【摘要】：稻田病蟲害的發(fā)生是造成水稻減產(chǎn),影響稻米質(zhì)量的主要因素,防止稻田病蟲害的發(fā)生以早期預(yù)防為主,目前早期預(yù)防手段主要是根據(jù)生產(chǎn)經(jīng)驗對稻田進(jìn)行藥物全覆蓋式植保,雖然取得了較好的防治效果,但大量藥物殘留也帶來了糧食食品安全和環(huán)境污染等巨大副作用。如何因病、因蟲精準(zhǔn)植保,是響應(yīng)國家減肥減藥農(nóng)業(yè)生產(chǎn)戰(zhàn)略所面臨的重點研究方向。精準(zhǔn)植保首先要識別和預(yù)測病蟲害的發(fā)生,病原菌孢子是稻田真菌病害微觀層面的誘發(fā)因素,白穗是病蟲害宏觀層面的危害表征,將病原菌孢子和白穗表征作為識別和預(yù)測稻田早期病蟲害發(fā)生的指標(biāo),能夠在病蟲災(zāi)害發(fā)生的初期進(jìn)行精準(zhǔn)防治和有效預(yù)警,對稻田植保減少藥物使用有著重要意義。本文選取病原菌孢子和白穗表征作為監(jiān)測指標(biāo),從稻田病害前期的病原菌孢子識別和病蟲害發(fā)生初期造成的白穗表征識別兩方面研究入手,以田間孢子自動捕捉儀和小型多旋翼無人機(jī)航拍系統(tǒng)為數(shù)據(jù)信息采集平臺,利用電子顯微鏡成像技術(shù)、數(shù)字圖像處理技術(shù),結(jié)合機(jī)器學(xué)習(xí)算法,對稻田病蟲害初期的發(fā)生進(jìn)行識別和預(yù)測,為稻田病蟲害的早期預(yù)防、精準(zhǔn)植保提供理論依據(jù)和生產(chǎn)指導(dǎo)。本文針對山東稻區(qū)病蟲害,展開稻瘟病病原孢子和病蟲害白穗表征圖像識別研究,同時,對試驗稻田進(jìn)行病蟲害人工調(diào)查,將稻瘟病病情指數(shù)與稻田實時識別的稻瘟病孢子數(shù)量、螟蟲害危害指數(shù)與無人機(jī)識別的白穗數(shù)量建立關(guān)聯(lián),為稻田病蟲害預(yù)警提供監(jiān)測指標(biāo),以進(jìn)行實際植保生產(chǎn)指導(dǎo)。本文開展的主要工作和取得的結(jié)論如下:1.設(shè)計一種田間孢子自動捕捉儀,實現(xiàn)全天候、多時間段稻田病原菌孢子連續(xù)自動采集。該裝置采用間歇式靜態(tài)工作方式,簡易、便攜,一次可攜帶6片載玻片,每片載玻片可自由設(shè)定采樣時間,采樣完畢自動切換載玻片。項目期間利用該裝置共采集30970幅田間孢子圖像供試。設(shè)計一種基于小型多旋翼無人機(jī)的稻田冠層圖像樣本采集方案,實現(xiàn)大面積稻田全覆蓋式農(nóng)情采樣。該方案充分發(fā)揮小型多旋翼無人機(jī)快速、實時、遠(yuǎn)程等優(yōu)點,不但破解稻田環(huán)境不適合地面機(jī)械進(jìn)入的難題,而且彌補(bǔ)布點式采樣造成數(shù)據(jù)不全面的不足。項目期間利用小型多旋翼無人機(jī)共采集11799幅稻田白穗圖像供試。2.提出一種基于梯度方向直方圖特征(HOG特征)的加性交叉核支持向量機(jī)(IKSVM)檢測稻瘟病孢子方法。該方法首先對顯微圖像分析系統(tǒng)預(yù)處理的稻瘟病孢子圖像利用Gamma校正法調(diào)節(jié)圖像的對比度,抑制噪聲干擾;然后提取孢子圖像的HOG特征作為輸入向量,輸入到支持向量機(jī)中,構(gòu)建加性交叉核支持向量機(jī)分類器;最后通過機(jī)器學(xué)習(xí)訓(xùn)練得到稻瘟病孢子分類器。為測試所提出的HOG/IKSVM方法的綜合性能,分別選用HOG/線性SVM方法與HOG/徑向基核SVM(HOG/RBF-SVM)方法做對比試驗。試驗結(jié)果表明,IKSVM在面對菌絲、雜質(zhì)的干擾時總體識別效果最好,總體識別率可以達(dá)到98.2%,高于HOG/線性SVM方法的79%;在平均檢測時間上,HOG/IKSVM方法的平均檢測耗時僅為HOG/RBF-SVM方法的1.1%。HOG/IKSVM方法在病原孢子識別上,不但總體識別率高,而且檢測速度也有大幅度提高,檢測速率逼近線性SVM,符合孢子室內(nèi)檢測快速、準(zhǔn)確的要求。3.提出一種基于Haar-like特征結(jié)合Adaboost學(xué)習(xí)算法的稻田白穗表征識別方法。該方法以小型多旋翼無人機(jī)為采集平臺,機(jī)載圖像采集設(shè)備采集稻田冠層圖像,進(jìn)行預(yù)處理后作為白穗識別的研究對象。方法引入4類Haar-like特征模型,為驗證特征模型的性能,設(shè)計了各類Haar-like特征模型以及多類Haar-like特征模型組合的識別性能對比試驗,試驗結(jié)果表明4類Haar-like特征及其組合特征中,C類+D類Haarlike組合特征對分類器性能提升強(qiáng)于其他特征。采用C類+D類Haar-like組合特征進(jìn)行Adaboost訓(xùn)練學(xué)習(xí),生成白穗表征識別用的強(qiáng)分類器,在測試集樣本容量為550的情況下(正樣本190個,負(fù)樣本360個)進(jìn)行識別試驗。經(jīng)試驗,稻田白穗的正確識別率和誤識別率分別為94.21%和3.33%,算法可以有效的抑制絕大多數(shù)的稻田背景、稻葉遮擋、稻穗黏連等復(fù)雜情況的影響,不過對于高強(qiáng)度光照和嚴(yán)重遮擋情況下的識別,算法還有待進(jìn)一步優(yōu)化和提高。為驗證算法性能,設(shè)計了同輪廓波特征算法的對比試驗,試驗結(jié)果表明,C類+D類Haar-like組合特征識別效果優(yōu)于輪廓波特征識別。采用C類+D類Haar-like組合特征,經(jīng)Ada Boost訓(xùn)練學(xué)習(xí)得到的強(qiáng)分類器對測試集中的65張圖像,423個白zB樣本進(jìn)行在線識別試驗,結(jié)果表明:白穗識別率可達(dá)93.62%,誤識別率為5.44%。4.設(shè)計2018、2019年度稻田病蟲害危害指數(shù)與稻瘟病孢子數(shù)量、白穗表征數(shù)量的擬合試驗。試驗從約6000m2稻田中的“圣稻13”和“圣稻19”兩個品種上進(jìn)行,分別分析稻瘟病病情指數(shù)與稻田空氣中稻瘟病病原孢子數(shù)量、螟蟲蟲害指數(shù)與稻田白穗識別數(shù)量之間的關(guān)系。試驗數(shù)據(jù)表明:1)稻瘟病病情指數(shù)與當(dāng)前稻瘟病孢子識別數(shù)量、5-7天前稻瘟病孢子識別數(shù)量均呈正相關(guān)關(guān)系,當(dāng)?shù)疚敛℃咦泳C合數(shù)量多于50個/400 m2時,稻瘟病病情指數(shù)與兩個時間段的孢子識別數(shù)量均具有較好的相關(guān)性。2018年度和2019年度,調(diào)查區(qū)內(nèi)稻瘟病病情指數(shù)與當(dāng)前稻瘟病孢子識別數(shù)量、5-7天前稻瘟病孢子識別數(shù)量相關(guān)性決定系數(shù)R2區(qū)間分別為(0.677,0.903)和(0.557,0.925),且隨著孢子識別數(shù)量的增加,相關(guān)性更為顯著;5-7天前的稻瘟病孢子識別數(shù)量擬合度優(yōu)于當(dāng)前稻瘟病孢子識別數(shù)量,可作為稻瘟病病害發(fā)生的預(yù)警指標(biāo);2)稻田螟蟲畝活蟲量與當(dāng)前白穗識別數(shù)量、10-12天前白穗識別數(shù)量均呈線性正相關(guān)關(guān)系。2018年度和2019年度,調(diào)查區(qū)內(nèi)螟蟲畝活蟲量與當(dāng)前白穗識別數(shù)量、10-12天前白穗識別數(shù)量相關(guān)性決定系數(shù)R2區(qū)間分別為(0.936,0.999)和(0.961,0.999),相關(guān)性顯著;10-12天前白穗識別數(shù)量的擬合度最好,故可將10-12天前的無人機(jī)識別稻田白穗數(shù)量作為預(yù)警稻田螟蟲危害發(fā)生的最佳參數(shù)指標(biāo)。
【學(xué)位授予單位】：山東農(nóng)業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2019
【分類號】：S435.11;TP391.41;TP181
【圖文】：

2左右。圖2-1 濟(jì)寧市陳莊農(nóng)林科技試驗站位置圖Fig. 2-1 Location map of Chenzhuang Agriculture and Forestry Science and Technology Experimental Station in Jining City

圖 2-2 孢子采樣布點示意圖Fig. 2-2 Schematic diagram of spore sampling2.2.2 稻田白穗樣本采集試驗設(shè)計由于病害（稻瘟病、紋枯病、水稻菌核稈腐病、惡苗病等）和蟲害（螟蟲）危害稻節(jié)、穗頸部、枝梗都會造成水稻白穗的發(fā)生，且白穗狀態(tài)易于混淆，為了重點研究預(yù)警螟蟲蟲害的發(fā)生，對病害和蟲害造成的白穗表征進(jìn)行區(qū)分，試驗進(jìn)行了病害預(yù)防和蟲害不預(yù)防的脅迫試驗。供試品種采用中抗苗瘟，高抗穗頸瘟的“圣稻 13”。試驗設(shè)兩塊占地約為 10 hm2的試驗區(qū)，試驗區(qū)均進(jìn)行病害植保預(yù)防處理，為進(jìn)行對比試驗，試驗 1 區(qū)進(jìn)行蟲害植保預(yù)防處理，試驗 2 區(qū)不進(jìn)行蟲害植保預(yù)防處理，兩塊試驗區(qū)水分和肥料正常管理。試驗采用小型多旋翼無人機(jī)采集水稻齊穗期至完熟期的稻田冠層影像信息。為方便無人機(jī)操作及核準(zhǔn)圖像位置信息，將每個試驗區(qū)等分為 5塊 100 m×20 m 的小試驗區(qū)，每小塊試驗區(qū)長寬方向上分別以 4 m 為單位設(shè)置標(biāo)識，以方便人為確定白穗表征位置，比對無人機(jī)識別結(jié)果。無人機(jī)在試驗區(qū)長度方向上以往復(fù)折返飛

基于圖像處理的稻瘟病孢子和白穗表征識別研究16圖2-3 白穗采樣試驗區(qū)示意圖Fig. 2-3 Schematic diagram of the white spike sampling test area2.3 試驗數(shù)據(jù)獲取2.3.1 稻瘟病孢子圖像數(shù)據(jù)獲取2.3.1.1 田間自動捕捉孢子裝置研發(fā)設(shè)計水稻稻瘟病與稻田空氣中病原菌孢子的數(shù)量有著極為密切的關(guān)系，為及時預(yù)警稻瘟病的發(fā)生，需及時連續(xù)地捕捉稻田空氣中的病原菌孢子，監(jiān)測孢子變化趨勢。目前，用于捕捉空氣中氣傳性植物病源真菌孢子的設(shè)備多分為兩種：固定式孢子捕捉器和便攜式孢子捕捉器。固定式孢子捕捉器多龐大貴重、安裝位置固定、不易攜帶，針對監(jiān)測點分散、數(shù)量多且地理位置偏僻的地塊無法實現(xiàn)有效快速地孢子捕捉；現(xiàn)有的便攜式孢子捕捉器具有體積小、便攜等優(yōu)點，但其裝載載玻片數(shù)量較少且需及時進(jìn)行人工更換，對于需要連續(xù)進(jìn)行孢子捕捉的情形，其效率低、費時費力。為克服上述已有裝置的不足，本項目自主設(shè)計研發(fā)了一種手提式田間自動孢子捕捉裝置，其采用間歇式靜態(tài)采集方式工作，可自動、連續(xù)地采集不同時間段內(nèi)稻田空氣中的病原菌孢子

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王軍;周洪軍;王曉君;朱艷華;辛玉成;李寶篤;;幾種拮抗菌株對煙草赤星病病原孢子萌發(fā)的影響[J];萊陽農(nóng)學(xué)院學(xué)報;2006年01期

2 陳裕文;黃淳維;;蜂蜜中美洲幼蟲病原孢子的檢測技術(shù)及其在防治上的意義[J];蜜蜂雜志;2007年S1期

3 榮飛;翟保平;姜玉英;;小麥條銹病原孢子遠(yuǎn)距離傳輸數(shù)值模擬[J];生態(tài)學(xué)報;2009年07期

4 柴大本;“9·11”事件與炭疽熱[J];中學(xué)生數(shù)理化(高中版);2002年Z1期

5 高志強(qiáng),程增書;鈣調(diào)素拮抗劑及鈣螯合劑對玉米大斑病病原孢子萌發(fā)的影響[J];華北農(nóng)學(xué)報;1993年02期

6 范文忠;王娜;韓光明;劉艷超;王立事;;不同溫度和pH對榆白澀病病菌的影響[J];北方園藝;2012年03期

7 張為;作物抗病性快速鑒定方法[J];河北農(nóng)業(yè)科技;1999年04期

8 王娜;韓光明;劉艷超;王立事;范文忠;;榆白澀病病菌生物學(xué)特性初報[J];吉林農(nóng)業(yè)科技學(xué)院學(xué)報;2012年01期

9 穆榮波;;楊樹黑斑病防治技術(shù)[J];吉林林業(yè)科技;2013年06期

10 祝繼強(qiáng);鹿兆國;;楊樹黑斑病的空間分布型及防治對策[J];吉林林業(yè)科技;2013年03期

相關(guān)會議論文 前3條

1 陳裕文;黃淳維;;蜂蜜中美洲幼蟲病原孢子的檢測技術(shù)及其在防治上的意義[A];海峽兩岸第六屆蜜蜂與蜂產(chǎn)品研討會論文集[C];2007年

2 張夢雅;張林;閆紅飛;劉大群;;麻山藥上一種新病害病原初探[A];中國植物病理學(xué)會2016年學(xué)術(shù)年會論文集[C];2016年

3 陳遠(yuǎn)鳳;程萍;楊紫紅;黎永堅;陳燕紅;喻國輝;;西芹黃萎病病原菌的生物學(xué)特性和防治藥劑篩選[A];中國植物病理學(xué)會2008年學(xué)術(shù)年會論文集[C];2008年

相關(guān)重要報紙文章 前9條

1 田欣;冬春棚室換茬早準(zhǔn)備[N];江蘇農(nóng)業(yè)科技報;2019年

2 容城縣農(nóng)牧局 王新良;低溫天凍棚效果好[N];河北科技報;2012年

3 陳英俠;蔬菜拔園前后 棚室這樣管理[N];河南科技報;2012年

4 冀春光;把好細(xì)節(jié)關(guān) 悶棚更高效[N];河南科技報;2016年

5 馬洪濤;辣椒整枝打杈講究“精細(xì)化”[N];瓜果蔬菜報.農(nóng)業(yè)信息周刊;2009年

6 王魏;噴藥別忘了噴一噴地表[N];河南科技報;2014年

7 王寬;蔬菜巧用藥，以最少用量得最佳效果[N];山東科技報;2015年

8 陳貴善;荔枝主要病害的防治[N];福建科技報;2006年

9 本報記者 高博 實習(xí)生 陳亭;科學(xué)展，明白看[N];科技日報;2014年

相關(guān)博士學(xué)位論文 前1條

1 王震;基于圖像處理的稻瘟病孢子和白穗表征識別研究[D];山東農(nóng)業(yè)大學(xué);2019年

相關(guān)碩士學(xué)位論文 前4條

1 高山;膜狀體海藻無性繁殖及其逆境過程的光合機(jī)制[D];天津科技大學(xué);2010年

2 羅志文;海南省菠蘿主要病原真菌鑒定及病原病毒多重RT-PCR檢測體系的建立[D];海南大學(xué);2011年

3 劉昱佳;柑橘采后生防菌34-9抗真菌活性物質(zhì)的研究[D];華中農(nóng)業(yè)大學(xué);2008年

4 段鵬飛;河南夏玉米主要病害發(fā)生特征及其與氣候生態(tài)因素關(guān)系[D];河南農(nóng)業(yè)大學(xué);2010年

本文編號：2767807