共查询到19条相似文献,搜索用时 296 毫秒
1.
叶表观症状是农作物对大气污染物最直接的环境响应特征,可用作大气中污染物的植物指示和损害程度确定。本文梳理了5种典型大气污染物对农作物叶表观伤害症状的特征和差异,提出通过农作物叶表观症状识别致害污染物的想法和思路、具体的鉴别鉴定技术以及利用叶表观症状识别技术进行识别的工作程序,并在广西田东县某村芒果受损典型鉴定案例中进行了实践应用。研究表明,叶表观症状识别技术具有快速、有效辨识特征污染物,缩小线索摸排范围,锁定污染源等优点,是一种直观、便捷、易操作、成本低、实用性强的污染损害识别技术,可为非专业人士、行政执法人员快速发现、锁定致害源提供技术支撑。 相似文献
2.
《农业与技术》2020,(19)
随着精准农业的发展,对农作物病害进行快速准确地识别是提高农作物产量、推动农业现代化的重要手段。传统的作物病害识别技术存在一定局限性,依赖人工提取特征,图像分割难度较大,特别在复杂环境下的识别效果不佳。而随着深度学习中卷积神经网络(Convolutional Neural Network,下文简称CNN)在图像识别领域上的不俗表现,不少研究人员将CNN应用于农作物的病害识别。研究表明,基于CNN的深度学习方法是目前对农作物病害分类识别最先进、最有效的方法。本文将阐述传统病害识别技术的原理和缺陷,并详细介绍了CNN技术原理及其在农作物病害识别中的应用案例,基于CNN的农作物病害识别在未来发展和应用上提出几点展望。 相似文献
3.
基于颜色特征进行农作物图像分类识别的应用研究综述 总被引:4,自引:1,他引:4
利用农作物自身的特征对农作物图像进行分类识别是计算机视觉技术在农业自动化应用中的重要前提条件。本文首先探讨了基于颜色特征的两种图像分类识别方法:统计直方图法和颜色参量的统计特征法,并分析比较了两类方法的特点,试图为以农作物颜色为特征的图像分类识别应用提供思路。最后综述了从分析农作物外在的颜色特征进行农作物图像分类识别的国内外最新研究方法和成果,以促进计算机视觉技术在我国农业领域的应用和发展。 相似文献
4.
农作物病害是严重影响农业生产的关键因素之一。近年来,深度学习技术迅速发展,其在农作物叶部病害检测和识别领域的应用逐渐受到关注。本文对基于深度学习的农作物病害识别方法进行总结,分析了该技术在农作物病害识别中的应用,从田间环境、成本和数据量等方面入手探讨其需要解决的一些问题,并对其发展进行了展望,为今后农作物病害识别的深入研究与发展提供参考。 相似文献
5.
正为了更好的对生物技术对农作物病虫害的情况进行研究,对农作物应用生物制剂,来进行病虫害的防治,将取得不菲成绩。生物防治技术有望取代农药化肥对农作物的损害作用,而且也能够减少对土壤的破坏作用,使农业环境向健康绿色方向上发展。这种生物制剂防治病虫害,不仅可以增加农作物的安全性,也能够减少对环境的污染,可谓一举两得。1生物技术在植物病虫害防治上的应用1.1生物技术定义生物技术是应用生物学、化学和工程学的基本原理,利用 相似文献
6.
7.
李作山 《山东农业大学学报(自然科学版)》2023,(6):880-886
机器视觉技术可以实现农业作物的干旱胁迫状态的快速分析和有效识别,实现农业活动的自动化管理。本文基于机器视觉技术在黑龙江省绥化市开展玉米干旱胁迫识别的田间试验,选取色彩特征和纹理特征作为识别玉米干旱胁迫识别指标,采用两段式梯度增强决策树作为分类器进行玉米作物图片识别,并与其他机器算法结果进行比较。结果发现,本试验选择的两阶段玉米干旱胁迫识别模型在干旱胁迫分类准确率和干旱胁迫识别准确率方面表现优异,其干旱胁迫识别结果优于其他机器算法模型。 相似文献
8.
9.
基于深度学习的农作物病害图像识别技术进展 总被引:5,自引:0,他引:5
农作物病害的无损检测和早期识别是精准农业和生态农业发展的关键。随着图像采集和图像处理技术的进步,高光谱成像等先进成像探测技术和基于深度学习的图像分析技术越来越多地应用于农作物病虫害的无损检测中。本文首先简单介绍了以深度学习为代表的图像识别技术的基本原理,然后系统地阐述了基于深度学习的先进成像技术和先进图像识别分析技术在农作物病害检测识别中的国内外研究现状,分析了其在农作物病害检测识别上存在的优缺点,如具有快速、准确率高等优点以及数据量过大处理不便等缺点,并进一步指出,利用高光谱成像和热红外成像与深度学习相结合,将成为今后研究农作物病虫害早期检测的主要发展方向。 相似文献
11.
12.
为实现油菜作物模型的可视化研究,给油菜作物的数字化管理提供数据基础,以感染虫害的苗期油菜为研究对象,采用MVS序列图像技术,搭建MVS技术的序列图像采集平台。根据SFM和PMVS算法获得虫害油菜的稀疏点云数据和稠密点云数据,同时,探索序列图像数量对于特征点匹配的影响。对MVS序列图像技术获得的虫害油菜三维点云数据,采用滤波、精简、Alpha-Shape曲面重建等处理,得到虫害油菜的三维形态曲面模型。结果显示,使用图像数目多和8邻域匹配两者相结合的方法可以又快又好地匹配图像特征点;在获得合适的Alpha值情况下,Alpha-Shape算法可以真实形象地表现出虫害油菜的生长状态。 相似文献
13.
因果关系鉴定是推进生态环境损害赔偿制度落实落地的重要抓手,是农用地土壤污染责任人认定的环节。本研究通过分析支撑技术的适用性、鉴定实践对支撑技术的需求以及农业环境损害的特殊性,剖析了农业环境损害因果关系鉴定的难点和破解路径,并提出了建议。农业受体损害常与病虫害、气候气象条件、田间管理等因素及污染因素交织在一起,因果关系鉴定既要对不同因素进行区分,又要受制于可获取的鉴定材料。污染溯源等技术方法只有与特定案件能够获取的鉴定材料相契合,排除非污染因素及相似污染源,才能在个案鉴定中发挥作用。开展图谱和数据库研究,遵循因果关系判定准则,采取调查与技术相结合的方式,是破解因果关系“鉴定难、鉴定贵”的有效方法。 相似文献
14.
面向移动终端的农业害虫图像智能识别系统的研究与开发 总被引:1,自引:0,他引:1
【目的】农作物田间害虫种类繁多,存在种间相似和种内差异的现象,容易混淆。本研究开发一个面向移动终端的农业害虫图像智能识别系统,为广大农户和基层测报人员提供一个便捷准确的农业害虫智能识别工具。【方法】农业害虫图像智能识别系统包括装有系统APP的移动客户端、服务器和基于深度学习的农业害虫识别模型。APP是在Android环境下开发的,可安装于Android系统的移动设备中。APP包括登录模块、害虫信息查询模块、害虫智能识别模块、害虫地图标记模块和害虫专家远程鉴定模块,UI界面采用底部导航栏形式。移动终端与服务器间的信息交互采用HTTP协议,害虫采集地信息显示使用百度的Android地图SDK来实现,用户和害虫信息使用MySQL数据库进行保存。在相同训练集和测试集条件下,比较了不同深度卷积神经网络模型,筛选出基于DenseNet121的农业害虫识别模型具有最高的精准度和最低的虚警率。农业害虫识别模型的程序部署在阿里云远程服务器上,当服务器端接收到移动客户端上传的害虫图像时,运行害虫识别模型,识别结果通过服务器反馈给客户端,同时将上传的图像和识别结果保存在数据库中,便于害虫图像的追溯。【结果】当用户在农田遇到不认识的害虫时,可通过装有该系统APP的移动设备(如手机或平板)拍摄害虫图像,并上传到服务器,识别结果和害虫防治信息在1—2 s内反馈至用户移动终端的屏幕上,对识别结果不满意还可远程请求专家鉴定。该系统对66种常见农业害虫图像平均识别率为93.9%,平均虚警率为8.2%。【结论】面向移动终端的农业害虫图像智能识别系统实现了66种常见农业害虫信息查询、自动识别,害虫采集地的地图显示和专家远程鉴定等功能。为农民和基层测报人员提供了一个农业害虫便捷准确的自动识别工具,无需专家到田间即可实现了用户“一对一”的防治指导,大大节省了经济和时间成本。 相似文献
15.
农作物病虫害监测是有害生物综合防治必不可少的环节之一。本文首先在阐述高光谱遥感监测农作物病虫害原理的基础上,对高光谱遥感技术近年来在农业病虫害防治中的应用进行了归纳总结,按主要大宗作物种类进行分类,体现了高光谱遥感在植保领域中广阔的应用前景。最后,对该技术在农业病虫害领域的应用前景进行了展望。 相似文献
16.
17.
18.
19.
GIS在温室大棚生产管理体系中的应用构想 总被引:2,自引:1,他引:2
日光温室大棚是充分利用太阳能在冬季种反季节蔬菜的高效农业设施。大棚要提高农作物的产量和质量,就需要及时了解农作物自身及其周围的各种环境参数(如外界温度、湿度等),利用外界传感器获取实时数据,综合运用计算机技术、网络和通讯技术、数据库技术、GIS技术、组件技术等先进的现代化信息技术手段,并与自动化的农业技术有机结合,共同构建集农业信息采集、传输、存储、管理以及分析应用于一体的准确、高效、快速、全面、规范的农业决策支持系统。在相关自动控制装置的控制下对大棚作物进行浇水灌溉、施肥、通风、卷放帘等操作。用户根据这些参数则可以对作物成长的近况有所了解,从而及时应对所出现的紧急状况;另一方面,可通过对实时数据进行专家系统分析,对农作物的生产产量做出预测及评估,对农作物的病虫害情况等做出实时监测,并通过专家系统的分析做出处理方案,以供管理人员决策参考。 相似文献