排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
蝗虫是常见的害虫之一,对农作物和生态系统具有很大的危害,采用常规的方法对蝗虫进行监测存在一定局限性,为了有效应用海量野外影像数据实现对蝗虫实时监测,本文建立了一种基于深度学习网络的蝗虫自动识别模型。利用手机模拟摄像头获取的内蒙古锡林浩特附近草原的280张蝗虫的RGB图像,采用深度学习算法中的Faster R-CNN(Faster Region-based Convolutional Neural Network)网络结构建立了蝗虫识别模型。经验证该模型的精确度为0.756,可以较准确地将蝗虫从野外复杂环境中识别出来,与以往同类研究相比,在识别结果和实用性方面均有较大的进步。该模型是建立蝗虫实时监测系统的基础,可以为蝗虫的防治提供辅助信息,同时该网络结构还可以应用于其他害虫的识别,具有较强的推广性,拓宽了深度学习算法的应用领域。 相似文献
2.
河南省东亚飞蝗发生的时间序列分析 总被引:5,自引:0,他引:5
利用1953—2000年河南省东亚飞蝗的发生时间序列资料,做了飞蝗大发生年的游程检验,结果表明,1953—2000年间河南省东亚飞蝗的大发生年是随机出现的。 相似文献
3.
遥感与GIS在蝗虫灾害防治研究中的应用进展 总被引:30,自引:0,他引:30
蝗虫是给农作物和草场造成严重危害的昆虫。长期以来,蝗虫的灭治一直依靠化学药剂喷洒,生物防治还处于刚刚起步阶段。从20世纪70年代起,就已在北非、澳大利亚等地,开始应用卫星遥感图像Landsat/MSS、TM及NOAA/AVHRR对蝗虫栖息、生长和繁殖的生境进行监测,研究蝗虫生境的绿度,以推断可能发生蝗灾的区域。进入20世纪90年代以来,遥感技术与地理信息系统(GIS)技术的结合,在蝗虫的监测中正得到日益广泛的应用。扼要论述了这些方面的研究进展。 相似文献
4.
5.
用研究灾变规律的关键时方法分析了El Nio、La Nia事件和太阳活动对河南省东亚飞蝗 (Locus ta migratoria manilensis Meyen) 的影响。结果发现, El No和La Nia事件不会促使河南省沿黄地区东亚飞蝗的大发生, 并得出El Ni no和La Ni na事件对飞蝗大发生的影响主要通过影响其发生地的天气、气候 (主要是降水), 从而影响飞蝗的大发生。在太阳黑子相对数高年的后一年, 河南省东亚飞蝗大发生的可能性超过90%。 相似文献
6.
1