共查询到20条相似文献，搜索用时 312 毫秒
1.
2.
0前言
在寒地水稻生产中,水稻病害已成为限制水稻品质、产量提高的重要瓶颈之一.长期使用单一化学药剂防治水稻病害,使其病原菌生理小种不断改变,传统的药剂对水稻病害的防效在不断降低,为明确不同药剂对水稻病害的防治效果,为此进行了田间药效试验. 相似文献
3.
4.
《云南农业大学学报(自然科学版)》2019,(5)
【目的】针对传统水稻病害识别技术对图像特定特征依赖性强、识别效率低等问题,提出将深度学习理论应用到水稻病害识别中,以期取得较好的识别效果。【方法】通过使用深度卷积网络建立水稻病害识别模型,对水稻3种主要病害数据进行了归一化处理,采用深度学习框架Keras进行深度CNN训练。通过设置不同的卷积核尺寸和池化函数,对水稻3种常见病害进行分类识别研究。【结果】卷积核尺寸采用9×9和池化函数采用最大池化构建的模型识别率最高;模型经过5次迭代,其识别准确率就能达到90%以上;当迭代6次时,图像趋于稳定,模型基本达到收敛;从模型性能分析看,损失函数呈梯度下降趋势,变化相对平稳,预测损失偏差逐步减少。【结论】该模型具有泛化能力较强、准确率较高、鲁棒性较好及损失率较小等特点,这为植物病害的识别研究提供了参考和借鉴。 相似文献
5.
快速高效地识别水稻病害的种类并及时采取有效的防治措施对避免水稻减产具有重要意义，为解决人工识别水稻病害效率低、识别精度不高、深度学习样本不平衡导致识别准确率不高等问题，融合Focal Loss与4种典型卷积神经网络结构对7种水稻病害进行分类识别。利用TensorFlow的Keras深度学习框架搭建卷积神经网络的图像识别分类系统，使用Focal Loss损失函数解决数据集不平衡导致识别准确率低的问题，采用ResNet50、ResNet101、MobileNetV2、VGG16作为特征提取骨干，对7种水稻病害进行识别。通过imgaug库增强数据，将13 543张水稻病害图像按照9∶1的比例划分为训练集和验证集并参与训练模型，将1 404张水稻病害图像作为测试集来验证模型的准确性。结果表明，所搭建的数据集中ResNet50、ResNet101、MobileNetV2、VGG16的识别准确率分别为98.06%、94.26%、92.47%、97.83%。可见，在融合Focal Loss损失函数的情况下，ResNet50作为特征提取骨干训练出的模型在水稻病害图像分类中拥有最高的准确率，该成果可在实... 相似文献
6.
7.
基于PCA和Whitening算法的水稻病害图像预处理研究 总被引：1，自引：0，他引：1
水稻病害图像预处理在使用机器视觉技术对水稻病害智能诊断识别中至关重要。预处理效果直接影响水稻病害识别准确率。提出一种新的基于PCA和Whitening融合算法的水稻病害图像预处理方法。实验获取了水稻病害彩色图像和灰度图像的训练样本和测试样本,对获取的样本应用PCA降维,然后对降维后的样本随机取样,应用Whitening算法得到了相应的训练特征和测试特征。实验表明,该融合算法增强了预处理后的水稻病害图像样本对光照及亮度的鲁棒性,可有效提高病害识别准确率。 相似文献
8.
培育壮秧是水稻丰产的基础，然而由于北方高寒地区早春气温变化大，水稻幼苗期容易遭受寒潮侵袭，引起水稻各种生理性病害，影响育苗效果。北方寒地水稻幼苗期生理性病害主要是由低温引起，本文对北方高寒地区水稻幼苗期常见的生理性病害症状、发生原因及预防措施做一简要介绍。 相似文献
9.
水稻赤枯病是南方水稻产区常见的生理性病害之一,但近两年该病在北方寒地水稻栽培中逐渐流行起来,对北方寒地水稻的生产构成了一定的威胁。笔者就北方水稻赤枯病发生类型和发生原因进行了研究,并提出了相应的综合防治措施。 相似文献
10.
近年来,在寒地水稻生产中,水稻病害的的发生面积不断扩大,病田率及病株率不断上升,严重影响水稻的产量和品质,已成为黑龙江省水稻生产的障碍,为明确20％乙蒜素对水稻病害的防治效果,为此进行了田间药效试验. 相似文献
11.
基于计算机视觉的水稻叶部病害识别研究 总被引：13，自引：1，他引：12
【目的】文章重点分析了病健交界特征参数、病害识别流程对提高病害识别准确率的影响。实现水稻叶部15种主要病害的准确识别,尤其是相似病害的判断。【方法】（1）病斑图像获取：水稻叶部病害图像来源包括水稻大田、病害图册和病害数据库,文中选用改进的mean shift图像分割算法提取病叶图像中的病斑并根据相关方程获取病斑特征信息。（2）特征参数的选择与设计：首先选取一至三阶颜色矩和颜色直方图作为病害的颜色特征参数,选取球状性、偏心率和不变矩作为病斑的形状特征参数,选取角二阶矩、对比度和相关作为病斑的纹理特征参数;然后针对相似病斑误报率高的问题提出一种病健交界特征参数,通过病斑内部、边缘和外围颜色上的差异描述该特征,并根据3个区域相互间归一化颜色直方图的欧氏距离计算该项特征参数,该参数可以用于描述病斑与健康部分交界处的特征。（3）病害识别流程的设计：根据病害在颜色、形状、纹理、病健交界4个特征上差异的显著程度设计完成病害识别流程,流程中首先通过颜色特征识别病害,对于通过颜色特征无法识别的病害再通过形态特征识别,倘若形态特征依然无法识别则通过纹理和病健交界特征进行最终识别。（4）病害识别模型的建立：将病害数据分成两部分,一部分用于建立模型,另一部分用于模型的验证;利用LibSVM程序包完成建模,其中svmtrain函数用于建立支持向量机模型,Grid程序用于优化参数,svmpredict函数用于对模型进行验证。【结果】15种水稻叶部病斑可以从复杂的背景中分割出来,并可快速准确的被识别,平均识别准确率为92.67%,平均漏报率为7.00%,最大漏报率和误报率分别为15.00%和25.00%;病健交界特征参数引入后,识别准确率提高了14.00%,平均漏报率降低了7.50%,漏报率最大降幅为20.00%,误报率最大降幅为65.00%;与用所有特征参数直接进行病害识别相比,采用本文提出的识别流程进行病害识别的准确率提高了12.67%,漏报率降低了9.33%,一些病害的漏报率和误报率降幅达30.00%以上;在识别流程各步骤中,颜色特征识别环节的平均准确率为96.71%,漏报率和误报率均未超过10.00%;形态特征识别环节的平均准确率为94.17%,漏报率和误报率均未超过15.00%;纹理和病健交界特征识别环节的平均准确率为91.50%,漏报率和误报率均未超过25.00%。【结论】利用mean shift图像分割算法可以准确分割水稻叶部病斑;基于支持向量机模型的分类方法可以对15种水稻病斑准确分类;论文中提出的病健交界特征参数以及病斑识别流程均提高了病斑的识别准确率;病健交界特征参数对提高一些相似病害的识别精度效果显著;将这些方法相结合可以有效对水稻常见叶部病害进行识别,为水稻病害的田间智能诊断提供技术支撑。 相似文献
12.
13.
基于图像处理技术,对4种苜蓿叶部病害进行识别研究。利用结合K中值聚类算法和线性判别分析的分割方法对病斑图像作分割,获得了较好的分割效果。结果表明:该分割方法在由4种病害图像数据集整合成的汇总图像数据集上综合得分的平均值和中值分别为0.877 1和0.899 7;召回率的平均值和中值分别为0.829 4和0.851 4;准确率的平均值和中值分别为0.924 9和0.942 4。进一步提取病斑图像的颜色特征、形状特征和纹理特征共计129个,利用朴素贝叶斯方法和线性判别分析方法建立病害识别模型,并结合顺序前向选择方法实现特征筛选,分别获得最优特征子集;同时利用这2个最优特征子集,结合支持向量机(Support vector machine,SVM)建立病害识别模型。比较各模型的识别效果,发现利用所建线性判别分析模型下的最优特征子集,结合SVM建立的病害识别模型识别效果最好,训练集识别正确率为96.18%,测试集识别正确率为93.10%。由此可见,本研究所建基于图像处理技术的病害识别模型可用于识别上述4种苜蓿叶部病害,为苜蓿病害的诊断和鉴别提供了一定依据。 相似文献
14.
15.
为了发掘水稻尤其是籼稻耐冷基因资源,促进水稻耐冷育种,以‘丽江新团黑谷’为耐冷对照,以‘桂99’为冷敏感对照,从“广东省水稻种质资源库”以及南方稻区收集的150份材料中初步筛选出18份作为本试验的供试材料,采取人工气候箱低温胁迫法（PGV-36,日均温8.5℃）,进行水稻苗期耐冷种质资源筛选研究。结果显示：①秧苗期日均8.5℃的人工气候箱低温胁迫会导致水稻秧苗生长发育明显减缓受阻,随着时间的推进,供试材料的生长发育停止。②经人工气候箱低温胁迫后,不论是处理3天(d)还是6天(d),各供试材料幼苗死亡率差异达到极显著水平;总体上粳稻的耐冷性强于籼稻。③以低温胁迫3d和6d后各供试材料自然气候条件下恢复生长10d的幼苗死亡率为指标评价鉴定其耐冷能力,丽江新团黑谷、粳44耐冷性强,8.5℃人工低温胁迫6d后死亡率在25%以下;其次是苗110、2-319和华占;源宝占、苗108耐冷能力中等,318、R2168、创丰1号、耐寒2号、R55、金昌B、湘中籼3号、R308、穗1225、2-358、合美占、创香5号、桂99等耐冷性弱;其中华占、2-319为籼稻,苗110为籼粳交后代,可应用于籼稻耐冷育种。 相似文献
16.
为明确寒地核心种质抗病基因组成,利用日本7个单基因鉴别菌系(P-2b、研53-33、稻72、北1、研54-20、研54-04、稻168)接种鉴定了丽江新团黑谷×龙粳10号、丽江新团黑谷×垦稻10号组合10套F3系统,采用"累积分布曲线法"进行分析。结果表明:龙粳10号对P-2b、研53-33、稻72和北1四个菌系的抗性是由2对显性基因控制的,对研54-20的抗性是由3对显性基因控制的,对研54-04和稻168的抗性是由2对显性基因和1对隐性基因控制的。垦稻10号对研53-33的抗性基因是由2对显性基因控制的,对研54-20的抗性基因是由1对显性基因控制的,对研54-04的抗性是由2对显性互补基因控制。龙粳10号、垦稻10号可作为寒地水稻抗稻瘟病的核心种质,为抗病育种者选择亲本提供优质粳稻抗瘟源,并为寒地水稻核心种质库构建打下良好基础,在生产上应用具有重要意义。 相似文献
17.
寒地水稻种质资源品质性状特性及聚类分析研究 总被引：1，自引：0，他引：1
为促进寒地水稻优质米的选育,以162份寒地水稻种质资源为材料,对糙米率、精米率、整精米率、粒长、粒宽、长宽比、垩白率、直链淀粉含量、蛋白质含量9个品质性状进行变异分析、相关分析和聚类分析。结果表明:寒地水稻种质资源品质性状间差异较大,变异丰富;各品质性状之间具有相关性;聚类分析结果将寒地种质资源分为6类,第I类水稻种质长宽比较高,垩白率较低;第II类水稻种质糙米率最高,长宽比最低;第III类水稻种质直链淀粉含量较高;第IV类水稻种质精米率和整精米率最高;第V类水稻种质垩白率为最低,长宽比为最高;第VI类水稻种质直链淀粉含量和蛋白质含量最高。 相似文献
18.
高光谱技术在常规水稻种子活力检测中的应用 总被引：1，自引：0，他引：1
[目的]实现常规水稻种子活力的快速自动化检测。[方法]采用高光谱成像技术(波长范围874~1 734 nm),提取甬籼69和中早39 2种常规水稻种子未老化、老化48 h和老化72 h的光谱反射率,在提取样本光谱时采用小波变换(WT)剔除像素点光谱噪声部分,并基于全波段光谱建立了支持向量机(SVM)判别分析模型。[结果]未老化种子与老化种子可以准确识别,而老化48 h种子与老化72 h种子之间无法准确识别,与基于种子活力参数的测量结果相符,且不同水稻品种对老化的反应存在差异。[结论]高光谱成像技术结合化学计量学方法用于种子活力的快速自动化无损检测是可行的。 相似文献
19.
20.
水稻品种对大米产地溯源判别正确性的影响 总被引：1，自引：0，他引：1
为提高大米产地溯源判别的正确性,试验研究了水稻品种对于大米产地溯源判别正确性的影响。利用原子吸收分光光度法(AAS)检测来自吉林省松原市、德惠市、梅河口市3个产地的3个水稻品种120个样品中11种矿物元素(Pb,Cd,K,Na,Ca,Mg,Zn,Cu,Fe,Mn,Cr)的含量,对大米中矿物元素数据进行差异分析、雷达分析和线性判别分析。结果显示:元素Cd、Cr、Fe、K、Mg、Zn、Pb在大米品种与产地间均存在相对较大的差异。德惠(同一产地)不同品种大米的判别正确率为100%,成功利用不同品种大米中矿物元素含量将大米品种进行正确分类。进行大米产地判别时,3个产地不同品种大米的判别分析正确率为90%,3个产地同一品种大米的产地判别分析正确率为100%,证明了水稻品种对于大米产地溯源判别正确性有影响。 相似文献