公共文化服务平台

搜索到259篇“ 测报方法“的相关文章

环保虫情测报装置及虫情测报方法: 本发明涉及虫情检测技术领域，尤其涉及一种环保虫情测报装置及虫情测报方法。环保虫情测报装置包括终端平台、灭虫室、诱虫灯、摄像头、图像采集及处理模块和控制模块。终端平台用于显示虫情信息，灭虫室用于诱捕害虫。灭诱虫灯用于吸引害...; 石庆兰朱胜楠王端睿

一种绿盲蝽测报溶液及其测报方法: 本发明提供了一种绿盲蝽测报溶液及其测报方法，属于绿盲蝽测报技术领域。所述测报溶液为体积浓度为0.1‑10%的诱虫剂水溶液；其中，所述诱虫剂包括以下质量百分含量的组分：月桂酰谷氨酸钠24‑26%、烷基葡萄糖苷8‑11%、烷...; 刘萍杨云峰路雅洁耿军边文波刘超邢茂德李林

一种虫情测报方法及系统: 本发明涉及虫害识别领域，更具体地，本发明涉及一种虫情测报方法及系统，方法包括：获取待检测地区的历史作物图像，并标注害虫区域，构建害虫区域数据集；根据害虫区域数据集的颜色特征构建高斯模型，将实时获取作物图像的颜色特征的像素...; 付晓伟刘一尹丰平孙彭凯王亚军于海国靳卫军侯东东高云鹏郭宏现谢升杨金彪

一种虫情测报方法及系统: 本发明涉及虫害识别领域，更具体地，本发明涉及一种虫情测报方法及系统，方法包括：获取待检测地区的历史作物图像，并标注害虫区域，构建害虫区域数据集；根据害虫区域数据集的颜色特征构建高斯模型，将实时获取作物图像的颜色特征的像素...; 付晓伟刘一尹丰平孙彭凯王亚军于海国靳卫军侯东东高云鹏郭宏现谢升杨金彪

一种海雾测报方法及系统: 本发明涉及一种海雾测报方法及系统，其将整个海雾可测报区域分割成若干个网格，同时以两个LoRa基站为基点生成一个椭圆区域，作为信号覆盖区域，然后对信号覆盖区域内的每一网格单独确定其海雾测报测量值，然后将每一网格的海雾测报测...; 周宏围陈君华

水稻主要害虫的差异化测报方法与防控技术被引量：1: 2023年; 病虫害测报是制定防治技术、开展防治的基础,测报结果的准确与否对于防治效果起着主要作用。但是不同的病虫害其发生特点不一样,采取的测报方法也不一样,不能一语概之。水稻是中国主要粮食作物之一,滇中地区危害水稻的害虫主要有二化螟、中华稻蝗^([1]),笔者从20世纪80年代以来开展二化螟和中华稻蝗的发生调查和测报,在总结多年调查研究结果和测报实践的基础上,归纳出中华稻蝗和二化螟的监测调查方法和综合防治技术,以指导大田防治。; 任少华徐丽学翁杰耿艳丽旷石怡太一梅; 关键词：水稻主要害虫中华稻蝗病虫害测报大田防治防控技术测报方法

用于农作物的病虫害测报方法: 本发明公开了用于农作物的病虫害测报方法，包括立柱一，所述立柱一底部固定有底座，所述立柱一外圈活动套接有立柱二，且立柱二顶部固定有顶棚，所述立柱二外圈固定连接有监控，所述立柱二外圈固定套接有柱状块，且柱状块顶部以及底部均固...; 谢春晖詹江雪靳芙蓉王生李华张迎春李育静黄霞徐淑华李文玲

一种基于AR眼镜的稻纵卷叶螟飞蛾测报方法及装置: 本申请公开了一种基于AR眼镜的稻纵卷叶螟飞蛾测报方法及装置，方法包括获取由AR眼镜所采集到的飞蛾视频；从飞蛾视频中确定出至少两帧飞蛾图像，并分别将每帧飞蛾图像输入至卷积神经网络模型中，得到标记有稻纵卷叶螟飞蛾的每帧飞蛾图...; 刘淑华姚青罗举赵铁壮

基于机器学习的小麦SPAD值与水稻产量测报方法研究: 水稻和小麦是中国两种重要的粮食作物，关乎到国家的粮食安全，精准快速地监测这两种作物的长势与预测其产量对田间工作者来说至关重要。随着近几年智慧农业的兴起，机器学习与遥感被越来越多的运用到农业生产领域，尤其是在监测作物长势参...; 顾晨; 关键词：小麦 SPAD值水稻

基于图像的水稻纹枯病智能测报方法被引量：4: 2022年; 【目的】目前水稻纹枯病测报依赖人工调查水稻发病丛数、株数和每株严重度来计算其病情指数,操作专业性强,费时费力且数据难以追溯。本研究提出基于图像的水稻纹枯病病斑检测模型和发生危害分级模型,为水稻纹枯病智能测报提供理论依据。【方法】利用便携式图像采集仪采集田间水稻纹枯病图像,研究不同目标检测模型(Cascade R-CNN和RetinaNet)和特征提取网络(VGG-16和ResNet-101)对水稻纹枯病病斑的检测效果,筛选出具有较好检测效果的模型。针对Cascade R-CNN模型检测纹枯病病斑存在漏检现象,根据纹枯病病斑呈现形状不规则、大小和位置多变的复杂情况,对Cascade R-CNN进行改进,添加OHEM结构均衡难易样本,选择边框回归损失函数,通过精准率、漏检率、平均精度和P-R曲线来评价不同模型的检测效果。在改进的Cascade R-CNN-OHEM-GIOU模型检测结果基础上,分别建立基于病斑面积和病斑数的水稻纹枯病丛发生危害分级模型,通过决定系数(R^(2))和Kappa值筛选分级模型。【结果】在相同主干网络条件下,Cascade R-CNN模型较RetinaNet模型对水稻纹枯病具有更好的检测效果,其中Cascade R-CNN-ResNet-101目标检测模型效果最佳,病斑检测准确率为92.4%,平均精度为88.2%,但漏检率为14.9%。改进的Cascade R-CNN-OHEM-GIOU检测模型有效解决了样本不均衡问题,添加边框回归损失函数有效降低了漏检率,较Cascade R-CNN-ResNet-101模型降低8.7%,平均精度提高到92.3%。以人工分级结果作为标准,基于病斑面积的水稻纹枯病发生危害分级模型在0—5级分级准确率分别为96.0%、90.0%、82.0%、76.0%、74.0%和96.0%,平均分级准确率为85.7%,Kappa系数为0.83,基于图像的水稻纹枯病丛发生危害分级与人工分级结果具有较高的一致性。【结论】基于图像的水稻纹枯病智能测报方法可实现病斑自动检测和发生危害自动分级,提高了测�; 韩晓彤杨保军李苏炫廖福兵刘淑华唐健姚青; 关键词：水稻纹枯病

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈