公共文化服务平台

搜索到802篇“ 黄瓜病害“的相关文章

一种基于深度学习的黄瓜病害识别方法: 本发明涉及农业病害识别技术领域，具体涉及一种基于深度学习的黄瓜病害识别方法，具体如下：采集不同天气情况下图像，创建数据集；对数据集中的图像放缩为统一标准，并对图像进行标注；接着对数据集进行增强；将数据集划分为训练集、验证...; 王华森张嘉南陈晓暖

黄瓜病害防控技术: 2024年; 俗话说“白露秋风夜,一夜凉一夜”。随着天气逐渐转凉,阴雨天气与晴朗干燥的天气交替出现,导致棚内干湿变化大,给病害侵染提供了有利条件。广大菜农要加强日常栽培管理,发现病害要早防早治,避免其暴发和流行。一、炭疽病黄瓜炭疽病苗期到成株期均可发病,幼苗发病,多在子叶边缘出现半椭圆形淡褐色病斑,重者幼苗近地面茎基部变黄褐色。叶片上病斑呈近圆形或不规则形,初为水渍状,后为淡灰褐或红褐色,干枯潮湿时病斑上有粉红色黏稠物,干燥时病斑易开裂穿孔。严重时,病斑汇合成大斑,病部长出小黑点。; 关键词：防控技术黄瓜炭疽病黄瓜病害栽培管理阴雨天气成株期

一种黄瓜病害检测装置: 本实用新型公开了一种黄瓜病害检测装置，包括顶棚和显色仓，以及固定安装在顶棚顶部的挂绳，顶棚的底部对称安装有固定板，且固定板的底部固定安装有固定套，并且固定套的内部固定安装有风机，而且固定套的底部对称安装有连接板，还包括：...; 唐霞

基于深度学习的黄瓜病害检测算法研究: 2024年; 目前黄瓜病害问题虽然受到了很多学者的关注与研究,但是其一直以来都是限制黄瓜健康生长的关键问题。而传统黄瓜病害的检测大多依赖人工完成,现如今,基于深度学习的病害检测方法已日趋成熟,针对黄瓜病害检测问题,文章提出基于深度学习的黄瓜病害检测模型,实现对黄瓜病害的分类检测。文章以黄瓜病害检测为背景,以黄瓜叶片的叶枯病检测为例,数据集为包括健康叶片图像集和患有黄瓜叶枯病的黄瓜叶片图像集,对构建的卷积神经网络模型在小样本数据集上进行了模型改进以及参数训练,并对构建的卷积神经网络模型和支持向量机的分类方法两种算法的实验结果进行对比分析。结果表明,在黄瓜叶枯病检测任务中,文章提出的黄瓜病害检测模型的检测精度可以达到96.8%。因此,本研究在小样本数据集背景下具有一定的实用价值,也为黄瓜叶片叶枯病检测提供一种有效方法。; 牛伯浩; 关键词：黄瓜病害小样本

一种基于深度学习的黄瓜病害识别方法: 本发明涉及农业病害识别技术领域，具体涉及一种基于深度学习的黄瓜病害识别方法，具体如下：采集不同天气情况下图像，创建数据集；对数据集中的图像放缩为统一标准，并对图像进行标注；接着对数据集进行增强；将数据集划分为训练集、验证...; 王华森张嘉南陈晓暖

基于多尺度特征增强的轻量化黄瓜病害识别模型: 2024年; 在复杂的背景环境下对农作物病害进行准确识别与分类,为农作物病害的诊断及防治提供可靠依据,具有重要经济意义。提出了一种新的网络模型——MeNet(multiscale enhance on me),用于对大田中黄瓜的8种形态(其中包含6种病害和鲜黄瓜、鲜叶)进行精准识别。该模型的设计包括适用于网络前端的特征增强模块,对原始图像进行像素级多尺度特征增强,从而提升模型的特征表达效率;运用特征挑选的思想进行后续的特征提取和增强,再加入基于空域抑制的SimAM注意力,进一步突出了显著特征,提高特征效用;运用逐点卷积对特征图进行通道间信息交互,再以全局平均池化总结特征图。结果表明,相较于其他模型,本研究的MeNet性能更为优越,在复杂背景病害数据集上,平均准确率达到92.38%,最高准确率达到了92.92%,而模型的参数量仅为0.33 M,浮点运算量仅为0.30 G,证明MeNet模型在图像识别领域具有实际应用的潜力和继续研究的价值。; 李帅薄敬东龚瑞昆崔传金; 关键词：黄瓜病害图像识别轻量化

基于多模态融合的小样本黄瓜病害识别方法研究: 随着计算机视觉技术的发展,人们开始采用图像处理技术和深度学习算法去进行农作物病害的识别。然而,在农业领域中,大规模、有标签的作物病害数据获取难度较大且成本较高,如何利用小样本数据进行特征学习成为一个亟需解决的问题。同时,...; 曹亿亿; 关键词：小样本

一种黄瓜病害检测装置: 本实用新型涉及农作物病虫害检测领域，具体为一种黄瓜病害检测装置，包括防护套、显色仓、固定套、顶盖、隔仓、分线器、树莓派终端和摄像头，所述显色仓下端连接有防护套，所述显色仓上方设置有固定套，所述固定套上方设置有顶盖，所述顶...; 胡国田屈佳鹏徐冬

一种解淀粉芽孢杆菌及其在黄瓜病害防控中的应用: 本发明提供了一株解淀粉芽孢杆菌<I>Bacillus amyloliquefaciens</I>，于2022年03月07日保藏于中国微生物菌种保藏管理委员会普通微生物中心，保藏编号为CGMCC No.24481。该菌株耐...; 刘锦霞李娜李晶丁品付麟雲武建荣张建军

基于混合扩张卷积和注意力的黄瓜病害严重度估算方法被引量：4: 2023年; 自动和准确地估计病害的严重度对病害管理和产量损失预测至关重要。针对传统病害严重度估算步骤复杂且低效,难以实现在田间场景下精准估算问题,提出了一种基于混合扩张卷积和注意力机制改进UNet(Mixed dilated convolution and attention mechanism optimized UNet,MA-UNet)的病害严重度估算方法。首先,针对病斑尺寸不一、形状不规则问题,提出混合扩张卷积块(Mixed dilation convolution block,MDCB)增加感受野并保持病斑信息的连续性,提升病斑分割精度。其次,为了克服复杂背景的影响,利用注意力机制(Attention mechanism)对空间维度和通道维度进行相关性建模,获得每个像素类内响应和通道间的依赖关系,缓解背景对网络学习带来的影响。最后,计算病害分割图中病斑像素与叶片像素的比率来获得严重度。基于田间条件下收集的黄瓜霜霉病和白粉病图像进行了验证,并与全卷积网络(Fully convolutional network,FCN)、SegNet、UNet、PSPNet、FPN、DeepLabV3+进行比较。结果表明,MA-UNet优于比较方法,能够满足复杂环境下健康叶片和病斑的分割需求,平均交并比为84.97%,频权交并比为93.95%。基于MA-UNet分割结果估计黄瓜叶部病害严重度的决定系数为0.9654,均方根误差为1.0837%。该研究可为人工智能在农业中快速估计和控制病害严重度提供参考。; 李凯雨朱昕怡马浚诚张领先; 关键词：黄瓜病害

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈