜色空间进行分割处理。采用K⁃means聚类算法在分割过程中会存在初始聚类中心点难以确定、分割时间较长、边缘信息分割不完善等问题,文中通过两方面对K⁃means聚类算法进行改进:首先是在Lab颜色空间中的a,b两个颜色通道搜寻波峰,确定初始聚类中心点的位置和数量;其次是用马氏距离替换欧氏距离进行距离度量的优化。应用改进后的K⁃means聚类算法对60幅玉米病害图像进行分割,平均误分率为5.72%,平均分割时间为6.69 s,与传统的分割方法相比,分割准确率提升,分割时间缩短。实验结果表明,改进K⁃means算法能实现玉米叶部病害图像的快速、准确分割。

基于深度学习的玉米叶部病害分割

针对深度网络模型在向下编码提取高层语义特征过程中丢失了部分空间上下文信息而影响后续分割精度的问题,本研究提出一种基于深度学习的CornDisNet网络分割模型。该网络在编码底层,从多个尺度提取图像语义特征,为后续解码捕获更多空间上下文信息,实现了玉米叶部病害区域的精准分割。该网络结构主要包括编码模块、多尺度特征提取模块和解码模块。编码和解码模块采用U-Net网络中的编码和解码模块,多尺度特征提取模块通过使用Atrous卷积,从不同尺度提取特征,以保留更多空间上下文信息。该方法与U-Net网络在准确率Acc、召回率Rec和精确率Prec三个评价指标上进行了比较。实验结果表明,本研究提出的方法在玉米叶部病害分割中取得了更好的分割效果。

基于图像处理的玉米叶部染病程度的研究

以玉米小斑病为例,探讨利用图像技术实现玉米叶部染病程度的计算方法。根据玉米叶部病害特点,综合应用阈值法、区域标记方法,对玉米叶部病害图片进行图像分割、统计病斑个数、去除冗余斑点、计算病斑形状特征。研究结果表明,利用图像技术进行玉米叶部染病程度的计算是可行的,为有的放矢地进行农药喷洒提供了理论依据。

夏玉米田要科学防控弯孢霉菌叶斑病

玉米弯孢霉叶斑病是近几年在我省玉米生产上新发生的一种玉米叶部病害,一般年份发病率在10—30%,严重的达50%以上,尤其是高温高湿多雨年份极利于该病的发生和流行,对夏玉米安全生产威胁严重。

对多种玉米病害具有抗性的新基因

美国北加州大学的科学家在玉米中发现了一个或与多种玉米叶部病害相关的基因。这个caffeoyl—CoA O-methyltransferase基因似乎能赋予玉米对3种重要病害——小斑病（Bipolar is maydis）、灰斑病（Pyricular ia grisea或Magnaporthe grisea）以及大斑病（Exserohilum turcicum）产生一定的抗性。

玉米弯孢菌叶斑病的流行与防治

玉米弯孢菌叶斑病又称黄斑病，是2012在阜新地区发生的一种仅次于玉米大斑病、玉米小斑病的玉米叶部病害。主要危害叶片，也危害叶鞘和苞叶。抽雄后病害迅速扩展蔓延，植株布满病斑，叶片提早干枯。一般减产20％-30％．严重地块减产50％以上，甚至绝收。

玉米主要病害综合防治技术

玉米生长过程中发生的玉米大小斑病、圆斑病等玉米叶部病害和玉米粗缩病、玉米矮花叶病等病毒病以及玉米锈病、玉米青枯病、玉米茎腐病等玉米病害，随着人们认识程度的加强，防治意识的提高，近几年发生程度呈下降趋势，为害损失也逐年降低。但原有的病害如玉米褐斑病、玉米黑粉病和近几年新发生的病害如玉米弯孢菌叶斑病、玉米顶腐病等由于没引起足够的重视，防治意识淡薄，导致这4种病害发生有逐年加重的趋势，为害损失也不容忽视，已成为当前玉米生产上主要发生的病害。

玉米叶部病害流行动态及预测预警研究进展

玉米叶部病害发生危害日趋严重,已成为我国玉米产区的主要病害。作者结合近年来对玉米叶部病害流行动态及预测预警研究工作基础,根据植物病害流行学原理以及相关研究报道,系统综述了我国玉米叶部病害发生危害、病害流行动态预测模型构建、病害损失估计、新型栽培模式对玉米叶部病害流行影响等方面的研究进展。