基于GIS的苹果病虫害管理信息系统

以实现苹果病虫害的高效管理与预测预报为目的，设计开发了基于GIS的苹果病虫害管理信息系统。系统以GIS技术、人工神经网络技术和Internet 技术为支撑，包括苹果病虫害基础数据处理子系统、苹果虫害预测预报子系统和苹果病虫害网络发布子系统。在基础数据处理子系统中，系统具有数据获取、数据导出、属性查询、空间查询、数据统计分析、图层编辑、插值分析等功能；在苹果虫害预测预报子系统中，系统具有病虫害图片库维护、病虫害诊断、虫害预测预报功能；在病虫害网络发布系统中，系统提供了苹果病害信息查询、苹果虫害信息查询、专题图查询、预测预报结果查询等功能；系统提供的算法可以较好地预测苹果病害的发生程度。系统作为一种工具软件可以为果树病虫害管理、田间数据分析与精细农业研究提供支持。     

文山市农作物病虫害监测预报工作现状与对策分析

近年来,由于受气候异常变化、农业产业结构调整、种子市场放开、农产品流通贸易、耕作制度变化等因素影响,农作物病虫害发生异常,表现为稻飞虱、稻纵卷叶螟等重大病虫暴发频繁,水稻纹枯病、稻曲病等次要病虫害上升为主要病虫害,南方水稻黑条矮缩等新病害时有发生并逐年加重;细菌性条斑病、稻水象甲等检疫性病虫害传入文山市的危险越来越大。农作物病虫监测预警工作任务加重,难度加大,使病虫测报工作面临着严峻的挑战。基于此,重点分析了文山市农作物病虫害监测预报工作现状与发展对策。     

基于Web的榨菜病虫害防治专家系统

利用Internet下的人工智能技术,将重庆涪陵榨菜的病虫害诊断和防治经验集成,建立了基于Web的榨菜病虫害防治专家系统。该系统包括榨菜概述、病虫害概述、诊断与防治、专家在线等模块,采用ASP网络语言、Aces数据库技术和Html可视化程序语言设计了推理机,构建了知识库,开发了信息操作窗口。     

景谷县蔗区病虫害防治策略探讨

随着云南省普洱市景谷县甘蔗种植业的发展,甘蔗病虫为害也越来越普遍,病虫害的防治难度也越来越大。简要介绍了景谷县蔗区病虫害发生种类和为害规律特点,分析了景谷县甘蔗病虫害防治中存在的防治意识差、重视不到位及防治技术力量相对薄弱等问题,并从提高病虫害防治意识、加强病虫监测及增强整体防控能力等方面给出了合理化的意见和建议。     

有机果品病虫害的非化学药剂防治

有机果品是纯天然、无污染、安全营养的食品,也可称生态食品。本文介绍了几项有机果品的病虫防治技术。1农业防治采用一定水平的果树栽培管理措施和方式,增强树体对病虫害的抵抗能力、耐病虫能力和受害后恢复快的能力等。同时改变病虫害发生的环境条件,控制和减少病虫种类、数量的有利于防治病虫害的措施。例如,适时地增施有机肥料,能促使树体生育健壮,增强抗御病虫的能力。再如,果实套袋既可以防治蛀果害虫的危害,又对某些果实病害有相当好的防治效果。     

江苏地区早熟梨主要病虫害绿色防控技术要点

为了提高江苏地区早熟梨生产及食用安全水平,推动早熟梨产业向高质量发展,在分析早熟梨产区主要病虫害发生特点的基础上,从健身栽培管理、休眠期重点农业防控、6个生长期病虫预防及科学用药等方面介绍了主要病虫害绿色防控技术要点。     

龙泉驿区葡萄主要病虫绿色防控现状及措施建议

根据调查研究结果,简介四川省成都市龙泉驿区葡萄生产主要病虫种类及其为害特点、主要病虫绿色防控现状,认为葡萄病虫害绿色防控不仅仅是进行单纯的病虫防治,还应与栽培模式、水肥管理、套袋、修剪等技术相结合。提出"采用新的种植方式;种植适应性强的品种;选择好种植时期并搞好修剪等工作;加强肥水管理,培育健壮树势;搞好果实套袋;搞好冬季清园;推广物理防控;重视生物防控"等建议措施。     

植保信息管理系统的设计与实现

植保信息管理系统（PPIMS）采用Visual Basic编程设计，实现了植保信息的计算机管理，病虫测报与病虫害区域管理等功能。本文概括介绍了该系统的设计思想、总体结构和功能设计。     

水稻病虫害预测预报方法探讨

病虫害预测预报工作主要是根据相关资料以及病虫基数调查等数据分析,预先掌握病虫害发生情况,从而明确对水稻的危害程度以及分布状况等。通过对病虫害预测预报相关数据的分析,可以掌握一定时间和空间内病虫害的数量变化,从而实现对病虫害发病规律的掌握,帮助人们制定科学有效的应对措施。对水稻病虫害预测预报目的的分析,可以选择不同的预报方法,从而指导农民实现对病虫害的有效防治,提高农业产量和收入。     

基于物联网的柑橘病虫害智慧防预系统构建

山地柑橘病虫害的传统防治方式存在耗时耗力和防预不及时等问题。基于此,提出了一种优化空气和土壤温湿度传感器的布局策略,实现柑橘生长环境条件参数的精确感知。通过建立山地柑橘病虫繁衍代数随空气温湿度化的模型,对柑橘病虫害发生的区域和时间进行实时预测。实际测试表明,该系统能够及时预防病虫害的发生。     

基于改进深度置信网络的大棚冬枣病虫害预测模型

导致冬枣病虫害发生的原因很多而且很复杂,利用传统的数学方法和神经网络(neural network,NN)很难建立正确的病虫害预测模型.由于典型的深度置信网络(deep belief network,DBN)的各层之间缺乏有监督训练,使得网络误差逐层向上传递,降低了预测模型的预测率.针对这些问题,引入冬枣病虫害的先验信息,提出一种基于环境信息和改进DBN的冬枣病虫害预测模型.在该模型中,通过无监督训练和有监督微调从冬枣生长的环境信息序列中获取可表征冬枣病虫害发生的深层特征的隐层参数,并形成新的特征集,然后在预测模型的顶层通过一个后向传播神经网络(back propagation neural network,BPNN)进行病虫害预测.从2014—2017年的4 a时间内,利用农业物联网传感器采集30个大棚冬枣常见的2种虫害和3种病害发生的环境信息序列6000多条,由此验证所提出的预测模型,平均预测正确率高达84.05%.与基于强模糊支持向量机、改进型NN和BPNN的3种病虫害预测模型进行了试验比较,预测正确率提高了20多个百分点.试验结果表明,该模型极大提高了大棚冬枣病虫害的预测正确率.该研究可为大棚冬枣病虫害预测提供技术参考.     

基于WebGIS的农作物病虫害预警系统

为适应农作物病虫资料信息化、网络化、规范化的要求，及各级植保技术人员日常工作的需要，应用开源免费的设计软件PHP＋Apache＋MapServer＋MySQL，构建一套基于WebGIS的病虫数据库及自动预警系统（WPDAWS）。该系统采用开放式的设计模式，为各级用户（省、市、县）提供一个强大的数据管理平台。通过树型动态菜单和在线数据表设计系统，用户可根据需要自行按规范化标准建立和管理自己的病虫数据库（表）；应用WebGIS，系统可对大尺度、宏观的虫情数据进行分析和判断；系统可对用户的田间原始数据进行自动处理，对各种病虫进行短期预警；系统集成了数理统计分析模块，协助用户建立中长期预测模型。系统操作简单方便，应用性强，适用面广，对于加强农作物病虫害信息网络化管理和宏观科学决策具很高的应用价值。     

安徽省水稻病虫害信息管理系统

用ASP技术应用于B／S体系结构的水稻病虫害信息管理系统,其由系统说明、新闻列表、病虫害信息查询、更改密码及退出系统、留言簿等5个模块组成。提供了新闻发布、分站及分区查询病虫害信息、更改用户密码及退出系统、留言等功能。管理员分为总站管理员和分站管理员,不同管理员给予不同权限。此系统的建立对安徽省水稻病虫害的预测与防治具有现实意义。     

基于GIS的农作物病虫害预警系统的初步建立

该研究以建立农作物病虫害预警系统为目标,使用国产SuperMap IS.NET的GIS软件作为开发平台,以C 语言作为编程语言。该系统充分使用了GIS强大的空间分析功能和RS的快速、实时、大面积获取病虫害信息的功能,实现了GIS与RS在系统中的集成。系统最终将抽象的数据转化成清晰简明的电子地图,直观明了的显示了病虫害的发生程度和空间分布规律。该文重点介绍了此预警系统的数据库设计和系统的基本功能以及预警流程;最终,使用甘肃省庆阳地区西峰区2002年的小麦条锈病相关数据,来展示该预警系统中病害预测功能的实现过程,并获得了与实际报道相吻合的预警结果。研究表明,此预警系统能够对农作物病虫害进行分类预测,并根据预警结果对病虫害进行合理的预防和防治。     

基于西部地区园艺植物常见病虫害特点的生物防治措施

我国西部地区近年来园艺产业发展迅速。为了有效防治园艺植物常见的病虫害,根据中国西部的气候特点及虫种群特点,阐述了园艺植物病虫害生物防治技术的优势,并根据当前西部部分地区园艺植物病虫害的实际情况,提出了一些园艺植物病虫害生物防治技术的应用策略。实际案例表明,科学防治病虫害对提高园艺植物的产量具有显著的优势。     

农田生态环境变迁与某些农作物病虫害发展变化趋势

通过对河南省新乡地区历年资料分析表明,近40年来该地区主要农业生态环境要素有明显变化。如年日照时数和年均风速逐渐下降,而相对湿度呈上升趋势,进而引起地区性的水面蒸发量下降。气象要素的变化及灌溉量、施N量的增加,促使某些主要农作物病虫害加重,故培育高抗病虫害能力的作物新品种,实施节水灌溉及经济合理施用N肥对缓解该地区的病虫危害将十分有益。     

基于自适应判别深度置信网络的棉花病虫害预测

作物病虫害预测是病虫害防治的前提,利用深度学习预测作物病虫害是一个有效且具有挑战性的研究课题。该文针对深度置信网络(deep belief network,DBN)在作物病虫害预测中的训练耗时长和容易收敛于局部最优解等问题,将自适应DBN和判别限制玻尔兹曼机(restricted boltzmann machine,RBM)相结合,利用棉花生长的环境信息,提出一种基于自适应判别DBN的棉花病虫害预测模型。该模型由3层RBM网络和一个判别RBM(discriminative restricted boltzmann machine,DRBM)网络组成,通过3层RBM网络将棉花生长的环境信息数据转换到与病虫害发生相关的特征空间,通过自动学习得到层次化的特征表示,再由DRBM预测棉花病虫害的发生概率。该模型将自适应学习率引入到对比差度算法中,通过自动调整学习步长,解决了在传统DBN模型训练时学习率选择难的问题;在学习过程中通过在DRBM中引入样本的类别信息,使得训练具有类别针对性,弱化传统RBM无监督训练时易出现特征同质化问题,提高了模型的预测准确率。对实际棉花的"棉铃虫、棉蚜虫、红蜘蛛"虫害和"黄萎病、枯萎病"病害的平均预测准确率为82.840%,与传统BP神经网络模型(BPNN)、强模糊支持向量机模型(SFSVM)和RBF神经网络模型(RBFNN)分别提高19.248%,24.916%和27.774%。     

基于迁移学习的棉花叶部病虫害图像识别

针对传统图像识别方法准确率低、手工提取特征等问题,该研究以棉花叶部病虫害图像为研究对象,利用迁移学习算法并辅以数据增强技术,实现棉花叶部病虫害图像准确分类。首先改进AlexNet模型,利用PlantVillage大数据集训练取得预训练模型,在预训练模型上使用棉花病虫害数据微调参数,得到平均测试准确率为93.50%;然后使用数据增强技术扩充原始数据集,在预训练模型上再训练,得到最终平均测试准确率为97.16%。相同试验条件下,该研究方法较支持向量机(Support Vector Machine,SVM)和BP(Back Propagation,BP)神经网络以及深度卷积模型(VGG-19和GoogLeNet Inception v2)分类效果更好。试验结果表明,通过迁移学习能把从源领域(PlantVillage数据集)学习到的知识迁移到目标领域(棉花病虫害数据集),数据增强技术能有效缓解过拟合。该研究为农作物病虫害识别技术的发展提供了参考。     

利用显著图构建注意力深度网络检测诱虫板蔬菜害虫

为提高诱虫板图像蔬菜害虫检测精度,针对背景区域容易导致误检的问题基于显著图分析技术构建了一种注意力深度网络害虫智能视觉检测方法。首先通过显著图筛选出粗候选区域;然后在粗候选区域内用全卷积神经网络精选出细候选区域;接着用神经网络分类器识别细候选区域害虫种类,得到含有冗余的若干检测框;最后用改进的非极大值抑制消除冗余检测框,实现诱虫板图像中目标害虫的检测。针对小菜蛾和瓜实蝇展开试验,获得86.4%的平均精度均值和0.111只的平均绝对计数误差均值,所提方法平均精度均值比Faster R-CNN和YOLOv4分别高2.74和1.56个百分点,平均绝对计数误差均值比Faster R-CNN和YOLOv4分别低0.006和0.003只;同时,消融试验中移除显著图注意力模块后平均精度均值下降了4个百分点、平均绝对计数误差均值增加了0.207只。试验结果表明,所提方法有效提高了诱虫板图像蔬菜害虫检测精度,其中,引入显著图注意力模块对提升检测精度有重要作用。