改进YOLOv8的农作物叶片病虫害识别算法

针对传统检测网络难以准确、高效地提取农作物叶片病虫害特征信息的问题,通过改进YOLOv8网络,提出一种多层级多尺度特征融合的农作物叶片病虫害识别算法。通过学习不同层级特征直接的特征关系,构建多层级特征编码模块,学习全面的特征表达;在Transformer的基础上设计多尺度空间—通道注意力模块,利用学习细粒度、粗粒度等多尺度全面的特征表达模式,捕获不同尺度特征之间的互补关系,并将所有特征表示有效融合起来,构成完整的图像特征表示,进而获取更佳的识别结果。在Plant Village公开数据集进行试验验证,结果表明:提出的改进方法能够有效提升配准精度,准确地识别出农作物叶片上同时存在的不同病虫害,对番茄叶片检测的mAP 0.5达到88.74%,比传统YOLOv8方法提升8.53%,且计算耗时没有明显增加。消融试验也充分证明所提各个模块的有效性,能够更好地实现高精度识别叶片病虫害,为农田智慧化管理提供有力支持和保障。

森林食叶害虫空间分布格局遥感定量反演研究

以Sentinel–2A多光谱影像为数据源,利用卷积神经网络模型提取的受害树种空间分布和多时相PROSAIL模型叶面积指数反演差值确定的失叶率耦合的虫口密度,定量获取长白山南麓虫害空间格局。结果表明:2018—2020年共7个时相LAI反演整体精度在88%以上;红松的适宜参考时相为2019年6月,预测与实测拟合R^(2)为0.82,其余树种及全样本2018年6月最佳;虫口密度与失叶率耦合采用线性函数,R^(2)为0.755;落叶松遭虫害面积6174 hm2最大,云杉受害面积比65.19%最大。虫害导致失叶率计算采用的参考时相为受灾前一年6月;虫口密度与失叶率呈线性关系;不同树种受灾空间格局不同,常绿树种重度灾害比例普遍高于落叶树种。

基于改进YOLOv8的小麦叶片病虫害检测轻量化模型

[目的/意义]针对小麦叶片病虫害在自然环境下形态和颜色特征较为复杂、区分度较低等特点,提出一种高质量高效的病虫害检测模型,即YOLOv8-SS (You Only Look Once Version 8-SS),为病虫害的预防与科学化治理提供准确的依据。[方法]基于YOLOv8算法,采用改进的轻量级卷积神经网络ShuffleNet V2作为主干网络提取图像特征即YOLOv8-S,在保持检测精度的同时,减少模型的参数数量和计算负载;在此基础上增加小目标检测层和注意力机制SEnet (Squeeze and Excitation Network),对YOLOv8-S进行改进,在不降低检测速度和不损失模型轻量化程度的情况下提高检测精度,提出YOLOv8-SS小麦叶片病虫害检测模型。[结果与讨论]YOLOv8-SS模型在实验数据集上的平均识别精度和检测准确率分别达89.41%和91.00%,对比原模型分别提高10.11%和7.42%。因此,本研究所提出的方法可显著提高农作物病虫害的检测鲁棒性,并增强模型对小目标图像特征的提取能力,从而高效准确地进行病虫害的检测和识别。[结论]本研究使用的方法具有广泛适用性,可应用于大规模农作物病虫害检测的实际场景中。

基于改进ResNet模型的番茄叶片病虫害识别

识别早期番茄叶片的病虫害是预防番茄病虫害、提升产量的关键步骤之一。基于改进ResNet50识别番茄叶片病虫害。根据不同病虫害类别创建5种不同番茄病虫害数据集,并采用数据增强方式对数据进行预处理。在原始模型ResNet50的基础上,通过在网络模型结构中添加SE注意力机制模块让模型能够更准确地识别待检测目标。此外为了减少模型的参数量,实现更加轻量化的模型,利用深度可分离卷积替换传统卷积。为了说明改进模型的有效性,分析改进后的模型在番茄叶片病虫害数据集上的性能,将其与传统卷积神经网络ResNet50、AlexNet、VGG16、GoogLeNet进行对比。实验结果表明,改进后的模型相较于原模型参数量降低了37.5%,准确率达到了97.4%,与原模型相比,其准确率提升了4.4%。综上所述,本模型实现了性能与参数量之间的良好平衡,为后续在实际环境中番茄叶片病虫害识别系统部署提供可能。

基于高光谱分析技术的桉树叶片黄化识别

桉树黄化病是一种较特殊的生理性病害,存在一定的突发性和随机性,及时发现并补充养分可大幅减少病害带来的损失。采集桉树黄化叶片、未发病叶片和正常叶片,采用高光谱仪测定不同叶片的光谱特征,基于偏最小二乘法判别分析(Partial Least Squares Discriminant Analysis,PLS-DA)和正交偏最小二乘法判别分析(Orthogonal Partial Least Squares Dis-criminant Analysis,OPLS-DA)方法,分别建立判别分析模型,对比模型判别效果。结果表明,不同叶片光谱反射曲线呈相同趋势,反射率差异明显,差异较大的波段主要为近红外波段800~1260、1400~1720和2000~2400 nm,受病害影响叶片的原始光谱反射率明显高于正常叶片;对数变换可在一定程度上减少光谱数据冗余量,突出差异;两种线性判别分析方法均能识别潜在黄化叶片,Log-OPLS-DA的判别效果更好,模型R2为0.91,RMSE为0.203。高光谱分析技术结合OPLS-DA对桉树黄化叶片具有一定的预测和识别潜力。

不同类型植保无人飞机施药作业对烟草植株的影响

为规范植保无人飞机防治烟草病虫害的技术应用,评估了植保无人飞机在烟草病虫害防治过程中对烟株的安全性,并筛选出适合烟株生长中后期飞防施药的植保无人飞机类型及飞行方式。本试验选用目前主流的9种不同类型的植保无人飞机,分析对比了9种植保无人飞机在烟草成熟期进行飞防作业时对烟草植株形态的影响。结果表明,烟草植株成熟期采用四旋翼植保无人飞机以4 m或3 m的飞行高度垂直于烟草种植垄作业对烟草的损伤较低。

GF-6与Sentinel-2A数据多层次优选的杨树食叶虫害信息提取研究

以天津市蓟州区于桥水库北部为研究区,选用高分六号(GF-6)全色数据和哨兵二号(Sentinel-2A)多光谱数据,通过对遥感数据的虫害敏感波段、融合波段和分类识别特征的3个层次优选处理,进而提高杨树食叶虫害遥感识别信息的准确度.遥感影像经过预处理后,首先根据光谱统计特征差值最大化方法,优选出虫害区识别敏感的特征波段;然后利用波段相关系数大小优选融合波段方案,进行高通滤波(high-pass filtering,HPF)融合和Gram-Schmidt(GS)融合处理;最后通过Relief算法对植被指数等19种特征进行优选,确定食叶虫害遥感识别的特征.结果表明:(1)经过敏感波段优选后的HPF+GS融合,Sentinel-2A数据的红边波段、近红外波段、短波红外波段受虫害胁迫区杨树林的反射率值有明显变化,在分类时特征贡献度提升明显;(2)经过HPF+GS组合融合处理后,融合后的影像细节信息突出,植被监测光谱红边敏感波段的空间分辨率明显提高;(3)经过多层次的特征优选处理后的分类精度明显提高.未经过优选处理遥感影像分类精度为83.15%,Kappa系数为0.6785;经过优选后影像的分类精度为90.64%,Kappa系数0.8116,表明进行多次特征优选处理能够较为有效地提取食叶虫害影像信息.

蒜茎叶基丙烯酸酯液体地膜的制备及抗虫性能研究

将蒜茎叶废弃物(GL)和丙烯酸酯单体通过乳液聚合的方法制备了具有抗虫功能的可喷涂的GL-丙烯酸酯液体地膜,GL在制备过程中被充分利用。研究了GL用量对于乳液黏度、可喷涂性、芯吸性(wicking)和成膜性的影响,并对GL-丙烯酸酯薄膜的力学性能、保水性和保温性进行评价。采用扫描电子显微镜(SEM)、红外光谱和热重分析技术对GL-丙烯酸酯薄膜的结构进行了表征,并且对GL-丙烯酸酯薄膜的生物降解性能和抗虫性能进行评价。实验结果表明,在GL与丙烯酸酯单体的质量比为0.5/10时,GL-丙烯酸酯乳液具有优异的成膜性和可喷涂性,GL-丙烯酸酯薄膜具有良好的力学性能,最小的土壤水分蒸发率(19.7%)和最好的土壤保温能力,可以提高28%小白菜种子发芽率,减少6%的叶片受损面积,降低20%的小菜蛾虫生存率。

利用改进MobileNet V2网络识别水稻叶片病虫害的方法

针对传统水稻叶片病虫害分类效率不高、精度低和模型占用空间过大等问题,改进MobileNet V2网络,并结合迁移学习策略对水稻叶片病虫害进行识别。实验以4种常见水稻叶片病虫害作为研究对象,利用注意力机制对MobileNet V2进行改进,通过修改模型残差结构引入通道注意力机制,并采用迁移学习策略对改进模型进行训练。实验表明,相比于原始模型,引入注意力机制并采用迁移学习的改进模型CAM_qianyi的准确率提升了0.82个百分点,达到了84.32%,其准确率也高于轻量化卷积神经网络ResNet18(82.54%)和未采用迁移学习的改进模型CAM(73.65%)。改进模型能准确提取水稻叶片病虫害特征,有效提高了识别效率和精度。

不同浓度华碘抗胁迫生态膜对免套袋苹果叶片和果实性状及栽培效果的影响

试验选用20%华碘抗胁迫生态膜,进行了乔化免套袋苹果应用不同浓度华碘抗胁迫生态膜病虫害防控效果对比试验。结果表明,20%华碘抗胁迫生态膜对苹果果面保护及果面着色与光能膜差别不大,但其病虫害防控力强,增强苹果树对病虫害的抗逆性、促进生长、提高苹果果实内在品质等作用表现得更加显著。但浓度过高时,在一定程度上影响了苹果叶片的光合作用和苹果果实外观品质,会使苹果失去商品性。

基于CBAM-YOLO v7的自然环境下棉叶病虫害识别方法

针对自然环境下棉花叶片病害检测难度大和人工设计特征提取器难以获取与棉叶病虫害相近特征表达的问题,提出一种改进的注意力机制YOLO v7算法(CBAM-YOLO v7)。该模型在YOLO v7模型基础上,在Backbone与Head中间增加注意力机制CBAM,并在Head部进行4倍下采样,然后将CBAM-YOLO v7模型用于棉叶病虫害识别,并与YOLO v5和YOLO v7进行对比试验。试验结果表明:蚜虫和正常叶片检测方面,YOLO v7可取得好的检测结果;CBAM-YOLO v7对黄萎病、棉盲蝽、红蜘蛛棉叶病虫害图像检测的准确率高于其他模型。CBAM-YOLO v7的mAP为85.5%,相较于YOLO v5提高21个百分点,相较于YOLO v7提高4.9个百分点;单幅图检测耗时为29.26 ms,可为棉叶病害在线监测提供理论基础。

基于改进DenseNet和迁移学习的荷叶病虫害识别模型

病虫害的发生将会严重影响莲藕品质与产量,开展病害诊断与识别对藕田病虫害及时对症对病诊治、提升莲藕生产质量与经济效益具有重要意义。该研究以荷叶病虫害高效、准确识别为目标,提出了一种基于改进DenseNet和迁移学习的荷叶病虫害识别模型。采用分支结构对模型的浅层特征提取模块进行改进,并在Dense Block与Transition Layer中引入Squeeze and Excitation注意力机制模块和锐化的余弦卷积,最后基于Plantvillage数据集进行迁移学习,实现了91.34%的识别准确率。该研究实现了对荷叶腐败病、病毒病、斜纹夜蛾、叶腐病、叶斑病的识别,并将改进后的模型推广应用于基于无人机图像的藕田病虫害检测,实现了病害分布可视化,可对莲藕病虫害的智能化防治提供有益指导。

The Biology of <i>Szelenyiopria talitae</i>(Hymenoptera: Diapriidae): Larval Parasitoid of the Leaf-Cutting Ant <i>Acromyrmex subterraneus</i>(Hymenoptera: Formicidae)

The biology of a koinobiont parasitoid of leaf-cutting ant larvae, Szelenyiopria talitae (Hymenoptera: Diapriidae), was studied from naturally infested Acromyrmex subterraneus (Hymenoptera: Formicidae) nests. Nests were collected in the field from the Atlantic rainforest biome in the state of Rio de Janeiro. A total of fifty-three nests were collected from 2015 to 2018. Parasitized nests were only found during the months of September and October. Approximately 22% of the nests collected over a four-year period were found to have been parasitized by S. talitae. The mean within-nest parasitism rate was 66.3%. This diapriid displayed both solitary (14%) and gregarious parasitism (86%), with up to a maximum of 12 parasitoids developing within a single host. Gregarious parasitism with two (29%) or three (21%) S. talitae per host was most frequently observed. There was a positive correlation between the number of parasitoids per host and host size (dry weight), indicating that S. talitae females oviposited a higher number of eggs in larger hosts. There was also a negative correlation between S. talitae pharate adult size and the number of parasitoids per host, which could have been caused by sibling competition for limited host resources. The high levels of parasitism seen here had a debilitating effect on the colonies. Acromyrmex subterraneus is a serious pest in Brazil, and these studies lay the foundation for understanding the impact of S. talitae on ant populations.

Insight to the Mode of Action of <i>Allium sativum</i>Leaf Agglutinin (ASAL) Expressing in T₃Rice Lines on Brown Planthopper

Brown planthopper, the sap sucking hemipteran pest, is one of the major contributors to the yield loss of rice through the world. To combat the situation researchers are interested identifying genes from plant origin having potentiality to develop hemipteran pest resistance. Interestingly, it was observed that rice plants expressing ASAL, a monocot mannose binding lectin, showed significant resistance to brown planthopper and green leafhopper. Additionally, antibiotic resistant marker gene free ASAL expressing rice lines were developed to overcome the biosafety issues. However, the basis behind the resistance against planthoppers is still not clearly understood. Ligand blot assay was performed with total BBMV protein from BPH and a ~56 kDa receptor protein was detected. LC MS/MS analysis revealed that the receptor protein is NADH quinone oxidoreductase (NQO), a key player in electron transport chain, insect defense response and male/female gametogenesis. Presumably interaction of ASAL with NQO may lead to toxicity and loss of fecundity among BPH feeding on ASAL expressing transgenic rice plants. These findings provide a stable scientific basis for considering these transgenic ASAL expressing rice plants as significant product for combating BPH attack associated yield loss of rice.

栓皮栎林分食叶害虫危害程度的立地影响因子分析

【目的】明确不同立地条件下栓皮栎纯林和栓皮栎-侧柏混交林食叶害虫危害的变化特征,为中国栎类林结构优化、食叶害虫生态调控及其可持续经营提供基础数据和理论支撑。【方法】以栓皮栎(Quercus variabilis Bl.)作为目标树种,通过比较分析不同立地条件(海拔、坡度、坡向、枯落物厚度和枯落物覆盖度)下栓皮栎纯林和栓皮栎-侧柏混交林食叶害虫危害程度的差异及分布情况,探究影响栓皮栎纯林和混交林食叶害虫发生的主要立地因子。【结果】(1)栓皮栎纯林和栓皮栎-侧柏混交林食叶害虫危害均随海拔、枯落物厚度和枯落物覆盖度的增加而显著增加,其叶片损失率均在海拔700~750 m处最高;枯落物厚度在4~6 cm时比0~2 cm分别显著增加了25.82%和57.98%;与枯落物盖度0~25%相比,在75%~100%时分别显著增加了52.28%和53.81%。(2)栓皮栎-侧柏混交林食叶害虫危害均高于栓皮栎纯林,其中混交林在海拔600~650 m和650~700 m、阴坡和阳坡及枯落物覆盖度75%~100%的叶片损失率均显著高于纯林。(3)多元逐步回归分析结果表明,海拔和枯落物覆盖度与栓皮栎纯林和栓皮栎-侧柏混交林食叶害虫危害程度密切相关,且海拔起主要作用,贡献率分别为24.8%和36.3%。【结论】海拔、坡向、枯落物厚度和枯落物覆盖度显著影响了栓皮栎食叶害虫危害程度,且混交林食叶害虫危害高于纯林,其中海拔是影响栓皮栎纯林和混交林食叶害虫危害的主要因素。

干旱胁迫对棉花上棉蚜种群增长影响的评价方法

为建立干旱胁迫对棉花害虫种群增长影响的评价方法,本研究设置1%、3%和5%聚乙二醇6000(PEG-6000)溶液处理4叶期棉花苗,分别模拟轻度、中度、重度干旱胁迫,系统测定并比较分析了棉花植株生理特性及棉蚜种群密度。结果显示:随着PEG-6000浓度增加,棉花地上部分生物量和叶片相对含水量逐渐降低,而棉花植株上的棉蚜种群增长能力和平均密度明显下降。分析表明,干旱胁迫不利于棉花植株生长,进而对棉蚜种群增长产生负面影响。本研究为后续系统研究干旱胁迫对棉花-害虫-天敌互作关系的长期影响及其机制奠定了重要基础。

应用无人机多光谱遥感对栎类食叶虫害危害程度的监测

为了探讨无人机多光谱遥感在森林病虫害危害程度的监测效果,以河南省鲁山县王沟林区的栎类树种为研究对象,将栎类虫害危害程度分为4个等级(正常、轻度、中度、重度),按照危害等级设置样本点。使用4旋翼无人机(搭载5波段镜头)获取研究样地的多光谱遥感影像,在R 4.1.3平台进行方差分析,从不同等级样点的13个植被指数中筛选出差异显著的植被指数作为特征参数,分别采用最大似然法(MLC)、面向对象多尺度分割法(eCognition)、随机森林(RF)、支持向量机(SVM)构建分类模型并检验精度。结果表明:最大似然法、多尺度分割法、支持向量机、随机森林等分类方法的总体精度分别为77.0%、82.8%、86.2%、90.8%,Kappa系数分别为为0.693、0.770、0.816、0.877,随机森林模型分类效果最佳,能够满足对栎类虫害危害程度进行准确监测。

基于坐标注意力机制和残差网络的水稻叶片病虫害识别

【目的】针对在自然条件下水稻叶片病虫害的识别效率不高、准确率较低的问题,探索基于ResNet深度学习网络的水稻叶片病虫害识别模型(ResNet50-CA)。【方法】在ResNet-50的残差卷积模块下引入坐标注意力机制(CA),采用LeakyReLU激活函数替代ReLU激活函数,使用3个3×3的卷积核替换ResNet-50模型首层卷积层中的7×7卷积核。【结果】在使用传统卷积神经网络进行水稻叶片病虫害研究发现,ResNet-50能够较好地平衡识别准确率和模型复杂度之间的关系,因此选择在ResNet-50网络模型的基础上加以改进。使用改进后的网络通过微调参数进行水稻叶片病虫害对比性能试验,研究发现在批量样本数为16和学习率为0.0001时,ResNet50-CA获得最高的识别准确率(99.21%),优于传统的深度学习算法。【结论】改进后的网络能够提取出水稻病虫害更加细微的特征信息,从而取得更高的识别准确率,为水稻叶片病虫害识别提供新思路和方法。

内蒙古贺兰山青海云杉枝梢和叶部害虫种类及识别

内蒙古贺兰山国家级自然保护区是自然景观和人文景观融为一体的旅游胜地。多年来青海云杉Picea crassifolia虫害大面积发生。采用踏查和详查相结合调查青海云杉枝梢和叶部害虫种类和危害情况。结果表明:危害青海云杉枝梢和叶部的害虫共有10种,隶属6科3目,其中危害严重的为烟翅腮扁蜂Cephalcia infumata、云杉异色卷蛾Choristoneura diversana、云杉梢斑螟Dioryctria schutzeella、云杉大灰象Sympiezomias velatus。编制检索表并提出防治建议。

皖江流域水稻关键虫害发生动态区域监测

研究团队对皖江流域的主要虫害进行了长期实时监测,设立了固定的田间监测点(每个城市水稻主产区2个点,共计12点),辐射皖江流域绝大部分水稻生产区域。在此基础上,系统分析了各类水稻虫害的发生情况与危害程度。结果表明:当前皖江流域主要的水稻虫害为稻纵卷叶螟,其发生范围广,对水稻危害较大,主要发生区域为铜陵市、芜湖市、宣城市、马鞍山市;二化螟呈局部发生状态,同时个别地区的二化螟出现较强的抗药性,需要高度重视。目前,稻纵卷叶螟在江苏水稻种植区的发生程度正逐渐加重,呈现局部暴发的趋势,加上稻纵卷叶螟具有迁飞性,需要各个区域联防联控。因此,本研究结果对长江中下游流域水稻主要虫害的区域综合防治具有指导意义。