基于嵌入式的农作物叶部病害分级系统

为了实时获取作物病害程度信息,设计了一种针对农作物叶部病害分级的嵌入式图像采集处理系统,该系统采用ARM9体系的处理器S3C2440A,移植了Linux操作系统,并利用USB外接的接触式扫描装置实现对农作物叶部图像的采集工作,利用嵌入式系统对农作物叶部图像进行相应算法的处理,最后将分级结果通过LCD显示器显示出来。验证结果表明:利用嵌入式技术与扫描装置的结合对作物病害进行分级处理,其方法准确、高效,能够真正实现作物田间的无损检测。

用层次分析法确定隧道病害分级影响因素的权重

传统的权重确定是依据专家经验,它在一定程度上反映了实际情况,但也存在着可能会偏离客观实际且难于定量表示等问题。针对传统权重确定法的缺陷,提出了一种新的权重确定方法,即用层次分析法来确定隧道病害分级时各影响因素的权重。通过工程实例的验证,进一步证明了此法的科学性。

公路隧道渗漏水病害分级方法优化思考

渗漏水病害是隧道工程中最常见的病害之一。现有渗漏水病害分级标准多基于渗漏水表观状态确定,对病害成因及其对运营状态影响的考虑具有局限性。结合现行规范渗漏水分级标准及相关研究成果,调研常用渗漏水病害分级标准的指标体系,通过剖析渗漏水的病害成因、影响对象与后果,指出现有分级方法与渗漏水全寿命期的病害成因与作用对象脱节,存在评价指标不够全面、与处治决策联系不紧密等不足,并提出隧道渗漏水病害分级方法未来的改进与优化方向。

基于断裂力学理论的隧道衬砌开裂病害分级

以开裂隧道衬砌为研究对象,基于线弹性断裂力学理论,得到平面应变状态下衬砌结构Ⅰ型和Ⅱ型裂缝尖端应力场及位移场,借鉴混凝土工程经验提出隧道衬砌开裂判据;数值模拟分析不同围岩级别下衬砌结构各部位不同开裂深度时的裂缝处最大主应力、裂缝尖端应力强度因子和稳定性系数。结果表明:当衬砌拱顶开裂时,裂缝尖端主拉应力最大,衬砌结构的稳定性系数最小;当衬砌拱腰和拱脚开裂时,裂缝尖端主压应力最大,衬砌结构的稳定性系数较大;裂缝深度与裂缝尖端应力强度呈正相关关系,与稳定性系数呈负相关关系。以裂缝深度为参量(稳定性系数f)对隧道衬砌开裂病害进行分级:当f<1或主应力超过混凝土材料极限强度时,将衬砌裂缝划分为扩展中裂缝;当f≥1且主应力未超过混凝土材料极限强度,可进一步将1≤f<2,2≤f<10,f≥10时的裂缝依次划分为即将扩展裂缝、亚稳定裂缝及稳定裂缝;并反推出不同等级病害所对应的临界开裂深度。

2011年湖南省水稻矮缩病病原的RT-PCR检测和病害分级

为明确湖南省水稻矮缩病的毒源种类,从湘北常德、湘中长沙和湘南永州三地采集中晚稻水稻秧苗、植株、稻谷等样品,并对其进行了毒源的RT-PCR检测。结果表明:湖南省水稻矮缩病毒源为南方水稻黑条矮缩病毒,所检测样品中没有齿叶矮缩病毒和水稻黑条矮缩病毒。2011年采集的所有水稻秧苗、植株和稻谷样品中南方水稻黑条矮缩病毒检出样品数占有病害症状样品数的23.73%。可以把样品是否具有蜡泪,作为判断南方水稻黑条矮缩病的1个典型症状。其病害危害程度可分为0～4级。

基于语义分割的复杂背景下黄瓜叶部病害严重程度分级研究

为满足实际种植环境下对病害叶片精准用药的需求,以设施环境复杂背景图像为研究对象,提出基于语义分割的复杂背景下黄瓜叶部病害分级方法。首先,使用Labelme标注软件对图像叶片和病斑进行标注,并对部分病害叶片进行图像增强以丰富数据集;然后,改进U-Net网络结构并构建基于深度学习的复杂背景下黄瓜叶片病害分割两阶段架构,对复杂背景下的黄瓜叶片、病斑进行分割;最后,提出黄瓜霜霉病、炭疽病病害严重程度分级模型D-MUNet,对病害等级进行划分。改进后的U-Net模型像素精度、平均交并比和Dice系数分别为90.48%、92.46%、0.645 7,较原始模型提升2.36%、2.34%和0.023 8。黄瓜霜霉病、炭疽病病害分级准确率分别达到92.11%和89.17%。基于语义分割的复杂背景下黄瓜叶部病害严重程度分级方法,能够对黄瓜病害实现有效地分割、分级,为病害的精准防治提供技术支撑。

基于改进YOLO v5的黄瓜霜霉病分级方法

针对温室黄瓜霜霉病病害程度检测分级困难的情况,提出一种基于改进YOLO v5的黄瓜霜霉病病害程度检测分级的方法。通过YOLO v5网络训练模型输出病害叶片最小外接矩形,利用矩形的长、宽建立适用的叶片面积测量方法;将原YOLO v5中Leaky ReLU激活函数改进为meta-ACON激活函数,并添加改进的ECANet注意力机制获取黄瓜霜霉病病斑面积。结果显示,改进后黄瓜叶片面积估算方法的模拟值与真实值拟合曲线的决定系数(r~2)为99.56%,均方根误差(RMSE)为0.10,在不同条件下黄瓜叶片面积最大估算误差为4.84%,最小值为0.34%,平均值为2.87%。改进后的YOLO v5模型检测准确率达到81.71%,较原始YOLO v5模型提高了2.73百分点;改进后的YOLO v5模型召回率为78.83%,较原始YOLO v5模型提高了0.99百分点;改进后的YOLO v5模型mAP为79.96%,较原始YOLO v5模型提高了1.24百分点。改进后的黄瓜霜霉病病害分级方法在1、3级的分级准确度分别为80.43%、52.94%;在5、7级的分级准确度分别为62.35%、88.37%;在9级的分级准确率为93.33%;平均分级准确率达到75.38%,较改进前的模型分级准确率提高了18.07百分点。研究结果可为温室黄瓜霜霉病叶片面积与病害分级提供一种简便、准确的方法,从而为防治黄瓜霜霉病提供参考。

基于安卓的黄瓜叶部病害程度检测系统的研发

针对以往繁琐、有损的叶部病害程度检测问题,研发基于Android平台的黄瓜叶部病害严重程度实时无损检测系统。采用迭代式阈值法分割叶片区域和背景区域;采用模糊C均值聚类算法提取病斑区域,计算病斑区域像素点个数与整个叶片区域像素点个数的比值k;根据相关病害分级标准,判断黄瓜叶部病害的严重程度,利用SQLite数据库技术,动态添加其它黄瓜病害分级标准和防控措施信息;将检测结果及防控措施显示在手机屏幕上。实验结果表明,该系统能够在田间对黄瓜叶部病害进行实时无损检测,准确快速地对其病害程度进行判定。

基于图像处理的黄瓜叶片病斑分级方法的研究

目前由于植物病理学中辨别病害主要以目测为主,主观判断占据主导。为了实现可靠的病害诊断,开发出一种基于计算机图像处理技术的病害分级新方法,并运用了分水岭法提取叶片区域。为了减少由光照变化产生的干扰,经比较提出了在YUV颜色模型下选取V分量进行病斑分割的方法。最后通过计算病斑面积与叶片面积的比例得出病害的染病级别。实验表明,该方法能够快速准确地对黄瓜叶片病害的严重程度进行分级,具备良好的分类能力。

基于加权集成的深度投票模型大豆灰斑病分级研究

大豆作为重要经济作物,近年受灰斑病影响愈发严重,导致产量下降,为减少病害造成的经济损失,相关从业人员需针对灰斑病等级采取不同措施。因病害等级之间具有相似性,传统卷积神经网络(Convolutional Neural Network,CNN)识别准确率有待提高。依据国家标准,针对大豆灰斑病高抗、抗、中抗、感和易感5个等级开展基于传统卷积神经网络分级研究,识别准确率为88.7%,在此基础上,构建加权深度投票模型,该模型利用遗传算法自动学习机制优化基于传统卷积神经网络分级效果。结果表明,该模型在7500张测试集上识别准确率达到93.0%,比传统卷积神经网络模型准确率提高4.3%,为大豆病害分级提供新思路。

生态草病害调查方法

3年来,在吉林省西部地区实施的生态草建设工程已经初见成效,该项工作对于恢复和增进地力、减少土壤流失、避免土地沙化、保护生态环境等方面具有十分重要的意义,是我省生态省建设的重要措施之一,也为西部的开发和建设创造了良好的条件.

红外热成像法检测岩石渗水病害的实验研究

通过红外热像仪检测不同渗水程度岩石的模拟实验,验证了红外热成像法现场检测数据进行定量分析渗水严重程度的可行性。通过红外热成像法检测太阳照射下不同渗水程度岩石的热像变化特征分析可知,利用最小红外辐射温度指标可以确定岩石渗水严重程度。

基于K-means聚类和RF算法的葡萄霜霉病检测分级方法

针对自然环境复杂背景下葡萄霜霉病检测分级困难的问题,提出了一种基于语义分割结合K-means聚类和随机森林算法的葡萄霜霉病检测分级方法,实现对葡萄霜霉病快速分级。构建了葡萄霜霉病数据集,采用HRNet v2+OCR网络建立葡萄叶片语义分割模型,提取复杂环境下葡萄叶片;采用K-means聚类算法将葡萄叶片分解为若干子区域图像,并标记少量数据集进行随机森林算法学习,实现葡萄叶片病斑分割与提取;同时在叶片提取和病斑提取过程中,设计一种像素尺寸变换方法,解决图像分辨率引起的精度低问题。基于HRNet v2+OCR网络的葡萄叶片分割模型的准确率为98.45%,平均交并比为97.23%;融合K-means聚类和随机森林(RF)算法的葡萄叶片正面、反面和正反面霜霉病病害分级准确率分别为52.59%、73.08%和63.32%,病害等级误差小于等于2级时的病害分级准确率分别为88.67%、96.97%和92.98%。研究结果表明,基于K-means聚类和随机森林算法的葡萄霜霉病检测分级方法能够准确地分割自然环境复杂背景下的葡萄叶片和葡萄霜霉病病斑,并实现葡萄霜霉病分级,为葡萄霜霉病精准防治提供了方法和模型支持。

基于模糊理论的赣州古城墙病害等级评价

以赣州古城墙为研究对象,通过对古城墙病害进行调查统计结果,使用模糊数学法和层次分析法相结合的方法,对赣州古城墙的病害情况进行综合分级研究,建立赣州古城墙病害分级标准,最终评价结果为:西段城墙和北段城墙病害等级为C级,属于中度损伤,应中密度检测,考虑修缮国;东段城墙病害等级为A级,属于微弱损伤,无需修缮。

高速公路沥青路面病害处理设计方法的研究

沥青路面各种病害的成因比较复杂,必须对原路面的病害进行调查和分类,并找出病因,对沥青路面病害进行分 级处理设计,并采取适宜的维修工艺。

探地雷达技术在城市道路地下空洞隐患检测的应用研究

应用地质雷达探测方法,对城市道路地下空间进行探测,可以有效地防止城市道路坍塌。为此,本项目提出一种利用探地雷达来探测城市道路地下空洞的方法,并利用这种方法来对探测到的地下空洞进行等级划分,并给出对应的应对措施,从而有效地解决了城市道路地下空洞的隐患问题。以杭州市道路为例,对其进行了一次地下空洞的探测,并对空洞的特点作了详尽的分析,从而证明了这种方法的可行性。

福建省既有边坡工程排查及健康评估研究

基于福建省175处使用一定寿命的既有边坡工程排查资料,分析了既有边坡的病害类型,根据不同病害对边坡工程在安全性和正常使用性影响程度,对边坡工程健康状况进行分级,并提出了相应的处置措施。

玉米大斑病病情发展及病斑扩展时间动态模型的研究

调查2004年沈阳地区玉米大斑病自然发病情况,并通过不同模型进行对比研究。结果表明:LOG ISTIC模型能反映沈单14和沈农1号玉米大斑病随时间增长的情况;玉米大斑病指数增长期从玉米出苗开始到7月末,逻辑斯蒂期从7月末到9月初,衰退期从9月初到玉米生育后期。在指数增长期,两品种玉米大斑病病情指数增长速度均为0.06 d-1,逻辑斯蒂期分别为1.58 d-1和1.70 d-1;沈单14的最高增长速度为1.93 d-1,沈农1号为2.78 d-1。指数增长期,沈单14单个病斑面积增长速度为5.6 mm2.d-1,沈农1号为4.6 mm2.d-1,在逻辑斯蒂期沈单14为79.5 mm2.d-1,沈农1号为68.0 mm2.d-1;沈单14最高增长速度为170 mm2.d-1,沈农1号为143 mm2.d-1。该病最佳防治时间为玉米出苗到6月中旬,此时病斑长约21.7 mm,宽3.0 mm。

苹果苦痘病对果实可溶性固形物含量的影响

为研究苹果苦痘病对果实可溶性固形物含量的影响,笔者以短枝富士苹果为试材,测定了健康果实与发病果实的可溶性固形物含量。结果显示,发病果实的可溶性固形物含量显著高于健康果实,而不同病级的果实间其可溶性固形物含量差异不明显,可能原因是,发病后果实干缩失水,从而导致其可溶性固形物含量提高,但发病严重程度对其含量变化影响不大。本试验结果可为研究苹果苦痘病对其他风味评价指标的影响奠定基础。