江蘇農(nóng)業(yè)科學(xué)

2024年20期

收藏成功

微博空間微信

本刊為綜合性期刊?？d的文章科學(xué)性強(qiáng)，在學(xué)術(shù)上多有新的見解與發(fā)展。欄目有專論、作物栽培與育種、新品種、植物保護(hù)、農(nóng)業(yè)產(chǎn)業(yè)... 展開

類型

半月刊

類別

農(nóng)業(yè)鄉(xiāng)村

定價

促銷信息

全年訂閱更優(yōu)惠!

￥15.00 ￥9.00

原貌版試讀單本購買

國際視角下我國智慧農(nóng)業(yè)科技創(chuàng)新發(fā)展的啟示 doi：10.15889/j.issn.1002-1302.2024.20.001摘要：智慧農(nóng)業(yè)是未來農(nóng)業(yè)的發(fā)展方向，也是我國農(nóng)業(yè)新質(zhì)生產(chǎn)力的重要體現(xiàn)。對比分析發(fā)達(dá)國家智慧農(nóng)業(yè)的發(fā)展特點和經(jīng)驗，探索適合我國國情的智慧農(nóng)業(yè)發(fā)展任務(wù)與對策建議，...
借鑒國際經(jīng)驗加快我國智慧農(nóng)業(yè)發(fā)展 doi：10.15889/j.issn.1002-1302.2024.20.002摘要：在全球農(nóng)業(yè)現(xiàn)代化進(jìn)程中，智慧農(nóng)業(yè)已成為主流趨勢。我國智慧農(nóng)業(yè)雖發(fā)展迅速且成效顯著，但與國際農(nóng)業(yè)強(qiáng)國相比，尚存在著各方面的不足。而歐美各國在智慧農(nóng)業(yè)發(fā)展上...
基于深度學(xué)習(xí)的農(nóng)作物圖像識別的發(fā)展 doi：10.15889/j.issn.1002-1302.2024.20.003摘要：農(nóng)作物圖像識別是一項重要的農(nóng)業(yè)技術(shù)，它能夠通過分析農(nóng)田中的圖像數(shù)據(jù)來快速、準(zhǔn)確地識別不同作物的生長狀態(tài)和健康狀況。隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展，基于深度學(xué)...

基于遙感的流域尺度耕地冠層葉綠素、表層土壤有機(jī)碳含量估算及分布特征研究 doi：10.15889/j.issn.1002-1302.2024.20.004摘要：耕地表層土壤有機(jī)碳（SOC）和作物冠層葉綠素含量分別是土壤肥力和農(nóng)田作物生長狀態(tài)的重要指標(biāo)之一。以山東省瀛汶河流域的耕地為研究對象，利用深度學(xué)習(xí)提取耕地...
基于無人機(jī)多光譜的土壤全氮含量反演模型研究 doi：10.15889/j.issn.1002-1302.2024.20.005摘要：土壤全氮含量是評價土壤肥力及作物生長支持的核心指標(biāo)之一。本研究構(gòu)建一種新型反演模型VMD-SSA-LSSVM模型，旨在增強(qiáng)土壤全氮含量預(yù)測的精確性與泛化...
基于無人機(jī)多光譜影像的不同施氮量水稻LAI反演方法研究 doi：10.15889/j.issn.1002-1302.2024.20.006摘要：為探明水稻生育期內(nèi)葉面積指數(shù)（LAI）的變化情況，建立可快速準(zhǔn)確估測不同生育期水稻LAI的模型。在蒸滲測坑內(nèi)進(jìn)行不同施氮量下的水稻栽培試驗，基于無人機(jī)采...

基于Logistic模型的上海青生長模擬三維可視化建模技術(shù) doi：10.15889/j.issn.1002-1302.2024.20.007摘要：虛擬作物的三維可視化研究在計算機(jī)教學(xué)、生態(tài)學(xué)等領(lǐng)域具有廣泛的應(yīng)用前景，尤其在作物生長過程研究方面更是具有重要意義。針對上海青形態(tài)結(jié)構(gòu)復(fù)雜、上海青生長可視...
基于激光掃描技術(shù)的小麥植株三維重建與表型參數(shù)提取 doi：10.15889/j.issn.1002-1302.2024.20.008摘要：小麥植株表型信息是小麥品種特性和生長發(fā)育規(guī)律的外在展示，對小麥的栽培調(diào)控具有重要的指導(dǎo)意義。常規(guī)的作物表型信息獲取以人工測量為主，存在數(shù)據(jù)偏差大、投入時...
基于MR展示柜的油菜表型數(shù)字化保存與展示 doi：10.15889/j.issn.1002-1302.2024.20.009摘要：作物表型高效數(shù)字化保存和多維度展示，可為后續(xù)深入細(xì)致的表型研究提供高通量、高精度的表型數(shù)據(jù)和高保真、全方位的展現(xiàn)形式。以油菜（Brassica napu...

基于YOLO v5模型的缺鈣草莓葉片識別方法 doi：10.15889/j.issn.1002-1302.2024.20.010摘要：針對缺鈣草莓葉片病害特征較小、病害尺度特征變換較大、傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)模型對小目標(biāo)的檢測效果不佳等問題，提出一種基于YOLO v5模型的缺鈣草莓葉片識別...
基于改進(jìn)YOLO v5算法的草莓缺素診斷方法 doi：10.15889/j.issn.1002-1302.2024.20.011摘要：為解決實際生產(chǎn)中草莓因缺素而導(dǎo)致經(jīng)濟(jì)損失的問題，提出一種基于YOLO v5算法的草莓葉片無損缺素檢測方法，可針對4種常見的缺素（缺氮、缺磷、缺鉀、缺鈣）...

基于機(jī)器學(xué)習(xí)和哨兵2號遙感影像的棉花種植空間分布信息提取 doi：10.15889/j.issn.1002-1302.2024.20.012摘要：為快速、準(zhǔn)確、高效地獲取棉花種植空間分布信息，提高棉花信息提取精度，基于機(jī)器學(xué)習(xí)的遙感圖像識別方法，是有效解決問題的途徑。以新疆維吾爾自治區(qū)烏蘇市為研究...
基于隨機(jī)森林的水稻信息提取與空間格局分析 doi：10.15889/j.issn.1002-1302.2024.20.013摘要：為準(zhǔn)確了解嶺南丘陵平原區(qū)水稻種植空間格局，以Sentinel-2A影像數(shù)據(jù)及耕地類型矢量數(shù)據(jù)為基礎(chǔ)，采用隨機(jī)森林（random forest，RF）對研...
基于無人機(jī)影像和FABM-UNet網(wǎng)絡(luò)的油菜花簇分割方法研究 doi：10.15889/j.issn.1002-1302.2024.20.014摘要：開花是油菜生長過程中的重要階段，花朵覆蓋度可以精確反映油菜花的生長狀態(tài)，為產(chǎn)量預(yù)測提供有用信息。為了解決傳統(tǒng)覆蓋度獲取方法需要大量人工的問題，本研究將覆...

基于改進(jìn)輕量化YOLO v7的成熟期香梨目標(biāo)檢測方法 doi：10.15889/j.issn.1002-1302.2024.20.015摘要：為在自然環(huán)境下準(zhǔn)確地識別和檢測香梨果實，以YOLO v7為基礎(chǔ)網(wǎng)絡(luò)模型，針對果園中香梨果實、果葉、枝干之間相互遮擋問題，提出一種改進(jìn)的輕量化YOLO v...
基于改進(jìn)RT-DETR的草莓成熟度檢測 doi：10.15889/j.issn.1002-1302.2024.20.016摘要：在自然果園環(huán)境下，草莓果實生長分布密集易受枝葉遮擋，不同生長周期的草莓形態(tài)大小不一，面對遮擋、小尺寸草莓現(xiàn)有的檢測模型容易出現(xiàn)誤檢、漏檢問題。針對上述問...
基于改進(jìn)YOLO的輕量級草莓成熟度檢測方法研究 doi：10.15889/j.issn.1002-1302.2024.20.017摘要：為解決溫室環(huán)境草莓果實的快速準(zhǔn)確識別問題，提出了一種基于改進(jìn)YOLO v5s的草莓成熟度檢測方法。使用基于Channel Shuffle的多路聚合網(wǎng)絡(luò)替...
基于改進(jìn)YOLO v7-tiny的小麥麥穗檢測方法 doi：10.15889/j.issn.1002-1302.2024.20.018摘要：針對農(nóng)田環(huán)境下小麥麥穗目標(biāo)檢測精確率低的問題，在YOLO v7-tiny模型基礎(chǔ)上進(jìn)行深入改進(jìn)，旨在提高麥穗檢測的準(zhǔn)確率，以滿足農(nóng)業(yè)生產(chǎn)管理系統(tǒng)和農(nóng)業(yè)機(jī)...
基于YOLOX的小麥穗旋轉(zhuǎn)目標(biāo)檢測 doi：10.15889/j.issn.1002-1302.2024.20.019摘要：小麥穗檢測對于農(nóng)業(yè)估產(chǎn)和育種研究具有重要意義，但由于小麥穗角度和姿態(tài)多變且存在遮擋和尺度變化等因素，給目標(biāo)檢測帶來較大困難，提出一種針對小麥穗旋轉(zhuǎn)目標(biāo)檢...

基于改進(jìn)YOLO v8n的玉米田間雜草檢測網(wǎng)絡(luò) doi：10.15889/j.issn.1002-1302.2024.20.020摘要：針對3～5葉期玉米田間伴生雜草目標(biāo)尺度小、玉米葉片遮擋嚴(yán)重、田間自然環(huán)境復(fù)雜等導(dǎo)致檢測精度不高的問題，提出了一種基于改進(jìn)YOLO v8n的玉米田間雜草檢...
Ghost-MobileNet v2：一種輕量級玉米田雜草識別新模型 doi：10.15889/j.issn.1002-1302.2024.20.021摘要：農(nóng)田雜草種類繁多、生命力強(qiáng)、危害作物的各個生長周期，對現(xiàn)代化農(nóng)業(yè)生產(chǎn)依舊具有極大的影響。為了協(xié)助農(nóng)業(yè)生產(chǎn)中的雜草防治工作，對雜草準(zhǔn)確、無損、高效識別，將...

基于Res-Inception的農(nóng)作物病蟲害識別技術(shù) doi：10.15889/j.issn.1002-1302.2024.20.022摘要：針對現(xiàn)有視覺識別技術(shù)對于農(nóng)作物病蟲害識別存在實際農(nóng)業(yè)生產(chǎn)中識別效果不佳的問題，研究提出了一種結(jié)合ResNet和Inception 2種模型優(yōu)點的新構(gòu)架R...
KMeans++與注意力機(jī)制融合的蘋果葉片病害識別方法 doi：10.15889/j.issn.1002-1302.2024.20.023摘要：為解決復(fù)雜環(huán)境下小尺度蘋果葉片病害識別精度不高、魯棒性不強(qiáng)的問題，在YOLO v5s的基礎(chǔ)上提出一種新的改進(jìn)方法。該方法首先在模型訓(xùn)練之前使用KMean...
基于改進(jìn)YOLOX的實時馬鈴薯葉片病害檢測方法 doi：10.15889/j.issn.1002-1302.2024.20.024摘要：隨著深度學(xué)習(xí)在圖像識別領(lǐng)域的廣泛應(yīng)用，目標(biāo)檢測算法已取得顯著進(jìn)展。然而，在農(nóng)業(yè)病害檢測特別是馬鈴薯葉病害檢測方面，仍面臨諸多挑戰(zhàn)，如自然光影響和數(shù)據(jù)不平...
基于改進(jìn)YOLO v8的水稻害蟲識別方法 doi：10.15889/j.issn.1002-1302.2024.20.025摘要：實時監(jiān)測稻田害蟲泛濫情況是預(yù)防水稻產(chǎn)量降低的重要手段之一。針對當(dāng)前的目標(biāo)檢測算法在實際稻田環(huán)境下檢測精度較低且模型計算量較大、難以實現(xiàn)實時檢測等問題，提...
基于ActNN-YOLO v5s-RepFPN的番茄病害識別及系統(tǒng)設(shè)計 doi：10.15889/j.issn.1002-1302.2024.20.026摘要：作物病害的早期檢測可以提高農(nóng)作物的質(zhì)量和生產(chǎn)力，為解決番茄病害識別模型在真實復(fù)雜場景中的泛化能力弱，易受作物品種、顏色特征、葉斑形狀、疾病周期和環(huán)境因素...
基于原型自適應(yīng)對齊網(wǎng)絡(luò)的小樣本玉米病蟲害檢測 doi：10.15889/j.issn.1002-1302.2024.20.027摘要：針對圖像背景噪聲干擾大、有限標(biāo)注信息利用不充分所導(dǎo)致的對玉米葉片病蟲害目標(biāo)檢測效果不佳的問題，利用支持分支和查詢分支的雙分支網(wǎng)絡(luò)構(gòu)建了一種基于原型自適應(yīng)...
基于特征重組網(wǎng)絡(luò)的小樣本農(nóng)作物病害葉片檢測 doi：10.15889/j.issn.1002-1302.2024.20.028摘要：針對現(xiàn)有作物病害葉片檢測模型的性能過度依賴大量帶標(biāo)注數(shù)據(jù)集以及預(yù)訓(xùn)練模型的泛化性不強(qiáng)等問題，提出一種基于特征重組網(wǎng)絡(luò)的小樣本農(nóng)作物病害葉片檢測方法。首先...
基于改進(jìn)FixMatch算法的半監(jiān)督番茄病蟲害識別 doi：10.15889/j.issn.1002-1302.2024.20.029摘要：為了快速準(zhǔn)確地識別番茄葉片病蟲害，從而提升番茄產(chǎn)量和品質(zhì)，在有限設(shè)備資源條件下實現(xiàn)番茄病蟲害的精準(zhǔn)防治，針對以往番茄病蟲害識別算法數(shù)據(jù)標(biāo)注成本過高的問題...
基于改進(jìn)YOLO v8的草莓病害檢測方法 doi：10.15889/j.issn.1002-1302.2024.20.030摘要：針對自然條件下草莓病害檢測難度大、人工檢測效率低下、傳統(tǒng)計算機(jī)檢測方式步驟繁瑣、檢測精度差以及模型的參數(shù)量與計算量大的問題，構(gòu)建一種基于改進(jìn)YOLO v...
基于P-MobileViT網(wǎng)絡(luò)的小麥病害分類研究 doi：10.15889/j.issn.1002-1302.2024.20.031摘要：針對小麥病害圖像分類方法的識別準(zhǔn)確率不理想、模型參數(shù)量大等問題，提出一種基于P-MobileViT的小麥病害分類模型。首先對小麥圖像進(jìn)行健康和病害二分類...
基于多尺度特征增強(qiáng)的輕量化黃瓜病害識別模型 doi：10.15889/j.issn.1002-1302.2024.20.032摘要：在復(fù)雜的背景環(huán)境下對農(nóng)作物病害進(jìn)行準(zhǔn)確識別與分類，為農(nóng)作物病害的診斷及防治提供可靠依據(jù)，具有重要經(jīng)濟(jì)意義。提出了一種新的網(wǎng)絡(luò)模型——MeNet（mult...
基于輕量化YOLO v8-Rice的水稻蟲害檢測方法 doi：10.15889/j.issn.1002-1302.2024.20.033摘要：針對真實場景下水稻蟲害識別的背景復(fù)雜、模型計算量和參數(shù)量大以及難以在嵌入式設(shè)備或移動設(shè)備上部署等問題，在YOLO v8的基礎(chǔ)上提出一種改進(jìn)的輕量化的YO...