谷物害虫图像识别中数理统计特征的提取

本文阐述了利用计算机数字图像处理技术,对谷物害虫图像的一阶灰度值直方图和图像的目标区域,进行自动提取其一阶灰度值统计量和几何形状等数理统计特征的主要技术和方法。试验结果表明：该方法可以为谷物害虫的计算机自动模式识别(快速分类)提供稳定的特征参数值,有效地提高了识别率。     

辽宁省地下害虫地理区划

根据地势、地形、植被、气候条件以及地下害虫种类组成等方面的差异,将辽宁的地下害虫划分为3个区,6个亚区,即东部山区（长白山地亚区、半岛丘陵亚区）、中部平原区（北部波状平原亚区、南部平原亚区）及西部低山丘陵区（风沙亚区、低山丘陵滨海亚区）;记述了各亚区的地下害虫种类与组成．     

我国农作物有害生物发生和防治研究概况

介绍了近年来我国农作物重大有害生物发生和危害的概况,阐述了自１９７５年我国政府把综合防治工作为控制农作物有害生物的长期策略以来在综合防治技术研究和大面积综合防治示范方面所取得的显著效果,提出了在技术策略小逐步加强利用自然调控作用和进一步减少化学农药用量,以期在２１世纪实现农作物有害生物可持续控制的设想。     

蛋白酶抑制剂应用研究进展

蛋白酶抑制剂(PI)是广泛存在于生物体内一种重要生命物质,其主要作用包括:保护个体免受病原体或昆虫侵害;调控内生蛋白酶活性及保护储存蛋白等。该文从PI在HIV、肿瘤等疾病治疗、病虫害防治及在食品工业中应用几方面阐述PI当前研究进展,以供相关研究者参考。     

基于深度学习的储粮害虫检测研究进展

储粮害虫检测与预警对保障粮食储存安全具有重要意义。目标检测是计算机视觉研究领域的核心问题之一，近年来深度学习在目标检测领域的应用研究取得了重大突破，储粮害虫目标检测也取得了较大进展，并逐步在粮库智能化建设中推广与应用。本文从储粮害虫数据集的获取与预处理、储粮害虫目标检测算法研究、储粮害虫检测结果应用等三个方面，总结了近年来基于深度学习的储粮害虫检测研究进展，通过对比研究，提出了该研究领域存在的问题及未来研究方向。     

储粮害虫危害研究进展

产后节粮减损是涉及收获、干燥、农户储存、运输、储藏、加工、销售等粮食产后全链条的系统工程，粮食储存安全是粮食产后安全的非常关键环节。储粮害虫是粮食产后损失的重要生物因子，给粮食安全储藏带来了极大危害风险。本文从储粮害虫感染途径、危害类型、危害方式、危害指标等方面综述了储粮害虫的危害，以期为今后科学地评价储粮害虫危害风险等级、制订储粮害虫危害评价指标体系及制订绿色储粮策略提供参考，为粮食储存安全、节粮减损提供策略支撑。     

基于匈牙利算法和LSTM网络的储粮害虫轨迹跟踪及行为研究

长期以来储粮害虫给粮食储物带来严重损失,为寻找一种安全高效、环境友好的储粮害虫防治方法替代化学防治,本文研究储粮害虫的运动行为。采用计算机视觉技术对视频图像逐帧处理,运用匈牙利算法对多个储粮害虫目标轨迹跟踪,并结合长短期记忆网络(long short-term memory, LSTM)与余弦相似度方法解决多个储粮害虫在运动过程中目标重叠的问题。实验结果表明,该方法在137个储粮害虫正常运动视频中达到98.5%的跟踪准确度,在58个含有目标重叠的视频中达到89.7%的准确度。最后计算实时运动行为指标,如行走距离、行走速度、行走方向等,这为分析在热处理、熏蒸、气调等杀虫过程中储粮害虫运动行为,推算其移动范围并依此调整杀虫强度,从而控制成本以达到最好的杀虫效果提供理论支持,为建立高效的储粮害虫防治方案提供一种策略参考。