作物病害智能诊断与处方推荐技术研究进展

由“植物诊所”形成的电子病历为作物病害处方推荐提供了新的思路。如何高效地挖掘电子病历数据并辅助作物病害处方推荐,目前还是亟待解决的研究热点问题。在总结和整理现有国内外研究文献的基础上,对基于显微图像的作物病害病菌孢子识别、基于光谱的作物病害诊断、基于电子病历的作物病害处方推荐等作物病害诊断与处方推荐关键技术进行了系统分析与讨论。综述结果表明,围绕作物病害病菌侵染过程,以智能化处方推荐需求为导向,开展基于电子病历数据挖掘的作物病害处方推荐研究,将成为一个研究重点。针对作物病害处方推荐过程中,存在由于作物病害致病机理复杂、作物品种及病害种类多、病害病症动态变化且特征多等特点和难点,研究基于电子病历数据挖掘的作物病害致病机理解析、诊断推理、智能化处方推荐及其应用策略,将是研究的重大方向;探索基于知识图谱分析、大数据挖掘和机器学习算法推理等关键技术的作物病害电子病历数据挖掘分析研究,从区域宏观视角可视化解析作物病害致病机理及其与特征间的关联关系,面向实际应用场景实现基于诊断推理的单一作物病害处方推荐、基于语义匹配的多种作物多种病害处方推荐,具有更大的实际意义。     

基于Faster-NAM-YOLO的黄瓜霜霉病菌孢子检测

黄瓜霜霉病由古巴假霜霉病菌孢子通过侵染引起,严重影响了黄瓜的品质和产量;病菌孢子数量与病情严重度相关,因此建立快速、简便和高效的病菌孢子定量检测方法,实现黄瓜霜霉病防治关口前移。基于YOLO v5模型提出了一种基于Faster-NAM-YOLO的黄瓜霜霉病菌孢子定量检测模型,该模型首先提出了一种特征提取模块C3＿Faster,使用C3＿Faster替换YOLO v5中的C3模块,有效降低了模型参数计算量和模型深度,提升了对黄瓜霜霉病菌孢子检测速度和精度;其次在主干网络中加入了NAM注意力模块,通过应用权重稀疏性惩罚抑制不显著权重,进而提高模型的特征提取能力和计算效率;最后实现了对黄瓜霜霉病菌孢子的定量检测。实验结果表明,Faster-NAM-YOLO模型在测试集上mAP@0.5和mAP@0.5:0.95分别达到95.80%和60.90%,对比原始YOLO v5模型分别提升1.80、1.20个百分点,较原始YOLO v5模型内存占用量和每秒浮点运算次数分别减少5.27 MB和1.49×10¹⁰;通过与YOLO v3、THP-YOLO v5、YOLO v7、YOLO ...     

施用猪粪对不同类型土壤中铜的赋存形态及小白菜吸收铜的影响

  目的  探讨猪粪中铜（Cu）的输入对土壤中Cu的赋存和生物有效性的影响。  方法  将1%和3%的腐熟猪粪（干猪粪∶秸秆 = 10∶1）添加到黄褐土、红壤、黑土、褐土中,分别老化0、1、2、3、5个月后,进行小白菜盆栽实验。  结果  与对照相比,施用猪粪使黄褐土、红壤、黑土和褐土土壤铜（Cu）全量分别显著增加了20.23% ~ 50.43%、79.87% ~ 142.6%、52.41% ~ 76.43%和41.14% ~ 92.24%。四种土壤中水溶态（F1）、碳酸盐结合态（F3）Cu占比均增加,施用3%猪粪的红壤未老化处理中F1-Cu和黄褐土未老化处理中F3-Cu增幅最大,分别达4.55%和16.47%。土壤铁锰氧化态（F5）、有机结合态（F6）Cu占比增加,残渣态（F7）占比降低。土壤有效态Cu的占比与猪粪老化时间呈显著负相关,3%猪粪老化5个月处理的黄褐土、黑土和褐土土壤有效态Cu占比分别降低12.85%、4.11%和3.68%,而红壤有效态Cu占比随老化时间变化不显著。在黄褐土中,腐殖酸结合态（F4）Cu的占比随猪粪老化时间的延长逐渐增加。施用猪粪显著增加小白菜对Cu的吸收,其中红壤的增幅最大,根系与地上部Cu含量分别显著提高244.5%和381.7%,地上部Cu含量为国家食品中污染物限量标准的1.44 ~ 2.56倍。逐步回归分析方程表明小白菜根系Cu的含量与土壤pH、粘粒及腐殖酸结合态（F4）含量呈显著负相关,与猪粪Cu输入量、土壤可溶性有机质含量呈显著正相关。  结论  猪粪的Cu输入显著提高土壤和小白菜的Cu 含量。土壤Cu的生物有效性不仅受土壤性质的影响,猪粪本身及在土壤中分解产生的腐殖酸和水溶性有机质对Cu的有效性也有较大的影响。通过比较不同的土壤类型,施用含Cu猪粪在红壤－作物系统中存在相对较高的重金属污染风险。