共查询到20条相似文献,搜索用时 154 毫秒
1.
贵州农业病虫害防治网建设初探 总被引:2,自引:0,他引:2
黄洲 《山地农业生物学报》2004,23(4):348-351
近年来贵州省农业病虫灾害的发生、危害严重地威胁着农业生产,成为农业生产发展的限制因子之一,因此对农业病虫害发生、危害的预测预报越显重要。本文探讨基于Internet平台,结合Internet和网络数据库技术的贵州省农业病虫害防治网的建设。该网站系统建设的最终目的是提高对病虫害时间动态和空间动态预测预报的准确率,进而为及时有效地防治病虫害的发生、危害提供可靠的信息服务。网站系统集病虫害信息查询与预测预报功能于一体,网站信息以图、文等多媒体形式提供给用户,同时还提供在线的专家咨询服务。 相似文献
2.
3.
蔬菜病虫害辅助诊断系统VPS是用VB6.0编写的基于图像及文本的农业专家系统。其知识库主要由侵染性病害、生理性病害、虫害3个数据库组成。包括用户管理、病虫害查询、病虫害辅助诊断、诊断数据库维护、数据库备份与恢复等7个模块。提供了分级管理、病虫害名称及拉丁文学名查询、病虫害图像诊断、数据库修改等功能。这一系统可对蔬菜生产过程中的病虫害识别与防治起到辅助作用。 相似文献
4.
5.
6.
周海静 《中国农业信息快讯》2014,(6S):58-58
大棚内种植的蕃茄病虫害具有发病率高与病症繁杂特点,严重地影响着番茄的品质与产量,所以必须做好蕃茄病虫害有关防治工作,才能增加蕃茄的产量与种植者的经济效益。本文将对大棚西红柿叶霉病症状进行分析,并在此基础上提出一些有效的防治策略,以供参考。 相似文献
7.
8.
随着IT技术的发展,世界各国利用网络技术开发了一些农业生产服务的系统,如:农产品市场信息、农业科技信息、地理、环境及气象信息技术资料、农业技术咨询等服务系统。农业数据库是目前最重要的农业信息资源,美国建立了农业技术信息数据库,后来快速出现BISIS(生物科学情报社)、CAB(英联邦农业局)、AGRICOLA(美国国家农业数据库)和AGRIS(FA0农业情报体系)等数据库,这些数据库通过英国的DLALOG、SDC(科学资料中心)欧洲的ESA向世界农业提供服务,广泛应用于作物生长管理自动化,病虫害诊断、病虫害预测预报和农业技术资源保护等。1… 相似文献
9.
我国作为农业大国,农作物的生产情况对经济发展具有重要意义。小麦种植过程中,病虫害会对小麦产量造成巨大威胁。通过分析小麦常见病虫害及其病症特征,并对防治措施进行总结,以期为广大小麦种植户提供参考意见。 相似文献
10.
11.
12.
13.
An Image-Based Diagnostic Expert System for Corn Diseases 总被引:1,自引:0,他引:1
The annual worldwide yield losses due to pests are estimated to be billions of dollars. Integrated pest management (IPM) is one of the most important components of crop production in most agricultural areas of the world, and the effectiveness of crop protection depends on accurate and timely diagnosis of phytosanitary problems. Accurately identifying and treatment depends on the method which used in disease and insect pests diagnosis. Identifying plant diseases is usually difficult and requires a plant pathologist or well-trained technician to accurately describe the case. Moreover, quite a few diseases have similar symptoms making it difficult for non-experts to distinguish disease correctly. Another method of diagnosis depends on comparison of the concerned case with similar ones through one image or more of the symptoms and helps enormously in overcoming difficulties of non-experts. The old adage 'a picture is worth a thousand words' is crucially relevant. Considering the user's capability to deal and interact with the expert system easily and clearly, a webbased diagnostic expert-system shell based on production rules (i.e., IF 〈 effects 〉 THEN 〈 causes 〉) and frames with a color image database was developed and applied to corn disease diagnosis as a case study. The expert-system shell was made on a 32-bit multimedia desktop microcomputer. The knowledge base had frames, production rules and synonym words as the result of interview and arrangement. It was desired that 80% of total frames used visual color image data to explain the meaning of observations and conclusions. Visual color image displays with the phrases of questions and answers from the expert system, enables users to identify any disease, makes the right decision, and chooses the right treatment. This may increase their level of understanding of corn disease diagnosis. The expert system can be applied to diagnosis of other plant pests or diseases by easy changes to the knowledge base. 相似文献
14.
基于WEB的大豆病虫害专家系统构建 总被引:1,自引:0,他引:1
基于WEB的大豆病虫害专家系统,采用ASP编程技术,且融合专家系统、网络信息系统、多媒体技术等理论,系统主要包括大豆病虫害诊断模块、病虫害防治专业知识模块和专家与用户交流BBS平台等模块,用户通过互联网即可使用该系统,具有使用方便、通用性强等特点。 相似文献
15.
竹子是中国亚热带地区重要的经济林木。随着集约化经营的进一步深入,竹林害虫发生日益严重,威胁着竹笋竹材的产量和品质。竹林害虫种类识别、生物学及防治等基础研究成熟,但竹农和基层林业技术人员对害虫诊断的专业知识薄弱,经常需要专业人员鉴定才能实现有效防治。Lucid系统正好提供了链接知识与应用的良好平台。通过文献查阅和野外调查,共整理48种竹林害虫的基础生物学信息,包括笋期害虫12种、竹叶害虫23种、竹枝秆害虫13种,拍摄或收集824张高清照片,构建完成fact sheet fusion害虫基础数据库。在此基础上,提取为害时期为害部位为害竹种为害方式为害状和害虫形态特征等6个特征组,74个衍生特征,189个特征状态和典型照片,采用Lucid Professional Ⅴ3.5软件,以多途径检索的方式实现远程智能诊断,从而为竹林害虫的及时有效防治提供便捷可靠的信息服务,促进竹产业的持续健康发展。图4表1参29 相似文献
16.
针对猪病诊断过程中广泛存在的证据不确定性,建立了能够处理这种不确定性的推理模型基于证据可信度的推理模型,给出了证据可信度的表示方法、传递算法。该模型很好地体现了猪病诊断中存在的不确定性,减小了主观因素对诊断结论准确性的影响。 相似文献
17.
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
18.
基于知识图谱的水稻病虫害智能诊断系统 总被引:2,自引:1,他引:1
目的 利用知识图谱对水稻病虫害领域复杂的异构数据信息进行结构化存储,建立病虫害间语义关系,为水稻病虫害关联检索及智能诊断提供理论依据。方法 首先提出一种面向水稻病虫害的知识图谱构建方法和基于图的水稻病虫害检索算法,通过引入节气实体实现水稻病虫害的预警。其次提出基于确定性因子(Certainty factor,CF)模型和知识图谱相结合的知识推理方法,利用CF与水稻病株症状的结合实现水稻病虫害的诊断。结果 利用命名实体识别模型,得出病、虫害名称及危害症状实体的准确率分别为0.92、0.90及0.87,进一步构建包括1 972个实体及5 226个实体关系的垂直领域知识图谱。通过自主开发的智能诊断系统进行案例分析,试验表明,诊断算法正确率达到86.25%。结论 该系统有效地解决了水稻病虫害领域数据检索、预警与诊断中知识的复杂性及不确定性的问题,有较强的实用价值和推广前景。 相似文献
19.