共查询到20条相似文献，搜索用时 15 毫秒
1.
病虫害影响水稻质量和产量，快速、准确地检测出水稻病虫害有利于及时防治。针对传统图像识别方法存在特征提取繁琐、识别率低以及对田间环境下的作物病虫害识别困难等问题，本文提出一种以DenseNet121为基础网络，结合迁移学习与坐标注意力机制的水稻病虫害识别模型。该模型引入坐标注意力学习图像特征的通道间关系和空间位置的重要性以增强模型的特征提取能力，采用迁移学习策略训练模型以缓解模型在小数据集上的过拟合现象、减小计算资源以及提升模型的识别性能。利用从田间复杂环境收集的水稻病虫害数据集，对该模型与ResNet50、Xception、InceptionV3、InceptionResNetV2及原DenseNet121等卷积神经网络模型的识别效果进行比较，结果表明，该模型能有效识别出水稻常见8种病虫害和健康植株，识别准确率达到98.95%,模型参数量仅为7.23 M,识别效果优于其他模型。这可为田间环境下的其他作物病虫害识别提供参考。 相似文献
2.
【目的】水稻病虫害是引起水稻减产的重要因素。准确地识别水稻病虫害类型,及
时采取有效的针对性预防措施,有助于避免因水稻减产带来的经济损失。然而,聚焦于人
脸和花草等常见事物的识别技术,在农业领域特别是水稻病虫害识别领域应用较少,而
目前已有的水稻病虫害识别研究存在数据量小和数据种类不够丰富等问题。【方法】文
章搜集了2.0372 万张水稻病虫害图片,并以此构建了完整的水稻病虫害识别数据集,基
于迁移学习的思想,在ResNet50 的预训练模型基础上构建了一个针对16 种主要水稻病
虫害识别的深度模型。同时,考虑实际应用的需要,搜集了9 928 张其他图片（包括人
像、汽车等）,结合9 675 张水稻病虫害图片,构建了一个二分类数据过滤模型,以此来
避免非水稻病虫害图片被识别为某一类病虫害的不合理结果。【结果】有预训练模型验
证结果的top-1 准确率达到了95.23%,F1 系数为77.83%,相较无预训练模型top-1 准确
率提升了24.51%,F1 系数提升了56.66%。数据过滤模型的过滤准确度达到了99.60%。
【结论】基于迁移学习的水稻病虫害识别模型,使水稻病虫害识别结果更加准确。非水稻病
虫害过滤模型,有效地解决了实际应用中非水稻病虫害图片被错分为某一类水稻病虫害的
问题。 相似文献
3.
水稻是我国主要粮食作物,水稻年产量直接影响农业经济发展。随着市场对水稻产量需求的增加,水稻种植面积也在增加,但是影响水稻产量的因素比较多,病虫害是影响水稻产量的关键因素。本文主要分析水稻病虫害的种类及病虫害识别,并从综合角度来探讨病虫害的防治方法,以提高水稻产量。 相似文献
4.
水稻是宁夏的主要农作物之一,其病虫害的种类相对较多,正确识别病虫害可给防治工作提供依据,确保对症下药。基于此,对宁夏地区水稻主要病虫害的识别进行分析,并在此基础上提出宁夏地区水稻病虫害的防治措施,以期能对宁夏地区水稻产量的提升有所帮助。 相似文献
5.
6.
目的 水稻产量关乎全人类的粮食安全,如何有效地预防和高效地检测水稻病虫害是智慧农业领域的重要课题。深度学习由于具备自主学习图像特征等优异性能,成为水稻病虫害识别的首选方法。但在自然环境下,数据集偏小,且容易受到复杂背景的影响,在训练过程中容易产生过拟合,以及细微特征难以提取等问题。本研究致力于解决上述问题。方法 提出一种基于改进ResNet的多尺度双分支结构的水稻病虫害识别模型(MSDB-ResNet)。在ResNet模型的基础上,引入ConvNeXt残差块,以优化残差块的计算比例,构建双分支结构,通过调整每条分支的卷积核大小,提取输入病害图像中大小不同的病害特征。针对现实环境复杂、数据集太小、过拟合等问题,利用从自然环境拍摄到的5932张水稻病虫害图像,使用随机亮度、运动模糊等数据预处理方法,以及镜像、裁剪、缩放等数据增强方法,将数据集扩充到20000张,训练MSDB-ResNet模型识别4种常见的水稻病害。结果 MSDB-ResNet在水稻病虫害数据集上具有良好的识别性能,识别准确率高达99.10%,较原ResNet 模型提高了2.42个百分点,明显优于AlexNet、VGG、DenseNet和ResNet等经典网络。该模型具有良好的泛化能力和极强的鲁棒性。结论 MSDB-ResNet模型在水稻病虫害识别中具有一定的可行性和先进性,可为实现复杂背景下的水稻病虫害识别提供参考。 相似文献
7.
水稻是我国重要的粮食作物之一,影响水稻产量和质量的因素有很多,其中水稻病虫害对于水稻产量和质量的影响最大。本文主要介绍了水稻常见病虫害的识别和防治,希望对种植水稻的农户有所帮助。 相似文献
8.
9.
10.
为了探索提高南丹县水稻病虫害防治的有效途径,从该县目前农民群众对病虫害识别能力低、用药不科学、病虫防控信息不畅等方面所存在的问题进行了剖析,并有针对性的提出了通过加强病虫害防治技术培训、规范用药、对症下药、加强病虫测报网点的建设与病虫害预报、建立机防队统一防治等有效措施,来提高当地水稻病虫害的防治效果,保障该县水稻的高产稳产。 相似文献
11.
【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0.000 1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。 相似文献
12.
13.
14.
15.
水稻去壳即为大米,是重要的粮食作物。世界上一半以上的人以大米为主食,因此水稻在我国乃至很多国家都得到大面积种植。在我国水稻的种植面积也非常广泛,其中东北地区和长江流域是我国水稻的主产区,水稻产量和质量的高低关乎我国粮食产量的大局,本文主要总结了水稻常见病虫害的识别与防治技术,希望在保证水稻产量及质量方面起到积极作用。 相似文献
16.
17.
正水稻是黑龙江省主要粮食作物之一,每年给当地农业和农民带来不小的经济效益。但水稻病虫害对水稻产量和质量会产生不良影响,给种植户带来一定的经济损失。所以,识别和防治水稻常见病虫害,是创造水稻优质、高产、高效的重要环节,进而提高经济收益。1.水稻常见病害的识别与防治1.1水稻纹枯病水稻纹枯病也被叫做水稻云纹病,是一种水稻常见的病害。水稻纹枯病发生范围比较广,我国不少地区的水稻都会受到这种病害的影响。纹枯病与温度 相似文献
18.
水稻是人们经常使用的粮食之一,在世界粮食中占有重要地位。尤其北方的大米,深受各地的好评。北方地理条件优越,适合种植水稻,产量高,质量好。但光靠优越的地理条件不足以保证水稻的高产丰收,要想获得优质高产,必须把控好病虫害防治。本文总结了水稻常见病虫害的识别与防治,仅供广大种植农户借鉴参考。 相似文献
19.
<正>水稻是我国重要的粮食作物。在黑龙江地区,这种作为被列为三大经济型作物的行列,水稻种植活动使黑龙江地区的农业经济呈现出快速增长的状态,但是在水稻的种植环节之中经常发生一些病虫害,严重地影响了水稻的常规产量,近年来病虫害已成为水稻种植中重要的影响因素。只有将其进行有效防治,才能保证水稻的总体种植质量。本文针对水稻病虫害症状识别及防治措施进行分析探讨。一、水稻常见病害及防治1、水稻纹枯病 相似文献
20.
基于知识图谱的水稻病虫害智能诊断系统 总被引：2，自引：1，他引：1
目的 利用知识图谱对水稻病虫害领域复杂的异构数据信息进行结构化存储,建立病虫害间语义关系,为水稻病虫害关联检索及智能诊断提供理论依据。方法 首先提出一种面向水稻病虫害的知识图谱构建方法和基于图的水稻病虫害检索算法,通过引入节气实体实现水稻病虫害的预警。其次提出基于确定性因子(Certainty factor,CF)模型和知识图谱相结合的知识推理方法,利用CF与水稻病株症状的结合实现水稻病虫害的诊断。结果 利用命名实体识别模型,得出病、虫害名称及危害症状实体的准确率分别为0.92、0.90及0.87,进一步构建包括1 972个实体及5 226个实体关系的垂直领域知识图谱。通过自主开发的智能诊断系统进行案例分析,试验表明,诊断算法正确率达到86.25%。结论 该系统有效地解决了水稻病虫害领域数据检索、预警与诊断中知识的复杂性及不确定性的问题,有较强的实用价值和推广前景。 相似文献