科研产出
基于U-Net的玉米叶部病斑分割算法
《中国农学通报 》 2021 CSCD
摘要：本文旨在提出一种基于U-Net算法模型的玉米病程分级方法,实现对玉米常见4类叶部病害程度的快速、准确、客观分级。该方法以两组U-Net模型并行运算实现对玉米叶部病斑图像的语义分割任务。经测试图像分割试验中病斑分割MIoU值达到93.63%,叶片分割MIoU值达到96.33%,且运算速度均在1秒内完成。试验结果表明,该研究以手机拍照等方式采集数据源,不依赖专业仪器设备即可实现玉米病害快速分级,可取代以往以人工目测进行的病害识别方式,提高了病害分级的准确性和客观性。该模型与物联网设备结合运用,可实现玉米病害预警、降低病害影响、增产增收科技惠农的目标。
全文链接
请求原文
机器视觉在HSV颜色空间下稻瘟病病程分级判定研究
《农学学报 》 2020
摘要：该研究旨在开发基于机器视觉技术的稻瘟病病程分级系统,实现对稻瘟病病程分级准确、客观的判定.提出基于GrabCut、高斯滤波、OTSU二值化、颜色空间转换、阈值切割等处理的稻瘟病分级判定算法模型,该算法模型利用OpenCV与python语言实现,以反向阈值切割为核心策略分离叶片与病斑,再以循环遍历模式统计像素点得出病斑面积占比,实现对稻瘟病的快速、精确分级.试验结果表明,该算法模型与专业研究人员人工判定的结果匹配度达95.77%,相对于人工判定,具备更高的稳定性和客观性.目前对稻瘟病病程分级主要依赖研究人员通过经验判定,客观、准确的判定病程对防治稻瘟病具有重要意义.该系统以手机APP为图像采集端口,不依赖其他仪器和设备,通过手机拍照即可实时获得稻瘟病精确的分级结果,降低了研究门槛,提高了科研工作的效率.
关键词： 水稻病害 稻瘟病 图像处理 机器视觉 GrabCut 病程分级
全文链接
请求原文
农业科研仪器共享平台的设计与实现
《安徽农业科学 》 2019
摘要：PC普及和网络技术在国内的深入发展,使得互联网模式的科研仪器共享成为科研信息化的前进趋势.为了实现闲置仪器的充分利用与资源共享,解决设备申请周期长、办公效率低下、仪器代价高昂等问题,四川省农业科学院秉行无纸化办公的现代理念,全面考察科研仪器设备的共享使用工作流程,设计了一套更契合现代实际需求、基于B/S的WEB仪器共享平台.该平台运行借用了Internet和PHP+Mysql技术,构筑了一个开放式的信息自动化管理系统.通过对该系统进行一系列测试与运行,得出该系统界面友好、操作简便,易于使用与维护,具备充分利用闲置仪器和减少浪费的可行性.
全文链接
请求原文
基于深度卷积神经网络的玉米病害识别
《中国农学通报 》 2018
摘要：为了提高玉米病害的识别率,本文提出了一种在自然环境条件下基于深度卷积神经网络的玉米病害识别方法。该方法以玉米常见的10类病害为研究对象。算法模型是先将图像预处理,应用Triplet loss双卷积神经网络结构学习玉米图像特征,再使用SIFT算法提取图像纹理细节,最后通过Softmax对图像进行标签分类。训练集采用正常玉米图像与玉米病害图像相结合的方式,使用深度相似性网络学习正常玉米图像特征表示,再使用迁移学习方法学习玉米病害图像的特征,最后对特征进行分类识别。研究结果表明:该方法可准确识别10种常见玉米病害,正确率可达90%以上,为玉米病害的防治提供了有效的技术支持。
关键词： 玉米病害 算法 识别 深度学习 卷积神经网络 图像处理
全文链接
请求原文
农业科研项目申报系统的设计与实现
《四川农业科技 》 2016
摘要：在计算机日益普及的今天,科技高速发展,国家对科技项目的研究也越来越重视,每年都有很多项目要上报国家或政府,纸质的项目申报报告的审批浪费了大量的人力、物力、财力等资源。为了适应社会的需求,提高本院项目申报工作效率,同时让项目信息管理和统计更加科学、规范、高效、简便,由此开发该系统。
全文链接
请求原文
基于Solexa平台高通量测序数据的分析与处理流程研究
《农业网络信息 》 2015
摘要：第二代测序技术的诞生为生物信息学研究带来了前所未有的机遇,同时也对测序数据的处理分析提出了很高的要求。目前针对第二代测序数据的分析软件很多,但是绝大多数软件仅能完成单一的功能,如何正确高效地选择整合这些软件已成为迫切需求。本文基于新一代Illumina/Solexa测序平台所产生的数据,构建了一套完整的数据处理和分析流程,实现对测序数据有效分析和处理。对数据处理过程中所用的软件和方法做了全面综述,并对生物信息数据处理研究中存在的难题做了进一步展望。
关键词： 高通量 Solexa FASTQ 生物信息学 农业信息化
全文链接
请求原文
首页上一页1下一页尾页
