江苏农业科学

2024年20期

收藏成功

微博空间微信

本刊为综合性期刊。刊载的文章科学性强，在学术上多有新的见解与发展。栏目有专论、作物栽培与育种、新品种、植物保护、农业产业... 展开

类型

半月刊

类别

农业乡村

定价

促销信息

全年订阅更优惠!

￥15.00 ￥9.00

原貌版试读单本购买

国际视角下我国智慧农业科技创新发展的启示 doi：10.15889/j.issn.1002-1302.2024.20.001摘要：智慧农业是未来农业的发展方向，也是我国农业新质生产力的重要体现。对比分析发达国家智慧农业的发展特点和经验，探索适合我国国情的智慧农业发展任务与对策建议，...
借鉴国际经验加快我国智慧农业发展 doi：10.15889/j.issn.1002-1302.2024.20.002摘要：在全球农业现代化进程中，智慧农业已成为主流趋势。我国智慧农业虽发展迅速且成效显著，但与国际农业强国相比，尚存在着各方面的不足。而欧美各国在智慧农业发展上...
基于深度学习的农作物图像识别的发展 doi：10.15889/j.issn.1002-1302.2024.20.003摘要：农作物图像识别是一项重要的农业技术，它能够通过分析农田中的图像数据来快速、准确地识别不同作物的生长状态和健康状况。随着深度学习技术的快速发展，基于深度学...

基于遥感的流域尺度耕地冠层叶绿素、表层土壤有机碳含量估算及分布特征研究 doi：10.15889/j.issn.1002-1302.2024.20.004摘要：耕地表层土壤有机碳（SOC）和作物冠层叶绿素含量分别是土壤肥力和农田作物生长状态的重要指标之一。以山东省瀛汶河流域的耕地为研究对象，利用深度学习提取耕地...
基于无人机多光谱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：土壤全氮含量是评价土壤肥力及作物生长支持的核心指标之一。本研究构建一种新型反演模型VMD-SSA-LSSVM模型，旨在增强土壤全氮含量预测的精确性与泛化...
基于无人机多光谱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：为探明水稻生育期内叶面积指数（LAI）的变化情况，建立可快速准确估测不同生育期水稻LAI的模型。在蒸渗测坑内进行不同施氮量下的水稻栽培试验，基于无人机采...

基于Logistic模型的上海青生长模拟三维可视化建模技术 doi：10.15889/j.issn.1002-1302.2024.20.007摘要：虚拟作物的三维可视化研究在计算机教学、生态学等领域具有广泛的应用前景，尤其在作物生长过程研究方面更是具有重要意义。针对上海青形态结构复杂、上海青生长可视...
基于激光扫描技术的小麦植株三维重建与表型参数提取 doi：10.15889/j.issn.1002-1302.2024.20.008摘要：小麦植株表型信息是小麦品种特性和生长发育规律的外在展示，对小麦的栽培调控具有重要的指导意义。常规的作物表型信息获取以人工测量为主，存在数据偏差大、投入时...
基于MR展示柜的油菜表型数字化保存与展示 doi：10.15889/j.issn.1002-1302.2024.20.009摘要：作物表型高效数字化保存和多维度展示，可为后续深入细致的表型研究提供高通量、高精度的表型数据和高保真、全方位的展现形式。以油菜（Brassica napu...

基于YOLO v5模型的缺钙草莓叶片识别方法 doi：10.15889/j.issn.1002-1302.2024.20.010摘要：针对缺钙草莓叶片病害特征较小、病害尺度特征变换较大、传统的卷积神经网络模型对小目标的检测效果不佳等问题，提出一种基于YOLO v5模型的缺钙草莓叶片识别...
基于改进YOLO v5算法的草莓缺素诊断方法 doi：10.15889/j.issn.1002-1302.2024.20.011摘要：为解决实际生产中草莓因缺素而导致经济损失的问题，提出一种基于YOLO v5算法的草莓叶片无损缺素检测方法，可针对4种常见的缺素（缺氮、缺磷、缺钾、缺钙）...

基于机器学习和哨兵2号遥感影像的棉花种植空间分布信息提取 doi：10.15889/j.issn.1002-1302.2024.20.012摘要：为快速、准确、高效地获取棉花种植空间分布信息，提高棉花信息提取精度，基于机器学习的遥感图像识别方法，是有效解决问题的途径。以新疆维吾尔自治区乌苏市为研究...
基于随机森林的水稻信息提取与空间格局分析 doi：10.15889/j.issn.1002-1302.2024.20.013摘要：为准确了解岭南丘陵平原区水稻种植空间格局，以Sentinel-2A影像数据及耕地类型矢量数据为基础，采用随机森林（random forest，RF）对研...
基于无人机影像和FABM-UNet网络的油菜花簇分割方法研究 doi：10.15889/j.issn.1002-1302.2024.20.014摘要：开花是油菜生长过程中的重要阶段，花朵覆盖度可以精确反映油菜花的生长状态，为产量预测提供有用信息。为了解决传统覆盖度获取方法需要大量人工的问题，本研究将覆...

基于改进轻量化YOLO v7的成熟期香梨目标检测方法 doi：10.15889/j.issn.1002-1302.2024.20.015摘要：为在自然环境下准确地识别和检测香梨果实，以YOLO v7为基础网络模型，针对果园中香梨果实、果叶、枝干之间相互遮挡问题，提出一种改进的轻量化YOLO v...
基于改进RT-DETR的草莓成熟度检测 doi：10.15889/j.issn.1002-1302.2024.20.016摘要：在自然果园环境下，草莓果实生长分布密集易受枝叶遮挡，不同生长周期的草莓形态大小不一，面对遮挡、小尺寸草莓现有的检测模型容易出现误检、漏检问题。针对上述问...
基于改进YOLO的轻量级草莓成熟度检测方法研究 doi：10.15889/j.issn.1002-1302.2024.20.017摘要：为解决温室环境草莓果实的快速准确识别问题，提出了一种基于改进YOLO v5s的草莓成熟度检测方法。使用基于Channel Shuffle的多路聚合网络替...
基于改进YOLO v7-tiny的小麦麦穗检测方法 doi：10.15889/j.issn.1002-1302.2024.20.018摘要：针对农田环境下小麦麦穗目标检测精确率低的问题，在YOLO v7-tiny模型基础上进行深入改进，旨在提高麦穗检测的准确率，以满足农业生产管理系统和农业机...
基于YOLOX的小麦穗旋转目标检测 doi：10.15889/j.issn.1002-1302.2024.20.019摘要：小麦穗检测对于农业估产和育种研究具有重要意义，但由于小麦穗角度和姿态多变且存在遮挡和尺度变化等因素，给目标检测带来较大困难，提出一种针对小麦穗旋转目标检...

基于改进YOLO v8n的玉米田间杂草检测网络 doi：10.15889/j.issn.1002-1302.2024.20.020摘要：针对3～5叶期玉米田间伴生杂草目标尺度小、玉米叶片遮挡严重、田间自然环境复杂等导致检测精度不高的问题，提出了一种基于改进YOLO v8n的玉米田间杂草检...
Ghost-MobileNet v2：一种轻量级玉米田杂草识别新模型 doi：10.15889/j.issn.1002-1302.2024.20.021摘要：农田杂草种类繁多、生命力强、危害作物的各个生长周期，对现代化农业生产依旧具有极大的影响。为了协助农业生产中的杂草防治工作，对杂草准确、无损、高效识别，将...

基于Res-Inception的农作物病虫害识别技术 doi：10.15889/j.issn.1002-1302.2024.20.022摘要：针对现有视觉识别技术对于农作物病虫害识别存在实际农业生产中识别效果不佳的问题，研究提出了一种结合ResNet和Inception 2种模型优点的新构架R...
KMeans++与注意力机制融合的苹果叶片病害识别方法 doi：10.15889/j.issn.1002-1302.2024.20.023摘要：为解决复杂环境下小尺度苹果叶片病害识别精度不高、鲁棒性不强的问题，在YOLO v5s的基础上提出一种新的改进方法。该方法首先在模型训练之前使用KMean...
基于改进YOLOX的实时马铃薯叶片病害检测方法 doi：10.15889/j.issn.1002-1302.2024.20.024摘要：随着深度学习在图像识别领域的广泛应用，目标检测算法已取得显著进展。然而，在农业病害检测特别是马铃薯叶病害检测方面，仍面临诸多挑战，如自然光影响和数据不平...
基于改进YOLO v8的水稻害虫识别方法 doi：10.15889/j.issn.1002-1302.2024.20.025摘要：实时监测稻田害虫泛滥情况是预防水稻产量降低的重要手段之一。针对当前的目标检测算法在实际稻田环境下检测精度较低且模型计算量较大、难以实现实时检测等问题，提...
基于ActNN-YOLO v5s-RepFPN的番茄病害识别及系统设计 doi：10.15889/j.issn.1002-1302.2024.20.026摘要：作物病害的早期检测可以提高农作物的质量和生产力，为解决番茄病害识别模型在真实复杂场景中的泛化能力弱，易受作物品种、颜色特征、叶斑形状、疾病周期和环境因素...
基于原型自适应对齐网络的小样本玉米病虫害检测 doi：10.15889/j.issn.1002-1302.2024.20.027摘要：针对图像背景噪声干扰大、有限标注信息利用不充分所导致的对玉米叶片病虫害目标检测效果不佳的问题，利用支持分支和查询分支的双分支网络构建了一种基于原型自适应...
基于特征重组网络的小样本农作物病害叶片检测 doi：10.15889/j.issn.1002-1302.2024.20.028摘要：针对现有作物病害叶片检测模型的性能过度依赖大量带标注数据集以及预训练模型的泛化性不强等问题，提出一种基于特征重组网络的小样本农作物病害叶片检测方法。首先...
基于改进FixMatch算法的半监督番茄病虫害识别 doi：10.15889/j.issn.1002-1302.2024.20.029摘要：为了快速准确地识别番茄叶片病虫害，从而提升番茄产量和品质，在有限设备资源条件下实现番茄病虫害的精准防治，针对以往番茄病虫害识别算法数据标注成本过高的问题...
基于改进YOLO v8的草莓病害检测方法 doi：10.15889/j.issn.1002-1302.2024.20.030摘要：针对自然条件下草莓病害检测难度大、人工检测效率低下、传统计算机检测方式步骤繁琐、检测精度差以及模型的参数量与计算量大的问题，构建一种基于改进YOLO v...
基于P-MobileViT网络的小麦病害分类研究 doi：10.15889/j.issn.1002-1302.2024.20.031摘要：针对小麦病害图像分类方法的识别准确率不理想、模型参数量大等问题，提出一种基于P-MobileViT的小麦病害分类模型。首先对小麦图像进行健康和病害二分类...
基于多尺度特征增强的轻量化黄瓜病害识别模型 doi：10.15889/j.issn.1002-1302.2024.20.032摘要：在复杂的背景环境下对农作物病害进行准确识别与分类，为农作物病害的诊断及防治提供可靠依据，具有重要经济意义。提出了一种新的网络模型——MeNet（mult...
基于轻量化YOLO v8-Rice的水稻虫害检测方法 doi：10.15889/j.issn.1002-1302.2024.20.033摘要：针对真实场景下水稻虫害识别的背景复杂、模型计算量和参数量大以及难以在嵌入式设备或移动设备上部署等问题，在YOLO v8的基础上提出一种改进的轻量化的YO...