传统农作物病害识别过程中,要求生产者通过肉眼观察识别病害类型,对生产者的专业知识要求高,识别难度大。随着深度学习的发展和卷积神经网络强大的特征提取能力的不断挖掘,降低了图像识别技术上的操作难度,并取得显著效果,应用计算机视觉技术进行农作物叶面病害识别,正在成为农业现代化的主流方向。以番茄的叶面病害识别为例,提出了一种基于深度卷积神经网络的番茄叶面病害识别模型:重影空间金字塔模型(ghost spatial pyramid pooling net,GSNet)。为了适应农业生产需要,调整网络结构,降低网络模型复杂度,引入Ghost模块替换常规卷积层,采用空间金字塔池化提取病害多尺度信息,提高模型对于输入图像尺寸的自适应性,并针对实际需求,通过结构重参数化,分割网络训练阶段和推理阶段,在推理网络中合并卷积运算和批归一化(batch normalization,BN),提高推理效率,降低病害图像识别时间。结果表明:该卷积神经网络对番茄的叶面病害识别的准确率达到98.53%,并与VGG16、ResNet50、InceptionV3以及3种轻量化网络进行对比,获得最好的识别效果,接着通过对结构重参数化前后分类结果进行验证分析,在保证模型识别准确率的条件下,识别时间由16.28s下降为15.15s,推理效率提高6.94%,对农业智能病害识别具有重要意义。

为了提高基于数字图像识别番茄叶部病害的准确率,适应不同分辨率条件下的应用需求,幵满足实践拍摄条件的不确定性,以番茄晚疫病、花叶病、早疫病叶片图像为研究对象,选择HSV模型中的4维H分量等量分割波段作为颜色特征,基于灰度差分统计的均值、对比度和熵3维特征作为纹理特征,融合7维特征向量作为支持向量机(SVM)分类器的输入,用粒子群算法(PSO)优化SVM模型参数。试验结果表明,融合灰度差分统计与H分量4维特征的病害识别模型准确率可达90%。

建立了番茄品种“coun ter”的叶面积与叶长、叶宽和叶长宽乘积的线性回归和幂函数回归方程。结果表明,番茄叶面积与相应指标呈极显著回归关系,建立番茄叶面积回归方程时应分叶片大小来进行,并且应根据残差分析来划分大小叶范围。通过比较认为,叶面积与叶长宽乘积的一元线性回归方程和叶长的幂函数回归方程均适用于叶面积的估算,并给出了番茄品种“coun ter”的叶面积回归方程。

[目的]针对现有轻量级神经网络对多类番茄不同病害程度识别研究较少、识别精度较低、收敛速度较慢等问题，本文提出一种具有新轻量化瓶颈层模块和纹理注意力的TB-MobileNetV2轻量级网络。[方法]首先参照设计高效网络的相关准则设计了更高效轻量的瓶颈层模块设计即陀螺块（TOP Block），其次使用了对病害纹理特征具有更高效关注的改进纹理注意力模块（texture coordinates attention）。[结果]试验结果表明，TB-MobileNetV2在包含16种类别的番茄早晚期病害数据集的测试集识别准确率为88.49%，较原MobileNetV2网络提升了2.18%，且具有计算量减少与单张图片运行时间基本相同的优势；同时其准确率和收敛速度也均优于ShuffleNetV2 1.0×，MobileNetV3Small，MobileNetV2，MoblieNeXt四个对比轻量级网络。[结论]本文提出的TB-MobileNetV2能有效提高对多种番茄早晚期病害识别准确率。

为了及时准确的识别番茄叶片病害，提高番茄产量，提出了一种优化的Swin Transformer番茄病害识别方法，该模型利用Transformer的自注意力结构获得更加完备的番茄病害图像的高层视觉语义信息；结合Mixup混合增强算法，在预处理阶段对图像特征信息进行增强；并采用迁移学习在增强番茄叶片病害数据集上进行训练和优化Swin Transformer模型，以此实现精准的番茄叶片病害识别。结果表明：1)优化的Swin Transformer模型对番茄叶片病害识别准确率达到98.40%;2)在相同训练参数下，本研究模型比原Swin Transformer、VGG16、AlexNet、GoogLeNet、ResNet50、MobileNetV2、ViT和MobileViT模型准确率提高了0.70%～1.91%,且能快速收敛；3)本研究模型中加入的Mixup混合增强算法极大地提高了番茄叶片病害的识别准确率，比现有的常见方法性能更加优越，并且鲁棒性强。因此，本研究提出的新模型能够更加准确的识别番茄叶片病害。

针对卷积神经网络对番茄病害识别需训练参数较多,训练非常耗时的问题,将迁移学习应用于AlexNet卷积神经网络,对病害叶片和健康叶片共10种类别的番茄叶片进行分类研究。使用14 529张番茄叶片病害图像,随机选择70%作为训练集,30%作为验证集,对AlexNet卷积神经网络模型结构进行迁移,利用在Imagenet图像数据集上训练成熟的AlexNet模型和其参数对番茄叶片病害识别。在训练过程中,固定低层网络参数不变,微调高层网络参数,将番茄病害图像输入到网络中训练网络高层参数,用训练好的模型对10种类别的番茄叶片分类,并进行了20组试验。结果表明:该算法在训练迭代474次时使网络模型很好的收敛,网络对验证集的测试平均准确率达到95.62%,与从零开始训练的AlexNet卷积神经网络相比,本研究算法缩短了训练时间,平均准确率提高了5.6%。采用迁移学习所建立的病害分类模型能够对10种类别的番茄叶片病害快速准确地分类。

植株群体叶面湿润时间（ＬＷＤ）与病害发生密切相关，为预防叶面湿度过高引起日光温室番茄病害的发生，建立合理准确地日光温室番茄群体纵向尺度叶面湿度分布的预测模型十分必要。通过测定温室外光照强度、温室内温度、相对湿度及番茄植株不同高度的叶面湿润时间，分析温室环境因素对番茄群体纵向尺度叶面湿润时间的影响规律，并利用ＢＰ神经网络和多元线性回归建立番茄植株叶面湿润时间的预测模型。结果表明：叶面湿润时间与光照强度、温度呈现负相关关系，与湿度呈现正相关关系；植株不同高度的叶面湿润时间具有一定差异性，表现为植株群体上部叶片湿润时间变化最为明显，中部叶片变化次之，下部叶片变化最慢。距地面１５０，９０和３０ｃｍ高度．．．

以加工番茄品种里格尔87-5和石红12为试材,研究了在果实发育期叶面喷施不同质量浓度NaCl对果实耐挤压性和品质的影响。结果表明,在适宜质量浓度范围内,叶面喷施NaCl可以提高加工番茄果实硬度、耐压力和产量,改善果实品质,但两个品种对NaCl质量浓度的反应有一定差异。对品种里格尔87-5,3.0 g/L NaCl处理使产量和果实硬度极显著提高,果实耐压力、可溶性总糖、还原糖和Vc含量增加;6.0 g/L NaCl处理可显著增加还原糖和可溶性总糖含量,对果实硬度、耐压力、Vc含量和产量的影响不大;9.0 g/L NaCl处理使果实硬度极显著降低,并对果实耐压力和产量有一定的不利影响。对品种石红1...

根据光温对作物叶面积的影响,提出了辐热积(product of the rma leffectiveness and PAR,TEP)的概念。根据试验资料构建了利用辐热积模拟番茄(Lycopersicon esculentum Mill)叶面积动态的数学模型,并将其与已有的光合作用和干物质生产模拟模型相结合,构建了温室番茄干物质生产动态模型。利用不同品种、基质和地点的试验资料对模型进行了检验。结果表明,与传统的比叶面积法和有效积温法相比,辐热积法显著提高了温室番茄叶面积的预测精度,提高了光合作用和干物质生产的模拟精度。辐热积法对番茄叶面积的预测结果与1:1直线之间的决定系数R2和统计回归标准误...

应用数学形态学理论,提出一种膨胀和腐蚀的快速算法运用于番茄不同病害果特征提取,运用计算机视觉技术,根据病害果的几何矩特征,应用神经网络技术进行番茄病害果识别.研究表明,该方法能准确识别番茄病害果的形状,满足分级的要求,识别率达90%以上.

为了解决现有的农作物病害检测方法对不同番茄叶片病害检测的精度低、效果差的问题，提出一种基于YOLOv5网络模型改进的番茄叶片病害检测模型YOLOv5s-TLD。首先在原YOLOv5s模型的Backbone中构建DCAM注意力机制模块，通过制定双通道注意力和空间注意力机制加强模型对番茄叶片病理特征的提取能力，并减弱模型受复杂背景特征的影响，以提高模型对不同种类病害的检测精度和分类精度；然后应用融合Swin Transformer的C3STR模块替换原网络第6层的C3模块，强化模型在多尺度上建模的能力，实现模型对小尺寸的番茄叶片病害残差特征的高精度学习；再运用BiFPN加权双向特征金字塔网络替换原YOLOv5模型Head的PANet路径聚合网络，该网络采用跨尺度特征融合和可学习权重的方式融合模型不同层次的特征，在增强网络的特征融合能力的同时使网络获得更多的特征信息，以提高模型的感受野和特征表达能力；最后进行不同模型的检测对比试验，并在实际复杂场景下进行番茄叶片病害检测试验。试验结果表明：YOLOv5s-TLD模型平均精度均值和召回率分别为97.7%和96.3%，较原YOLOv5s模型平均精度均值和召回率分别提高1.9个百分点和2.5个百分点。该模型具有良好的检测精度和检测效果，且该模型在背景复杂的实际种植环境下能够准确地检测并识别不同种类的番茄叶片病害，研究结果可为农业智能管理和番茄叶片病害检测技术的实际应用提供参考。

为实现番茄自动化采收,针对温室光照条件多变、背景复杂及果实簇生遮挡的特征,构建了基于线结构光视觉的番茄果实识别定位视觉系统,并提出了一种针对簇生重叠果实的区域分割方法。在(2R-G-B)色差模型下利用动态阈值分割,提取成熟果实区域;计算亮度渐变梯度向量,采用灰度重心法提取结构光条纹中心线;基于线结构光立体测量原理,在光条纹扫描视场过程中实时获取成熟果实表面三维信息,并映射形成果实表面与相机光心距离深度图像,实现簇生重叠果实区域的立体分割;基于果实表面激光条纹点空间坐标拟合果实外接球体,获取果实形态和空间坐标信息;试验结果表明,视觉系统单次识别测量耗时2.8s,果实直径测量误差小于6mm,果实与...

本文采用自然病圃,开展了四川省部分番茄材料的抗病性鉴定筛选评价,为选育抗病品种提供科学依据。结果表明:大多数番茄材料对主要病害均表现出一定的抗病性,部分材料对2~3种主要病害具有兼抗性。供试材料对番茄枯萎病的抗性最好,抗枯萎病材料占73.33%;对灰霉病,番茄材料多表现为耐病,抗灰霉病占40.00%,耐灰霉病的占50.00%;对晚疫病多表现为中抗;对番茄病毒病的抗性略差,抗病毒病的材料仅占13.33%。

研究了设施栽培中番茄叶温的变化情况,及其与环境因子变化之间的关系。通过对叶温、气温、空气相对湿度、光合有效辐射、蒸腾速率、气孔导度和叶水势的测定结果表明,叶温与气温变化有着相同的趋势,随日光温室内气温的升高,叶温也升高,气温变化对叶温变化的影响存在滞后性,最高叶温相对于最高气温的出现时间晚30～60min。空气温度的变化直接影响着叶温的变化,空气湿度和光合有效辐射通过空气温度的间接作用影响着叶温的变化。温室内影响番茄叶温的主要因子为气温。

【背景】番茄潜叶蛾（Tuta absoluta）是一种对番茄等作物最具毁灭性危害的世界检疫性害虫，2017年首次在我国西北新疆伊犁的露地番茄发现，2018年又在我国西南云南临沧的保护地番茄发生，目前已快速传播至我国20余个省级区域。【目的】以成虫为对象在室内笼罩条件下，研究明确番茄潜叶蛾的种群定殖、种群重建及延续能力。【方法】每笼接入不同数量（2、4、6、8、10头）的番茄潜叶蛾成虫（性比1:1），通过评价其产卵量和幼虫孵化率，研究繁殖体数量对番茄潜叶蛾种群定殖能力的影响；以1对成虫（2头，性比1:1）为起始繁殖体数量，通过种群数量动态监测、虫态（龄期）个体数量占比及丰富度指数R评价，研究番茄潜叶蛾的种群重建和延续能力。【结果】以5个繁殖体数量（2、4、6、8、10头，性比1:1）接入番茄潜叶蛾成虫，各繁殖体数量的总计产卵量分别为93.1、194.9、271.3、311.5和400.2粒，差异显著；平均单雌产卵量分别为93.1、97.4、90.4、77.9和80.0粒，差异显著，且繁殖体数量为1♀:1♂、2♀:2♂和3♀:3♂的平均单雌产卵量明显高于4♀:4♂和5♀:5♂；此外，在5个繁殖体起始数量处理中，卵孵化为幼虫的比率均比较高，为91.3%—92.7%；综合分析结果显示，种群定殖能力大小依次为5♀:5♂>3♀:3♂>4♀:4♂>2♀:2♂>1♀:1♂。1对（2头，性比1:1）番茄潜叶蛾成虫即可重新建立种群，约90 d(3个世代)后种群即可达到稳定状态。在168 d（约5个世代）的种群重建和种群延续过程中，仅在最初的0—91 d范围观察到3个较为明显的种群发生高峰（世代），高峰日总计虫量（蛹未予计入）较起始繁殖体数量分别增加77.8、60.5和60.1倍，其中，成虫数量分别增加6.4、4.1和7.7倍；之后，各虫态（卵、1—4龄幼虫、成虫）同时发生，世代重叠现象明显，种群数量趋于稳定并波动增长，总计种群数量持续稳定在96.6—140.6头，不同虫态（龄期）个体数量占比在16.67%上下波动，丰富度指数R稳定在1.011—1.094。【结论】番茄潜叶蛾1对成虫即具有较高的生殖与存活能力，传入的起始繁殖体数量越大，番茄潜叶蛾成功定殖的可能性越大；1头雌虫和1头雄虫即可重新建立种群并使种群得以稳定延续。1对成虫的传入即具有较大的入侵风险并产生足够多的后代以满足种群延续和扩张，因此，在番茄潜叶蛾防控工作中，应加强对该虫的监测预警，并力争在其点片发生期予以灭除。