工控网首页
>

应用设计

>

农业物联网应用及农作物病害科研进展

农业物联网应用及农作物病害科研进展

2022/5/11 13:42:43

  作物病变,虫害,作为威迫作物生长的主因之一,一直是科研攻关的方向。随着深度学习,物联网,遥感等技术的不断发展,不少农科院所也在尝试借助现代科技,突破病变的识别与检测,致力于将病害扼杀在萌芽阶段。近期,中国农业科学院与甘肃农业大学,安徽大学与安徽省农业科学院的团队发表了相关研究论文,阐述了植物病变检测研究进展。

  一,植物叶部病害检测与识别

  中国农业科学院与甘肃农业大学,将深度学习应用于植物病害检测与识别中,就提升病害检测与识别的准确率为目标展开了研究。研究收集和介绍了部分公开的植物病害图像数据集,概述近年来深度学习在植物病害检测,与识别中的研究应用进展,及植物病害检测识别的研究进展历程和各算法的优缺点。

  植物病变的检测难点在于:病害症状的相似性,不同时期症状变化,以及多种病害交叠共存,也就是说在光照,遮挡,复杂背景等因素的相互影响下,成为病害检测和识别面临的主要挑战。将神经网络,大数据和农业理论相结合,可用于早期病害识别,可以克服传统诊断方法的弊端,是未来主要的发展趋势,为植物病害识别的深入研究与发展提供参考。

  二,小麦白粉病监测方法

  小麦白粉病小麦白粉病菌内生理分化现象十分明显,且病菌对温湿度的适应范围广泛,目前国内已鉴定出生理小种70多个。对此,安徽大学与安徽省农业科学院,以卫星遥感技术大范围监测和评估小麦白粉病展开了研究。

  研究利用多源多时相卫星遥感影像检测小麦白粉病并提升分类精度,通过热红外传感器数据,中分辨率成像光谱仪数据反演地表温度,宽幅相机数据提取小麦种植区和计算植被指数。利用用户精度,生产者精度,总体精度和Kappa系数对比四个模型的分类精度。结果显示,研究构建的SMLST-SVM取得了最高分类精度,总体精度和Kappa系数分别为81.2%和0.67,而SLST-SVM则为76.8%和0.59,显著提升了小麦白粉病的识别精度。

  植物病变的早期识别是防治的关键,上述研究在推动病虫害精准化防治与数字信息化管理,向智慧农业又前进了一步,希望更多科研成果能在农业生产加工中应用,真正做到学以致用。

审核编辑(
王静
)

评论

查看更多评论
其他资讯

查看更多

农业灌溉控制系统是什么

智能节水灌溉控制系统九大功能

无人机遥感监测作物病虫害的科研进展

远程智能灌溉控制系统分期远程灌溉农田

无线智能灌溉系统功能