基于视频检测的储粮害虫死亡评估算法的研究

在我国,如何对杀虫效果进行评估,以提高防治措施的有效性和经济性,是粮库在害虫防治方面亟待解决的一个问题。目前,我国一些粮库已经安装了储粮害虫图像采集装置,因此本研究提出一种基于视频检测的储粮害虫死亡评估算法,用来检测杀虫过程中害虫死亡的具体数量变化情况。算法的核心是基于深度卷积神经网络的双流法网络,综合图像目标检测算法和两帧差分法进行识别,实现视频数据中害虫的定位与识别。测试结果表明本算法可有效检测储粮害虫的死亡情况,检测平均正确率可以达到89.3%。     

储粮害虫检测方法研究进展

科学、快速、准确进行储粮害虫检测是高效开展害虫综合防治的前提,也是保障粮食安全储藏的重要措施。本文根据国内外储粮害虫检测方法研究与应用进展情况,介绍了直观检查法、取样检查法、诱集检查法、电子检查法等储粮害虫检测方法及其优缺点,展望了储粮害虫检测技术发展方向,以期对我国储粮害虫发生的预测预报研究与应用有所裨益。     

基于改进的Faster R-CNN的小目标储粮害虫检测研究

针对小目标储粮害虫图像的检测问题,提出了一种基于特征金字塔网络的Faster R-CNN改进模型对图像中的小目标进行检测。本文以5种常见的储粮害虫为检测目标,样本中通过随机组合的方式混合不同种类的储粮害虫进行拍照取样,通过对原始图像数据进行目标扩充后构建了含942张储粮害虫图像的数据集（CSGP）。在改进模型的特征金字塔网络结构中,特征提取网络产生的高层特征图通过下采样方式逐步对底层特征图进行融合,生成适合多尺度目标检测的特征图。实验结果表明,采用训练集目标扩充的方式,储粮害虫图像的目标检测结果mAP提升了2.21%;改进后的模型进一步使得储粮害虫图像检测的mAP达到96.69%。最后,设计了一套粮仓内的储粮害虫监测系统。     

基于深度学习的粘虫板储粮害虫图像检测算法的研究

本文提出了一种基于深度学习的粘虫板储粮害虫图像检测算法,实现了放置在粮仓表面粘虫板诱捕的六大类害虫（米象/玉米象、谷蠹、扁谷盗、锯谷盗、拟谷盗、烟草甲）的定位和识别。考虑粘虫板图像的背景复杂、害虫体积较小、姿态多样的特点,改进了SSD的目标框回归策略、损失函数和特征提取网络结构,测试结果表明本文提出的算法可有效检测粘虫板上的害虫,检测平均正确率(mAP)可以达到81.36%。改进后的SSD算法部署在储粮害虫监测系统中,目前已在全国十一个粮库进行实验测试。     

储粮害虫检测技术研究进展

储粮害虫是危害粮食安全的主要因素之一,害虫检测技术对于粮食综合管理有非常重要的意义。根据国内外学者对储粮害虫检测技术的研究报道,本文归纳和总结了各种检测技术,分别介绍传统类、新型物理及生物类检测法。传统检测方法较为成熟并已被标准化,常用方法有直观检查法、取样筛检法、探管诱捕法;物理检测法较为新颖,以快速无损型检测方法为主,包括近红外及高光谱法、软X射线、电导率法、声测法、微波法、图像识别法、电子鼻等七种;生物检测法多为辅助性方法,常与其他方法联用以达到较优检测效果。本文对各种方法进行深入比较,并探讨国内外最新害虫检测技术,以期为将来研发合适的检测方法和仪器提供参考。     

基于深度学习的棉花异性纤维检测

在棉花纤维生产过程中,棉花异性纤维直接影响着其成品质量优劣。通过人工进行视觉上的观察是常用的判定棉花异性纤维优劣的方法,但这种方法耗费大量人力和时间,且准确性不高。本文测试一种可根据深度学习对棉花异性纤维进行自动检测的方法。通过卷积神经网络,在对棉花图像不断训练的过程中,使棉花异性纤维质量检测过程自动化。结果表明,这一方法对于检测棉花异性纤维准确性高、效率高,对于高品质棉花自动化生产加工有重要意义。     

卷积神经网络在储粮害虫图像识别中的应用研究

立足于当今储粮害虫图像识别领域面临的技术需求,针对现有的储粮害虫图像识别算法网络结构相对复杂,辨认率低,为此,引入卷积神经网络实现储粮害虫图像的识别。简要阐述了卷积神经网络发展过程,分析其网络结构,选用5种储粮害虫作为训练样本,分析了储粮害虫图像识别过程,最后通过实验得出了基于卷积神经网络的Alexnet模型对储粮害虫图像识别的精确度达97.62%,说明基于CNN对储粮害虫图像识别具有较高的准确率。     

储粮害虫防治的研究进展

储粮害虫的危害能够引起粮食减产和品质下降。介绍了国内外粮库储粮害虫防治和农户储粮害虫防治的研究进展,并阐述了所存在的不足,为从事储粮害虫防治的研究提供参考。     

国外储粮害虫防治研究进展

文中详细介绍了物理防治法,生物防治法和气调防治法等非化学药剂法在粮食储藏中的应用及研究进展,并提出了绿色储粮的重要性。     

信息素及其在储粮害虫检测中的应用

在粮食储藏过程中,准确检测粮堆内害虫种类和密度是害虫综合防治的重要依据,而传统检测方法存在工作量大、检测结果滞后等缺点,因此寻找新的检测手段具有重要意义。研究发现,昆虫信息素具有安全、绿色、微量、高效等特点,可用于储粮害虫的检测与控制。概述了昆虫信息素的结构鉴定、人工合成、采集方法,主要分析了信息素在储粮害虫监测诱捕检测法和信息素成分分析法中的应用研究,并讨论了信息素在上述两种检测方法的应用中所存在的难题,以期为储粮害虫检测技术的发展提供参考。     

基于深度学习的织物疵点检测研究进展

为提高疵点检测的准确性和通用性,实现使用简洁而有效的形式对织物图像的特点和疵点的本质特征进行综合表达,首先,介绍了深度学习技术,对引入了深度学习的疵点检测方法进行综述,同时对深度学习与疵点检测的内在关系进行阐述;然后,分析总结了深度学习的概念及代表性的计算模型,并对引入深度学习的疵点检测方法进行归纳、总结和分类;最后,对典型的方法进行了分析,讨论了各种方法的优缺点,并对未来的研究趋势进行了展望。指出：随着深度学习的发展,探索更加通用的检测方法是推进深度学习在织物疵点检测领域应用的努力方向。     

6种储粮害虫对不同颜色的趋性研究

在实验室内利用校正趋色法,研究我国6种储粮害虫对红色等6种颜色的趋性行为反应。结果表明,6种储粮害虫对不同颜色的趋性情况大多随时间的变化而变化,在特定的时间段内,赤拟谷盗、杂拟谷盗、米象、玉米象对不同颜色的行为反应存在显著性差异(P≤0.05),其中,红色、橙色、黑色对赤拟谷盗均有明显的引诱作用,诱集率最高分别为76.23%、39.55%、49.57%;红色、黑色对玉米象有明显的引诱作用,诱集率最高分别为38.48%、38.67%。嗜卷书虱和无色书虱对所测试6种颜色则大多表现出驱避性,其中,红色和紫色分别对嗜卷书虱、无色书虱有明显的驱避作用,驱避率最高分别为70.29%、54.46%。研究结果可为研发相应颜色诱捕器对储粮害虫进行诱捕监测提供参考。     

储粮中黄曲霉毒素检测和预警方法研究进展

黄曲霉毒素是严重影响食品安全的真菌毒素,粮食在不良的储藏条件下很容易受到该毒素的污染,监测和防控黄曲霉毒素污染是国内外广泛关注的研究热点。该文根据近几年国内外对黄曲霉毒素检测和防控的研究,重点探讨储粮中黄曲霉毒素检测及预警方法的研究进展,比较各种方法的特点,论述其适用的范围和进一步完善的可能性,期望为黄曲霉毒素的防控提供有意义的信息。     

基于深度学习的水果缺陷实时检测方法

目的：对CenterNet方法进行优化改进。方法：使用MobileNetV3的轻量化卷积神经网络替代CenterNet 原有的骨干网络,加快检测速度,对MobileNetV3模块进行改进,增强模型对水果中小缺陷块的检测能力,并对CenterNet的预检测阶段进行优化,提高其检测准确度。结果：试验方法对显著缺陷如直径>4 mm的苹果识别率高达99.7%,检测速度为113帧/s,模型体积为1.31 MB。结论：与CenterNet_ResNet18和CenterNet_Shuffler模型相比,MO-CenterNet模型检测水果缺陷在训练时间、检测速度和准确率方面均衡性更好。     

储粮害虫智能检测方法的分析

储粮害虫的检测一直以来都是粮食储藏行业研究的一个热点，害虫种类的正确识别是粮食管理人员进行害虫防治的必要依据。对目前国内外的两种主要的害虫检测方法进行了叙述与分析，即基于图像识别的检测方法和基于声信号的检测和识别方法。在此基础上，该文重点论述了基于DSP的多信息融合的储粮害虫智能检测方法。     

储粮品质太赫兹光谱检测技术研究进展

摘要：粮食质量与安全问题备受国民的关注,了解粮食在储藏过程中品质的变化趋势,特别是在早期阶段对其劣变状况进行快速、准确检测是当前粮食行业的重要任务之一。太赫兹光谱探测与成像技术具有快速、无损、衰减性小、无电离辐射伤害等特性现已成为无损检测技术的研究热点,在人体安全检查、环境监测、病变诊断、农产品质量控制等诸多领域取得了阶段性进展,在储粮品质检测方面也具有良好的应用前景。本文主要对太赫兹时域光谱技术的探测原理和光学参数提取以及成像技术进行了综述,重点阐述了该技术在储粮品质鉴别与分类、储粮新陈度、储粮真菌污染、以及储粮害虫检测方面的应用研究,并对太赫兹光谱技术在粮食品质快速检测中的发展趋势和应用前景进行了展望。