排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
小麦白粉病和条锈病是我国两种最普遍、最具破坏性的小麦病害,且田间常常混合发生。由于病源和发病机理不同,有必要对这两种病害进行准确区分和识别,以采取不同的防治措施。基于ImSpector V10E高光谱成像系统采集的条锈菌侵染叶片、白粉菌侵染叶片和健康叶片(共计320个)在375~1 017 nm范围内的高光谱图像,利用高斯平滑等预处理方法得到三种小麦叶片的平均光谱曲线,发现小麦白粉病和条锈病的敏感波段均集中在550~680 nm的色素强吸收位置,且趋势基本一致。针对两种病害的响应波段交叉重叠的问题,通过主成分分析-载荷法(PCA)、连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对小麦叶片的光谱信息进行有效降维,分别优选出3、6、30个敏感波段和特征波长;在此基础上,采用最小二乘-支持向量机和极限学习机两种分类算法分别基于全波段、PCA、SPA和CARS的优选波段,建立白粉病、条锈病和健康叶片的判别模型。结果表明,8种模型的准确识别率均在94.58%以上。其中,主成分分析-载荷法结合极限学习机模型最优,训练集与校正集的正确识别率分别为99.18%和100%,且结构简单,仅含有三个变量(占全波段的1.1%)。最后,通过对小麦白粉病、条锈病以及健康叶片的显微结构分析,发现病菌入侵叶片,破环细胞结构,导致叶绿素含量减少,光合作用效能降低,进而使得小麦在可见光波段光吸收程度减弱,反射率增大。可见,利用作物的高光谱图像信息能够准确地识别不同类型的小麦病害,为研发作物病害在线识别的多光谱系统提供重要的理论依据。 相似文献
2.
本文介绍了用结合化学、生物实验以及计算机辅助分子设计方法优化对瓜类白粉病毒有抑制作用的先导化合物的研究。用3-取代氨基-1-芳基丙酮-1-肟以及卤代烃合成了44个取代苯丙酮肟衍生物。生物测试的结果表示这些化合物大部分对瓜类白粉病毒有抑制作用。基于这些生物测试,对这44个化合物做了QSAR研究。根据所得CoMFA (rcv2, S 以及 r2 分别为0.577, 0.258, 0.962) 和 CoMSIA (rcv2, S 以及 r2 分别为0.583, 0.343, 0.932) 模型,设计了3个新化合物,而且预测结果显示,它们无致癌和致突变毒性。测试结果显示预测活性与实验活性相对应,说明这两个模型具有较高的预测准确率。 相似文献
3.
基于小波特征的小麦白粉病与条锈病的定量识别 总被引:4,自引:0,他引:4
小麦白粉病和条锈病是小麦常发病害中为害较重的两种病害,在我国小麦产区均有发生,但它们由不同病原引起,需要采取不同的防治措施。因此,快速、准确的获取小麦病害类型信息对于病害的防治具有重要的指导意义。遥感数据具有快速、准确的获取空间上连续信息的特点,提出一种基于实测冠层高光谱数据信息的小麦病害定量识别方法。通过对标准化光谱进行连续小波变换,分析350~1 300 nm范围内各波段及其连续小波特征与小麦白粉病和条锈病之间的相关性,以及在不同病害间的差异性,筛选出对不同病害敏感的光谱波段(SBs)和小波特征(WFs),然后采用Fisher判别分析法分别基于SBs,WFs以及结合SBs和WFs建立小麦白粉病、条锈病及正常小麦识别模型,分别采用未参与建模的55个地面调查数据和留一法进行验证。结果显示: (1)基于WFs模型的总体识别精度(分别为92.7%和90.4%)明显高于基于SBs模型的总体识别精度(分别为65.5%和61.5%);(2)SBs和WFs结合模型的总体识别精度(分别为94.6%和91.1%)略高于基于WFs模型的总体识别精度,在Fisher80-55模型中白粉病和正常样本的生产者精度提高了10%以上。(3)条锈病样本能在基于WFs和SBs & WFs的模型中准确判别出来,用户精度和生产者精度均达到100%。结果表明采用作物光谱信息能够准确的识别健康作物和不同类型的作物病害,为采用遥感影像进行大范围作物病害识别提供了理论基础,对于指导作物病害防治具有实际应用价值。 相似文献
4.
5.
以瓜类疫霉菌素为诱导物,诱导处理哈密瓜愈伤组织,探明组织内与抗性相关的两种酶及膜透性的变化,哈密瓜愈伤组织经毒素处理后,苯丙氨酸解氨酶(PAL)和多酚氧化酶(PPO)的活性增强,且这种特性在愈伤组织继代培养4代后,仍然存在:愈伤组织的膜透性在继代培养初期显著减少,但随着培养代数的增加,膜透性变化趋于平稳。 相似文献
6.
本文从瓜类疫霉菌液体培养液中分离到一种毒素,该毒素对新疆甜反幼苗有明显的致萎作用。用DEAE-52柱纯化该毒素得到二个组合。本文比较了这二个组分的组成、致萎差异和荧光谱差异,并发现该毒素的作用可能是瓜类疫霉菌害新疆矩反的主要原因。 相似文献
7.
应用判别分析模型预测小麦白粉病流行趋势 总被引:3,自引:0,他引:3
丁世飞.应用判别分析模型预测小麦白粉病流行趋势.本文首先应用逐步回归分析,对影响小麦白粉病流行趋势的各种预报因子进行了优选,择出优势因子;其次应用多级判别分析技术,组建了小麦白粉病流行趋势的3个级别的判别分析模型。验证结果表明:历史拟合率达92.31%,两年(1987、1988)试报,结果与实际一致 相似文献
8.
小麦白粉病和条锈病是我国两种最普遍、最具破坏性的小麦病害,且田间常常混合发生。由于病源和发病机理不同,有必要对这两种病害进行准确区分和识别,以采取不同的防治措施。基于ImSpector V10E高光谱成像系统采集的条锈菌侵染叶片、白粉菌侵染叶片和健康叶片(共计320个)在375~1 017nm范围内的高光谱图像,利用高斯平滑等预处理方法得到三种小麦叶片的平均光谱曲线,发现小麦白粉病和条锈病的敏感波段均集中在550~680nm的色素强吸收位置,且趋势基本一致。针对两种病害的响应波段交叉重叠的问题,通过主成分分析-载荷法(PCA)、连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对小麦叶片的光谱信息进行有效降维,分别优选出3、6、30个敏感波段和特征波长;在此基础上,采用最小二乘-支持向量机和极限学习机两种分类算法分别基于全波段、PCA、SPA和CARS的优选波段,建立白粉病、条锈病和健康叶片的判别模型。结果表明,8种模型的准确识别率均在94.58%以上。其中,主成分分析-载荷法结合极限学习机模型最优,训练集与校正集的正确识别率分别为99.18%和100%,且结构简单,仅含有三个变量(占全波段的1.1%)。最后,通过对小麦白粉病、条锈病以及健康叶片的显微结构分析,发现病菌入侵叶片,破环细胞结构,导致叶绿素含量减少,光合作用效能降低,进而使得小麦在可见光波段光吸收程度减弱,反射率增大。可见,利用作物的高光谱图像信息能够准确地识别不同类型的小麦病害,为研发作物病害在线识别的多光谱系统提供重要的理论依据。 相似文献
9.
基于叶片光谱分析的小麦白粉病与条锈病区分及病情反演研究 总被引:3,自引:0,他引:3
小麦条锈病和白粉病作为我国麦区两种重要病害,在田间常同时发生,为病害防治管理带来困难。基于实验测试获得白粉病、 条锈病叶片光谱数据,探讨采用光谱分析对两种病害进行区分识别及严重度监测的可行性。通过相关分析和独立T检验,筛选出对白粉病和条锈病敏感度差异较显著的波段及光谱特征,包括665~684,718~726 nm等6个波段范围,以及DEP550-770,SIWSI等11个光谱特征。基于这些波段和特征,采用FLDA构建病害判别模型;借助PLSR分析构建病情严重度反演模型。研究结果表明,筛选得到的反射率波段和光谱特征能够较好地区分两种病害,判别模型总体精度达到80%以上,准确度较高。其中,染病比率超过20%的病叶区分和识别精度可达95%。同时,分别基于两种病害敏感光谱特征构建的病情严重度反演模型能够较好地估测病情严重度,两种病害估测均方根误差均低于15%。上述叶片尺度小麦白粉病和条锈病区分和严重度反演模型为进一步研究两种病害冠层尺度的区分和监测提供基础。 相似文献
1