共查询到19条相似文献,搜索用时 156 毫秒
1.
20世纪60年代末期,害虫防治的基本方针有了改变,提出了害虫综合治理。农田害虫的防治都循照了这一新方针,但是粮食害虫的防治如何应用害虫综合治理的原则,是一个值得讨论的问题。因为粮仓害虫的情况与农田害虫的情况并不完全相同,因此就是要应用“害虫综合治理”的原则与方法,也必然有其特点。基于此,本文提出了害虫的综合治理,以及粮仓害虫防治的具体要求,以期能够为粮食害虫的综合治理提供帮助。 相似文献
2.
基于农业技术与信息化技术的不断发展与融合,针对当前河北省农作物害虫识别准确率和效率低等问题,提出了一种基于Asp.NET Core MVC架构的残差神经网络害虫图像识别系统。该系统首先通过移动采集终端和网络图片爬虫收集目标分类图片信息,再使用数据增强技术扩充样本库,得到神经网络训练模型的数据集;然后通过搭建机器学习框架,分别引入ResNet-50、ResNet-101、ResNet-152残差网络模型,对数据集执行训练并验证其准确度;最后将准确度最高的训练结果模型运用至农作物害虫分类服务系统。经验证,该识别模型具有良好的适用性和鲁棒性,可为河北省主要农作物虫害提供识别及诊断功能。 相似文献
3.
采用模糊形态学的大田害虫图像分割 总被引:2,自引:0,他引:2
介绍了基于机器视觉的大田害虫智能检测系统.文章通过对获取的大田害虫原始图像采用模糊形态学进行分割,将害虫从背景中分割出来,以提取出的周长、不变矩等特征,运用神经网络分类器对常见的9类害虫进行分类.试验验证了该系统的可行性,表明该方法分割速度快,容错性好,能够正确分割有噪声的大田害虫图像. 相似文献
4.
5.
6.
随着农业现代化进程在全国各地的推进,东北农业经济正在快速地发展,众多先进的科学技术如大数据、物联网、移动互联、人工智能等被应用到东北农业生产中,并且逐步深入细化。在农业种植领域,东北寒地玉米害虫的识别与虫害的预防一直是专家学者们研究的重要课题。东北地区位于温带季风气候区,夏季温热短促多雨;冬季寒冷漫长干燥,因此东北寒地玉米作物虫害有其独特的特征,常见的害虫有玉米黏虫、玉米螟、草地贪夜蛾、双斑玉萤叶甲等。本研究基于机器视觉和卷积神经网络的东北寒地玉米害虫识别方法进行研究,通过图像采集的预置采集点、巡航周期等实现定点、定时获取大量采集数据,将机器视觉识别、卷积神经网络模型测试放到采集前端,降低无效图像带宽占用,优化了网络资源;通过对卷积神经网络进行海量的东北寒地玉米害虫图像训练,实现从训练集到测试集的转化,建立起东北寒地玉米害虫识别的网络模型。基于机器视觉和卷积神经网络的东北寒地玉米害虫识别方法研究具有很高的应用价值,在监测植物生长状态的同时,能够精准、及时、实时地智能识别玉米害虫,做好东北寒地玉米虫害预警及应对措施,降低作物种植生产风险、提升生产效率,对东北农业智能化、持续化、梯度化发展起到了非常重要的作用。 相似文献
7.
基于Faster-RCNN的花生害虫图像识别研究 总被引:1,自引:0,他引:1
为实现花生害虫图像的准确分类,共收集花生主要害虫图片2 038张,针对目前在基于Faster-RCNN的图像识别领域较为成熟的VGG-16和ResNet-50这2种网络模型进行对比研究,并针对ResNet-50模型参数进行调整,提出了基于学习率、训练集和测试集以及验证集的比例选择、迭代次数等参数改进的ResNet-50卷积神经网络的模型。结果表明:该模型可以准确高效地提取出花生主要害虫的多层特征图像,在平均识别率上,经过改进的ResNet-50网络模型在识别花生害虫图像上优于ResNet-50原始网络模型。该模型可以准确地分类花生主要害虫图像,可在常规情况下实现花生害虫的图像识别。 相似文献
8.
9.
李尤丰 《金陵科技学院学报》2022,(1):26-31
为提高卷积神经网络的图像分类性能,通过图像数据集CIFAR-10的数据实验,验证了数据集、隐藏神经元数目和训练方法等优化因素对卷积神经网络的分类准确度、运行时间和网络参数量的影响,从而为有效提高卷积神经网络图像分类性能的研究提供了参考. 相似文献
10.
11.
12.
提出了基于自组织特征映射(SOM)神经网络的害虫分类方法:该方法能将任意维输入模式在输出层映射成一维或二维离散图形,并保持其拓扑结构不变,而且无需监督,可实现对输入模式自动分类。分析了SOM网络基本工作原理,并将之用于害虫分类模型的建立中。结果表明,该方法能有效地对害虫进行分类,比BP神经网络分类精确度高、分类结果的可解释性更好。 相似文献
13.
14.
[目的]研究基于ACO-SVM的粮虫特征提取,探讨粮虫特征提取的可行性。[方法]通过分析储粮害虫图像识别系统中的1个关键环节——特征提取,提出把支持向量机(Support vector machine,简称SVM)算法中交叉验证训练模型的识别率作为储粮害虫特征提取评价准则的1个重要因子,将蚁群优化算法(Ant Colony Optimization,简称ACO)应用于粮虫特征的自动提取。[结果]该算法从粮虫的17维形态学特征中自动提取出面积、周长等7个特征的最优特征子空间,采用参数优化之后的SVM分类器对90个粮虫样本进行分类,识别率达到95%以上。[结论]该研究表明蚁群优化算法在粮虫特征提取中的应用是可行的。 相似文献
15.
建立支持向量机(SVM)模型,用遗传算法自动选择最优的核函数参数,利用该SVM与遗传算法相结合的新型算法对储粮害虫图像进行分类识别。结果表明,该方法所确定的SVM对储粮害虫具有较优的识别率,其整体性能优良。 相似文献
16.
[目的]研究基于ACO-SVM的粮虫特征提取,探讨粮虫特征提取的可行性。[方法]通过分析储粮害虫图像识别系统中的1个关键环节——特征提取,提出把支持向量机(Support vector machine,简称SVM)算法中交叉验证训练模型的识别率作为储粮害虫特征提取评价准则的1个重要因子,将蚁群优化算法(Ant Colony Optimization,简称ACO)应用于粮虫特征的自动提取。[结果]该算法从粮虫的17维形态学特征中自动提取出面积、周长等7个特征的最优特征子空间,采用参数优化之后的SVM分类器对90个粮虫样本进行分类,识别率达到95%以上。[结论]该研究表明蚁群优化算法在粮虫特征提取中的应用是可行的。 相似文献
17.
18.
19.
本文主要利用神经网络理论,基于MATLAB的神经网络工具箱建立了虫害发生量预报预测的BP神经网络预测系统,确定了发生量与自然因素之间的联系。并通过对安徽省庐江县田间水稻病情的预测来检验模型的效果。实验结果证明了该模型用于虫情预测的可行性,具有很好的应用价值。 相似文献