共查询到20条相似文献，搜索用时 31 毫秒
1.
【目的】智能虫情测报灯诱捕到的农业害虫因种类繁多、虫体姿态多样、鳞片脱落等原因造成有些害虫图像存在种间相似和种内差异的现象。为了提高农业灯诱害虫识别率,针对YOLOv4检测模型检测到且容易混淆的19种灯诱害虫,本文提出了基于双线性注意力网络的农业灯诱害虫细粒度图像识别模型。【方法】首先,根据灯诱害虫外观图像的相似性和检测误检的情况,将19种害虫分为6类;将所有害虫图像通过补边操作使得长宽相等,并缩放至统一尺寸224×224像素。为了提高模型的鲁棒性和泛化能力,对害虫图像进行镜像翻转、旋转180度、高斯噪声和均值滤波的数据增强,训练集、验证集和测试集样本量按照8:1:1比例划分。然后,针对6类19种农业灯诱害虫细粒度图像,建立了基于双线性注意力网络的农业灯诱害虫识别模型（bilinear-attention pest net,BAPest-net）,模型包括双线性特征提取、注意力机制和分类识别3个模块;通过修改特征提取模块的下采样方式提高特征提取能力;添加注意力机制模块让整个模型更关注于局部细节的特征,将双线性结构中的上下两个注意力机制的输出进行外积运算增加细粒度特征的权重,提高识别的准确性和学习效率;模型优化器使用随机梯度下降法SGD,分类模块中使用全局平均池化,旨在对整个网络从结构上做正则化防止过拟合。最后,在同一个训练集训练VGG19、Densenet、ResNet50、BCNN和BAPest-net 5个模型,对6类相似的19种农业灯诱害虫进行识别,以精准率、Precision-Recall（PR）曲线和平均识别率作为模型的评价指标。【结果】BAPest-net对6类相似的19种农业灯诱害虫平均识别率最高,达到94.9%;BCNN次之,为90.2%;VGG19模型最低,为82.1%。BAPest-net识别的6类害虫中4类鳞翅目害虫的平均识别率均大于95%,表明该模型能较好地识别出鳞翅目害虫。测试结果中仍存在少数相似度较高的害虫误判,特别当害虫腹部朝上或侧身,种类特征不够明显的时候容易引起相似害虫的误判。对于区分度较低的相似害虫需要更多的训练样本以获取更多的特征,提高模型的识别率和泛化能力。【结论】基于双线性注意力网络的农业灯诱害虫细粒度图像识别模型可以自动识别6类相似的19种农业灯诱害虫,提高了农业灯诱害虫自动识别的准确率。 相似文献
2.
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
3.
Field experiments to evaluate four different colored sticky cards for trap-ping non-target insects were conducted in an organic maize field in the Heinigou region of China. Yel ow, blue, green, and red... 相似文献
4.
5.
光诱技术在害虫治理中的应用 总被引：1，自引：0，他引：1
随着害虫综合治理水平的不断提高,光诱技术应用越来越广泛。本文简要介绍了光对昆虫的生态效应和光诱技术的原理,着重讲述了光诱技术在害虫综合防治中的应用情况,指出了其优点和不足,展望了光诱技术在害虫综合防治中的应用前景。 相似文献
6.
不同频振光源对皖南茶园主要昆虫的诱集效果 总被引：1，自引：1，他引：0
茶树害虫是影响茶叶产量及品质的一个重要因素。采用灯光诱集法,研究了12种频振光源对皖南丘陵茶园主要昆虫的诱集效果。结果表明,5#、6#、3#和9#光源对植食性昆虫的诱集效果较好,其诱集数量分别为1 719头、1 467头、1 223头和1 155头。6#、3#、8#和4#光源对天敌昆虫的杀伤作用较大,其诱集数量分别为100头、99头、81头和76头。皖南丘陵茶园主要害虫灯诱防治推荐采用5#（光谱范围295～490 nm,峰值350 nm）和9#（光谱范围300～390 nm,400～505 nm,峰值348 nm,452 nm）频振光源,其田间诱集益害比均为0.04,既能有效诱杀主要茶树害虫,又能最大限度地保护天敌昆虫。 相似文献
7.
茶树遭受小绿叶蝉等刺吸式害虫危害会严重影响茶叶品质。以自制便携式LED节能诱虫灯为诱捕器,研究不同滤色光波对皖南茶园主要昆虫的诱集效果。试验结果表明,6种滤色光波以金黄色、土黄色和橙黄色光波对植食性害虫的诱集效果较好,其诱集数量分别为469头,410头和403头。以橙红色,土黄色和金黄色光波对天敌昆虫的诱集数量较小,其诱集数量分别为29头,31头和33头,诱集益害比分别为0.09,0.08和0.07。利用金黄色、土黄色和黄绿色3种滤色光波连续诱杀茶小绿叶蝉3晚（每晚诱杀2 h）,诱杀结束后11 d茶园茶小绿叶蝉的虫口减退率分别为47.2%、64.8%和57.3%,校正防效分别为72.2%,81.5%和77.5%。茶园灯光诱杀防治小绿叶蝉推荐采用土黄色光源。 相似文献
8.
Luis O. Solis-Sánchez Rodrigo Castañeda-Miranda Juan J. García-EscalanteIrineo Torres-Pacheco Ramón G. Guevara-GonzálezCelina L. Castañeda-Miranda Pedro D. Alaniz-Lumbreras 《Computers and Electronics in Agriculture》2011,75(1):92-99
One of the main problems in greenhouse crop production is the presence of pests. In order to address this problem, the implementation of a Integrated Pest Management (IPM) system involving the detection and classification of insects (pests) is essential for intensive production systems. Traditionally, this has been done by placing hunting traps in fields or greenhouses and later manually counting and identifying the insects found. This is a very time-consuming and expensive process. To facilitate this process, it is possible to use machine vision techniques. This work describes an application of the machine vision system LOSS V2 algorithm, an expanded version of the LOSS algorithm discussed in a previous work by the same authors. This expanded version demonstrated improved potential and was used to detect and identify the following pest species: Diabrotica (Coleoptera: Chrysomelidae), Lacewings (Lacewings spp.), Aphids (Aphis gossypii Genn.), Glassy (Empoasca spp.), Thrips (Thrips tabaci L.), and Whitefly (Bemisia tabaci Genn.). The algorithm identifies pest presence in the crop and makes it possible for the greenhouse manager to take the appropriate preventive or corrective measures. The LOSS V2 involves the application of the LOSS algorithm for initial pest identification, followed by the application of the image processing technique known as scale invariant feature transform (SIFT). This allows for more accurate pest detection because it is possible to discriminate and identify different types of insects. Therefore, when compared to manual pest counting, the newly developed LOSS V2 algorithm showed more precision in identifying different pest varieties, and also, a much higher determination coefficient, R2 = 0.99. 相似文献
9.
黄色粘虫板对香蕉害虫的诱杀作用及控制效果 总被引：1，自引：0，他引：1
[目的]为黄板诱杀香蕉害虫技术的大面积推广应用提供理论指导。[方法]以巴西蕉为供试品种,采用黄色粘虫板诱杀香蕉害虫,研究其杀虫效果。[结果]黄色诱虫板在蕉园的诱虫谱较广,可诱杀8目24科小型昆虫的成虫。其对目标微小害虫如花蓟马、交脉蚜、冠网蝽等的诱杀作用较明显,诱虫量分别占总诱虫量的41.10%、14.80%和3.97%。不同时期的诱虫量存在一定差异,其中8月中旬～10月中旬诱虫量最多,占总诱虫量的53.80%。在不采取其他防治措施的情况下,黄色诱虫板对花蓟马、交脉蚜、冠网蝽等的田间控制效果分别达到71.3%、44.3%和37.1%。[结论]黄色粘虫板对香蕉害虫具有较好的诱杀效果。 相似文献
10.
11.
12.
梨小食心虫性诱剂效果评价 总被引：1，自引：0，他引：1
梨小食心虫(Grapholitha molesta Busck)是世界性的重要果树钻蛀性害虫之一。目前,性信息素诱捕器广泛应用于害虫防控,为提高性诱剂对梨小食心虫测报及诱捕效率,从两方面研究了梨小食心虫性诱剂对梨小食心虫的诱捕效果,采用了8个性诱剂产品诱杀梨小食心虫,同时每个诱捕器内设1、3、5、7、9、11个芯数,共6个处理诱杀梨小食心虫。结果表明,A诱捕性诱芯和C诱捕性诱芯诱捕效果最好;诱捕器的诱芯数量为1时引诱到的梨小食心虫数量最多。建议在田间测报和大量诱捕时,使用A诱芯,可达到较高诱捕量,同时也可节约成本,提高效率。 相似文献
13.
基于多特征融合和稀疏表示的农业害虫图像识别方法 总被引：1，自引：0，他引：1
【目的】在农业害虫测报中,常常需要从大量的昆虫中识别出几种重要的测报害虫。目前基于图像的农业害虫识别研究,大部分是在有限种类有限样本量基础上进行的农业害虫识别。本研究为了从大量的水稻昆虫图像中识别出9种水稻测报害虫,尝试提出了一种基于多特征融合和稀疏表示的农业害虫图像识别方法。【方法】首先,为了获得最优的农业害虫识别模型,将所有图像进行旋转使昆虫头朝上,按照1﹕2长宽比裁剪图像,使昆虫居中并占据图像大部分区域,将图像进行等比例缩放至统一尺寸48×96像素。提取所有昆虫的HSV颜色特征、局部特征中的HOG特征、Gabor特征和LBP特征。然后,利用单一特征和融合特征分别对训练样本构建过完备字典,字典中的每一个列向量表示一个训练样本,且满足同一类训练样本均在同一个子空间中;应用过完备字典对测试图像进行多特征稀疏表示,通过求解l1范数意义下的优化问题获取稀疏解,使得除测试样本所在的类别外其他的训练样本的系数都是零或接近零的数值。最后,计算稀疏集中指数阈值,用于判断测试样本的有效性,如果测试样本的稀疏集中指数大于该阈值,则认为最小残差所对应的类别即为测试样本的类别,否则认为该测试样本为非测报昆虫。同时,利用相同的特征和训练样本训练SVM分类器对测试样本进行测试,与稀疏表示害虫识别模型进行比较。【结果】利用单一特征训练的稀疏表示害虫识别模型中,基于HOG特征的稀疏表示识别模型获得了9种测报害虫较高的识别率和较低的误检率,分别为87.0%和7.5%;利用颜色特征分别与3种局部特征进行结合获得的稀疏表示识别模型,测试结果表明,基于颜色和HOG特征的稀疏表示识别模型获得了最高的识别率和最低的误检率,分别为90.1%和5.2%;将颜色、HOG和Gabor 3个特征结合获得的稀疏表示识别模型,识别率下降为83.5%,误检率上升为10.3%。利用同样的特征或特征融合训练得到的支持向量机分类器,识别率均低于对应特征获得的稀疏表示识别模型的识别率,而误检率均高于对应特征训练的稀疏表示害虫识别模型的误检率。【结论】基于颜色和HOG 融合特征的稀疏表示识别模型获得了较高的农业害虫识别率和较低的误检率;通过稀疏集中指数阈值,有效地排除了非测报昆虫,实现了从大量的农业昆虫中自动识别出需要测报的害虫。 相似文献
14.
针对人工统计黄色粘虫板上害虫数量费时费力的问题,在自适应去除粘虫板背景的基础上,融合颜色空间矩和图像几何形态,完成害虫特征的量化,采用加权决策的方法来识别害虫,构建害虫自动识别计数系统。以米蛾(Corcyra cephalonica)为例,经测试,该系统对黄色粘虫板上米蛾的识别结果与人工统计结果相对误差在7%,能够有效实现对粘虫板上害虫数量的自动统计。 相似文献
15.
16.
Real-time detection and identification of invertebrates on crops is a useful capability for integrated pest management, however, this challenging task has not been solved. Compared with other technologies, a machine vision system (MVS) could provide a more flexible solution. To date, most studies have focused on counting and identifying specimens in sample containers, glass slides or traps where the illumination and background reflection can be well controlled; few studies have been conducted to detect pests on plants. In the context of invertebrate detection or identification, the spectra of visible light, near infrared (NIR) and soft X-ray have been well studied, while the spectrum of ultraviolet (UV) is still untouched. Many species of bird prey on invertebrate pests and have adaptations in their visual system to enhance detection of targets. These birds can use both UV and visible light to hunt. If the mechanisms of bird vision could be transferred to a technological visual system, it might improve the capability for invertebrate detection. This study provides an initial estimation of the contribution of UV for invertebrate detection on green leaves. By fusing the UV images into the visible light and NIR images, the MVS can detect nine invertebrate species on leaves of plants and the UV images can significantly reduce segmentation errors. The initial experiment was conducted in a laboratory, however, this study shows promise for infield applications. 相似文献
17.
18.
19.
Nocturnal Migration of Coleoptera: Carabidae in North China 总被引：1，自引：0，他引：1
ZHANG Yun-hui CHEN Lin CHENG Deng-fa TIAN Zhe SUN Jin-rui JIANG Yu-ying ZHANG Yue-jin 《中国农业科学(英文版)》2008,7(8):977-986
Vertical-looking radar （VLR） has allowed long-term automatic monitoring of the altitudinal and temporal dynamics of high- flying insect populations. To investigate whether ground beetle, insect of Coleoptera, was capable of migrating and its migration pattern by taking advantages of capability of the VLR for long-term real-time automatic monitoring, the migration of Coleoptera ground beetle was investigated by setting up radar observation points, making long-term observation using the VLR and related supplementary equipment, and analyzing low altitude air current and large area circulating current in combination with the meteorological data. Information obtained in 2005 and 2006 showed that the seasonal activities of ground beetles traps of trap lamps were mainly from late June to late August, peak period was mainly in August, seasonal traps of high-altitude lamps and ground lamps were featured by sudden increase and sudden decrease; in peak period, the height of radar echo point could be as high as 600 m, while it was mainly below the height of 450 m; night activities mainly occurred from 20：00 to 22：00, in very few nights, radar echo could last until about 04：00, changes in numbers of ground beetles within the searchlights were consistent with radar echo intensity; ground beetle images were successfully trapped in the sweep nets carried by captive balloons at the height of 200 m. Some species of Carabidaes had some degrees of migration, thus providing the foundation for investigating the migration of Coleoptera insects. 相似文献
20.
稻纵卷叶螟在探照灯下的扑灯节律 总被引：3，自引：0，他引：3
【目的】明确稻纵卷叶螟（Cnaphalocrocis medinalis）在探照灯下的扑灯节律,指导稻纵卷叶螟的预测预报,明确探照灯在迁飞性害虫监测方面的优势并合理利用,为轨迹分析设定生物学参数提供数据支撑,合理设置亮灯时间,节约诱虫成本。【方法】2012年和2013年在广西兴安县应用时控开关控制的探照灯诱虫器对稻纵卷叶螟进行自动分时段诱集取样,6个灯时的取样时段依次为19:30-21:00、21:00-23:00、23:00-01:00、01:00-03:00、03:00-05:00和05:00-06:00,7个灯时的取样时段依次为19:30-21:00、21:00-22:30、22:30-00:00、00:00-01:30、01:30-03:00、03:00-04:30和04:30-06:00。5月下旬至6月上、中旬是稻纵卷叶螟的主迁入峰期,6月底本地稻纵卷叶螟开始迁出,7月上、中旬大量迁出。在不同的迁飞期分别选择探照灯上出现的突增高峰日作为迁飞高峰期,进行单个晚上扑灯节律分析。划定单个晚上的扑灯高峰时段,把每个时段的诱虫量分别与当晚的时段平均诱虫量进行比较,卡方检验诱虫量显著大于平均诱虫量的时段定为扑灯高峰时段。【结果】稻纵卷叶螟年度间扑灯量有所不同,但年度间种群动态变化趋势较一致,均以第3代和第4代的诱集量最多。稻纵卷叶螟两年的扑灯节律具有稳定性,不同的迁飞时期扑灯节律有所不同。迁飞个体的降落由于飞行力的差异和气象因素的影响而在迁飞途中陆续不断地发生,稻纵卷叶螟迁入峰期时后半夜扑灯高峰较多,一般一晚上会有两个扑灯高峰,以01:00-03:00和03:00-05:00时段出现扑灯高峰频次较高;迁出期和本地活动期扑灯高峰均主要集中在19:30-21:00和21:00-22:30时段。探照灯因能诱到高空至少500 m以内的昆虫种群,使得稻纵卷叶螟在探照灯下的扑灯节律与在传统诱虫灯下有所差别。稻纵卷叶螟多选择在日落后大规模起飞,23:00-01:00时段降落的种群飞行时间最短,飞行了3 h,05:00-06:00时段降落的种群飞行时间最长,飞行了10 h。在进行迁入虫源分析时,以具体到某一天的扑灯高峰时间为起始时间逆推至黄昏的起飞时刻,得出的虫源地分布可能会更加准确。【结论】稻纵卷叶螟在不同的迁飞时期扑灯节律有所不同,探照灯比传统诱虫灯得到的扑灯信息更全面,明确稻纵卷叶螟的扑灯节律可以为轨迹模拟提供更加准确的轨迹分析时间参数。 相似文献