排序方式： 共有67条查询结果，搜索用时 171 毫秒
31.
32.
针对水稻叶片表面润湿性较差,喷洒作业时的药剂液滴容易从叶片表面滚落,药液利用率低的问题,研究液滴荷电特性对水稻叶片(倒二叶)表面接触角的影响。通过试验,研究荷电电压大小、电荷极性、电极环材料、电极环内径、NaCl含量等参数对水稻叶片表面接触角的影响。结果表明,随着荷电电压的增大,液滴在水稻叶片表面接触角整体呈先减小后增大的趋势,接触角在荷电电压为±4 kV时达到最小值;荷电正负极对水稻叶片表面接触角有明显影响,总体来说,液滴带负电荷时与水稻叶片表面的接触角较小;同种材料电极环条件下,随着电极环内径增大,液滴在水稻叶片表面接触角呈逐渐减小趋势;随着NaCl含量增大,液滴在水稻叶片表面接触角呈先减小后增大的趋势,不同品种水稻存在最佳的NaCl含量使接触角达到最小值。表明,通过调整液滴的荷电参数来减小液滴在水稻叶片表面接触角是可行的,对农药的高效利用具有重要参考意义。 相似文献
33.
辣椒疫霉菌(Photophthora capsici)常引起辣椒等多种作物的毁灭性病害,对该病原菌重要功能基因尤其是致病基因的研究具有重要的经济学意义.果胶裂解酶(pectate lyase,PL)为植物病原菌关键致病因子,通过降解寄主细胞壁引起寄主发病.本研究以辣椒疫霉菌PL关键成员(PL101)为材料,通过真核表达系统进行诱导表达重组蛋白.真核表达载体选用pPIC9K,测序验证后的重组质粒pPIC9K/PL101经电击法转化毕赤酵母GS115表达菌株,对阳性转化子进行甲醇诱导型(Mut+)、不同浓度抗生素G418即高拷贝转化子筛选获得表达量可观的重组蛋白表达菌株.重组酵母菌经1％甲醇诱导7d获得重组蛋白,经硫酸铵沉淀法、Ni-NTA亲和层析纯化后获得纯度较高的PL101纯蛋白.经聚半乳糖醛酸反应法测得的PL101酶活达到970 U/mg,接种健康辣椒叶片测试结果表明PL101具较高致病性,表明PL101是辣椒疫霉菌重要致病因子.本研究为进一步阐明PL作用机理提供科学依据,进而为辣椒的抗病育种提供基因资源. 相似文献
34.
为实现作物病害早期识别,本文提出一种基于红外热成像和改进YOLO v5的作物病害早期检测模型,以CSPD-arknet为主干特征提取网络,YOLO v5 stride-2卷积替换为SPD-Conv模块,分别为主干网络中的5个stride-2卷积层和Neck中的2个stride-2卷积层,可以提高其准确性,同时保持相同级别的参数大小,并向下阶段输出3个不同尺度的特征层;为增强建模通道之间的相互依赖性,自适应地重新校准通道特征响应,引入SE机制提升特征提取能力;为减少模型计算量,提高模型速度,引入SPPF。经测试,改进后YOLO v5网络检测性能最佳,mAP为95.7%,相比YOLO v3、YOLO v4、SSD和YOLO v5网络分别提高4.7、8.8、19.0、3.5个百分点。改进后模型相比改进前对不同温度梯度下的作物病害检测也有提高,5个梯度mAP分别为91.0%、91.6%、90.4%、92.6%和94.0%,分别高于改进前3.6、1.5、7.2、0.6、0.9个百分点。改进YOLO v5网络内存占用量为13.755MB,低于改进前基础模型3.687MB。结果表明,改进YOLO v5可以准确快速地实现病害早期检测。 相似文献
35.
该系统利用航姿参考系统IG-500N采集无人机实时飞行状态信息,通过无线数传模块传输至地面PC机。飞行状态信息包括:三轴姿态角、三轴加速度、三轴角速度、三轴速度、GPS经纬度、GPS海拔高度、温度和气压等信息。之后利用Labview设计的程序分割提取各个测试项目所对应的数据信息,并计算对应测试项目的用时、位置偏差和姿态稳定行,进而得到遥控无人机操控水平指标,导入生成测试报告。用于评估操控手在操控无人机起飞、航线飞行、定点悬停和降落过程中的操控水平。试验结果表明测试系统可靠。该研究可用于为无人机操控手的水平评估和自主飞行无人机的飞行性能优化提供参考。 相似文献
36.
基于无人机多光谱遥感图像的玉米田间杂草识别 总被引：5，自引：0，他引：5
【目的】为了精确高效识别玉米田间杂草,减少除草剂施用,提高玉米种植管理精准性。【方法】通过六旋翼无人机搭载多光谱相机获取玉米田块多光谱图像。为分离图像中植被与非植被像元,计算了7种植被指数,采用最大类间方差法提取植被指数图像中非植被区域,制作掩膜文件并对多光谱图像掩膜。通过主成分分析对多光谱图像进行变换,保留信息量最多的前3个主成分波段。将试验区域分为训练区域和验证区域,在训练区域中分别选取了675处玉米和525处杂草样本对监督分类模型进行训练,在验证区域选取了240处玉米样本及160处杂草样本评价模型分类精度。将7种植被指数、3个主成分波段的24个纹理特征及经过滤波的10个反射率,共计41项特征作为样本特征参数。利用支持向量机-特征递归消除算法（support vector machines-feature recursive elimination,SVM-RFE）和Relief算法从41项特征中各筛选14项特征构成特征子集,采用支持向量机、K-最近邻、Cart决策树、随机森林和人工神经网络对特征子集进行监督分类。【结果】支持向量机与随机森林对全部特征及2个特征子集分类效果较好,支持向量机总体精度为89.13%—91.94%,Kappa>0.79,随机森林总体精度为89.27%—90.95%,Kappa>0.79。【结论】SVM-RFE算法对数据降维效果优于Relief算法,支持向量机（SVM）模型对区域冠层尺度下玉米与杂草的分类效果最好。 相似文献
37.
植保无人机喷施不同雾滴粒径药剂对其在棉花冠层沉积、穿透及脱叶催熟效果的影响 总被引：1，自引：0，他引：1
为明确植保无人机喷施不同雾滴粒径药剂对其雾滴沉积、穿透以及棉花脱叶催熟效果,试验设置100、150、200和285 μm共4个不同雾滴粒径,用水敏纸测定雾滴在棉花冠层的沉积分布特征,并调查对棉花脱叶率和吐絮率的影响。结果表明,雾滴粒径对于沉积分布特征以及棉花脱叶率和吐絮率均有显著影响。当喷施雾滴粒径为100 μm时,具有最大的雾滴密度;当喷施雾滴粒径为150 μm和200 μm时,具有最大的覆盖度及沉积量;以下部沉积量与中部沉积量的比值为评价指标时,在喷施4个雾滴粒径下植保无飞机喷施雾滴的穿透率为39.4%~63.8%,各雾滴粒径之间差异不显著。在喷施4个雾滴粒径下,2018年和2019年棉花脱叶率分别为74.7%~80.4%和79.3%~88.4%;吐絮率分别为84.9%~92.0%和86.4%~94.2%。表明当喷施雾滴粒径为150 μm或200 μm,具有更高的脱叶率和吐絮率,较适宜棉田植保无人飞机脱叶催熟剂喷施选用。 相似文献
38.
基于改进水云模型和Radarsat-2数据的农田土壤含水量估算 总被引：3，自引：2，他引：1
为了直接将雷达遥感中"水云模型"进行反演应用,该研究将"水云模型"中植被参数改为雷达植被指数,利用全极化数据直接支持遥感反演土壤含水量,无需遥感反演植被参数输入。改进模型为利用雷达遥感结合"水云模型"进行土壤含水量监测提供了一种高效便捷方法。基于Radarsat-2全极化数据对冬小麦覆盖的农田土壤含水量进行估算,利用2014年在陕西杨凌区获取的4个生育期内Radarsat-2卫星数据及同步田间测量108组冬小麦农田土壤含水量地面测量数据进行模型参数校正和精度验证。验证结果精度为:改进的雷达植被指数模型原叶面积指数模型(实测叶面积指数验证)原叶面积指数模型(光学遥感反演叶面积指数验证),且改进的雷达植被指数模型可以在多个生育期内对农田土壤含水量进行监测。 相似文献
39.
静电喷嘴雾化特性与沉积效果试验分析 总被引：3，自引：0，他引：3
为了探究电极材料对静电喷嘴雾化效果和荷电性能的影响,确定设计的静电喷嘴的最佳作业参数,并明确静电作用对雾滴沉积效果的影响,以电极材料、电极电压、喷施压力和喷孔直径为喷施变量,针对设计的静电喷嘴进行室内雾化和沉积试验。研究结果表明:设计的静电喷嘴最佳电极电压为8 k V,最佳电极材料为紫铜,最佳喷施压力为170 k Pa;相比于非静电喷雾,静电作用开启后,静电喷嘴的有效喷幅增加约50 cm;在3个采样层的雾滴沉积密度依次增加了23、19、10个/cm2;在喷嘴雾化的所有雾滴中,粒径在50~120μm区间的雾滴受静电作用影响最大,静电作用开启后,此区间段内的雾滴沉积数量增加了约2倍,当雾滴粒径大于120μm时,雾滴沉积密度随雾滴粒径的增大呈下降趋势;沉积的雾滴主要是粒径在180μm以下的雾滴,因此适合最佳生物粒径为180μm及180μm以下的作物。 相似文献
40.
为解决自然环境中番茄叶片病虫害检测场景复杂、检测精度较低,计算复杂度高等问题,提出一种SLP-YOLOv7-tiny的深度学习算法。首先,将主干特征提取网络中部分3×3的卷积Conv2D（2D convolution）改为分布偏移卷积DSConv2D（2D Depthwise Separable Convolution）,以减少网络的计算量,并且使计算速度更快,占用内存更少;其次,将无参数注意力机制（parameter-free attention module, SimAM）融合到骨干特征提取网络中,加强模型对病虫害特征的有效提取能力和特征整合能力;最后,将原始YOLOv7-tiny的CIOU损失函数,更替为Focal-EIOU损失函数,加快模型收敛并降低损失值。试验结果表明,SLP-YOLOv7-tiny模型整体识别精准度、召回率、平均精度均值mAP0.5（IOU阈值为0.5时的平均精度）、mAP0.5～0.95（IOU阈值从0.5到0.95之间的所有值进行平均计算的平均精度）分别为95.9%、94.6%、98.0%、91.4%,与改进前YOLOv7-tiny相比,分别提升14.7、29.2、20.2、30个百分点,同时,计算量降低了62.6%,检测速度提升了13.2%。与YOLOv5n、YOLOv5s、YOLOv5m、YOLOv7、YOLOv7-tiny、Faster-RCNN、SSD目标检测模型相比,mAP0.5分别提升了2.0、1.6、2.0、2.2、20.2、6.1和5.3个百分点,而计算量大小仅为YOLOv5s、YOLOv5m、YOLOv7、Faster-RCNN、SSD的31.5%、10.6%、4.9%、4.3%、3.8%。结果表明SLP-YOLOv7-tiny可以准确快速地实现番茄叶片病虫害的检测,且模型较小,可为番茄叶片病虫害的快速精准检测的发展提供一定的技术支持。 相似文献