A Hybrid CNN–Transformer–LSTM Deep Learning Framework for Automated Cotton Disease Detection
提出CNN-Transformer-LSTM混合框架,实现棉花叶片病害自动识别。
关键词 · 相关资讯与研究
沿着“棉花病害识别”继续探索,共 1 条内容。
提出CNN-Transformer-LSTM混合框架,实现棉花叶片病害自动识别。
Cotton leaf disease classification using deep learning models for smart agriculture。Agriculture & Food Security
基于树莓派与物联网,实现棉花叶病自动检测、感染率估算与防治推荐。
中国农业科学院植物保护研究所联合西部农研中心、辽宁省农科院、石河子大学、新疆农科院植保所等多家科研院所在新疆昌吉发布棉花黄萎病防控全新解决方案,依托全球面积最大、致病型覆盖最全的精准靶向型人工病圃破解品种抗性「水土不服」难题。研究团队历时多年完成全国超1.1万株黄萎病菌菌种资源收集鉴定,首次明确黄萎病菌可分化为8种致病型,其中4种为侵染棉花的优势致病型。该病圃自2023年启动建设,总占地48亩,划分16个独立隔离区块。
中国农科院植物保护研究所联合西部农业研究中心、辽宁省农科院经济作物研究所、石河子大学、新疆农科院植保所等多家单位,在新疆昌吉向科研院所高校、新疆自治区和新疆兵团农技推广系统及棉花育种企业等展示精准靶向黄萎病菌致病型新型病圃构建及棉花品种抗性鉴定与应用解决新方案。科研团队完成全国11000余株黄萎病菌系统收集鉴定,结合3624株大规模群体基因组学测序与遗传进化研究,首次明确黄萎病菌分化为8种致病型、侵染棉花的主要有4种;病圃2023年开始建设、总面积48亩、分16个隔离区,经三年连续播菌建成精准靶向各种致病型的新型病圃,是全球迄今面积最大、覆盖致病型最全的人工黄萎病病圃,已被纳入农业农村部主推技术。
上海市农业科学院选育的"中旱3号"是中国南方稻区第一个通过国家审定的旱稻品种,被指定为国家旱稻品种区域试验南方稻区唯一的对照品种;"沪旱3号"是中国南方稻区第一个通过国家审定的粳型旱稻品种。目前累计推广面积已达534.96余万亩,增产稻谷3亿公斤,节约水资源16亿吨,实现经济效益5.89亿元。在一些种植区域,节水可达50%。
提出轻量化检测器Cotton-Vision,用无人机影像精准识别棉花病害。
构建ESP32物联网与CNN结合的植物病害检测及作物咨询系统。
提出MHSF-DETR棉花叶片病害检测模型,提升精度并降低参数量与计算量。