公共文化服务平台

搜索到1026篇“ 叶部病害“的相关文章

一种基于物联网的小麦叶部病害监测方法: 本发明涉及一种基于物联网的小麦叶部病害监测方法，包括：使用物联网摄像头采集小麦叶部图像；将所述小麦叶部图像传输到上位机，在上位机中为每个小麦叶部图像设定相应的病害类型标签；对每个小麦叶部图像进行光照平衡补偿生成补偿后的小...; 史玉棣宫玉玉杜伟娜葛恩琪尹宝重张瑞芳傅晓艺

一种基于卷积神经网络的苹果叶部病害诊断方法: 本发明提出了一种基于卷积神经网络的苹果叶部病害诊断方法，该方法针对含有不同大小的病变区域的苹果叶病检测问题，提出了多尺度特征提取、V‑空间定位分支和多尺度注意力机制相结合的苹果叶部病害检测方法，实现对不同尺度病斑的准确检...; 刘斌张嘉琦田靓靓张海曦袁爱红

面向不平衡数据的木薯叶部病害图像识别方法: 2025年; 为提高产地环境下木薯叶部病害自动识别的准确性,解决病害图像低对比度和数据长尾分布问题,建立一种深度学习模型SwinTFCC用于木薯叶部病害识别。该模型采用Swin Transformer作为骨干网络,借助Swin Transformer的自注意力机制和层级结构关注局部与全局特征,使其对复杂背景病害识别具有鲁棒性;将最后一层特征输入特征簇压缩模块,以映射稀疏特征簇为稠密特征簇,减少长尾分布中样本少的类别稀疏特征簇跨越决策边界导致分类错误情况;并采用迁移学习在木薯叶部病害图像数据集上进行训练,以提升木薯叶部病害识别性能。试验结果表明,模型的F 1值达到90.74%,较其他主流模型提升8.04%~19.3%。所采用的方法在小规模不平衡数据集上取得较好效果,验证模型的有效性,为木薯叶部病害自动精准识别提供技术支撑。; 王丹阳梁伟红李玉萍黄贵修; 关键词：病害识别图像识别不平衡数据

基于SE-MobileNetV2的葡萄叶部病害识别方法: 2025年; 以PlantVillage公开数据集的4种葡萄叶部病害为试材,提出了一种基于改进MobileNetV2模型的轻量化识别方法,该方法以轻量级MobileNetV2模型为基础,通过在模型瓶颈层中引入SE注意力机制,增强模型对关键特征的关注能力,从而进一步优化识别性能和减少模型参数数量,以期为实现病害的高精度诊断,同时有效降低计算资源需求提供参考依据。结果表明:改进后的模型在测试集上的识别准确率达97.5%,较原始MobileNetV2提升4.5%;与ResNet50、ResNet34和ShuffleNetV2模型相比,平均准确率分别提高10.2、18.7、28.2个百分点,且模型大小仅为20.7 MB,实现了模型运行成本和精确度的平衡,为葡萄叶部病害识别问题提供了解决方案。; 程浈浈张必详程一帆缪百灵龚守富; 关键词：葡萄叶部病害图像分类

怒江干热河谷流域小粒咖啡叶部病害病原分离与鉴定: 2025年; 云南怒江干热河谷流域是小粒咖啡(Coffea arabica L.)种植的理想区域,但是咖啡叶部病害的持续发生,对咖啡树的健康、产量和品质造成了严重影响,给当地农业生产带来一定损失。为了有效防控这些病害,本研究采集怒江干热河谷流域不同咖啡种植地的典型病叶样本,对咖啡叶部病害进行病原菌分离与鉴定。通过病原分离、纯化、柯赫氏法则验证、形态学观察、ITS基因序列比对分析,鉴定到7个致病菌株,分别为Lu 11-2、Lu 9-1、Xin 5-2、Xin 7-5、Xin 8-2、Xin 15-2和Lu 23-1,其中Lu 11-2、Lu 9-1、Xin 5-2和Xin 7-5鉴定为链格孢菌(Alternaria sp.),Xin 15-2和Lu 23-1菌株鉴定为炭疽菌(Colletotrichum sp.),Xin 8-2菌株鉴定为拟盘多毛孢菌(Pestalotiopsis sp.)。该地区的咖啡叶部病害主要致病菌有3类:链格孢菌、拟盘多毛孢菌和炭疽菌,其中链格孢菌、拟盘多毛孢菌为咖啡褐斑病的主要致病菌,炭疽菌为咖啡炭疽病的致病菌。研究结果不仅为深入了解云南怒江干热河谷流域的咖啡叶部病害类型提供科学依据,还为该地区咖啡病害的有效防控提供理论支持,对当地的咖啡种植业具有重要的指导意义,也为其他地区的咖啡病害防控提供参考。; 王娜严炜马东晓杨旸胡发广付兴飞李贵平喻好好娄予强李亚男; 关键词：小粒咖啡叶部病害链格孢菌炭疽菌

叶部病害检测方法、装置和存储介质: 本申请公开了一种叶部病害检测方法、装置和存储介质，涉及目标检测技术领域，所述叶部病害检测方法包括：获取待检测图像；将所述待检测图像输入目标叶部病害检测模型中，得到检测结果，所述目标叶部病害检测模型是引入SimAM无参注意...; 孙颖郭峰林辛悦悦彭朱静

营口市玉米成株期叶部病害病原鉴定及生物学特性初探: 2025年; 为明确营口市玉米成株期常见叶部病害致病菌种类及其生物学特性,结合形态学和分子生物学鉴定出三种主要叶部病害病原,利用十字交叉法对三种病原菌生长速率及抗逆性进行测定。形态学鉴定结果表明,分离纯化获得的三种病原真菌Cl-1、Ch-1和Aa-1,分别为弯孢菌、玉米小斑病菌和链格孢菌。进一步结合系统发育分析,菌株Cl-1为新月弯孢菌Curvularia lunata,Ch-1为玉米小斑病菌Bipolaris maydis,Aa-1为玉米链格孢叶斑病菌Alternaria alternata。其中,玉米小斑病为营口市玉米成株期叶部病害的新发病害。病原菌抗逆胁迫测定结果表明,三种胁迫因子中,弯孢菌、玉米小斑病菌和链格孢菌对1 mol/L NaCl敏感性较高,生长受到显著抑制,对0.005%SDS和10 mmol/L H2O2具有一定敏感性,但与对照相比,生长受抑制不显著。; 滕雪慧孙拓李子昂梁春莉刘克心; 关键词：形态学鉴定分子生物学鉴定

一种基于机器学习模型的葡萄叶部病害图像识别方法: 本发明属于农业信息技术领域，提供了一种基于机器学习模型的葡萄叶部病害图像识别方法，包括：待检测葡萄叶部病害图像收集和SingleFormer模型识别，SingleFormer模型的构建过程包括：图像收集和划分、图像扩充和...; 冯建英金海滨穆维松范梦扬张馨心

番茄叶部病害检测方法、装置、设备及存储介质: 本发明涉及病害检测技术领域，公开了一种番茄叶部病害检测方法、装置、设备及存储介质，该方法包括：获取待检测番茄叶部图像；通过叶部病害检测模型对待检测番茄叶部图像进行检测，得到检测结果，其中，叶部病害检测模型是基于YOLOv...; 张聪赵静怡张帅谈莎莎马雨辰陈新波彭泽宇熊芃韩源涛詹晓芸何林锋

作物叶部病害识别方法、装置、电子设备及存储介质: 本发明提供一种作物叶部病害识别方法、装置、电子设备及存储介质，该方法包括：提取获取的作物叶部病害图像中的病斑图像；对病斑图像进行特征提取，得到病斑图像的病斑特征；将病斑图像的病斑特征输入至目标随机深林模型，得到目标随机深...; 王凡段丹丹刘长斌贾志威赵冲

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈