全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

诱捕器在害虫防控中研究现状
Current Status of Research on Traps in Pest Control

DOI: 10.12677/AIRR.2021.101007, PP. 68-72

Keywords: 诱捕器,识别与计数
Traps
, Identification and Counting

Full-Text   Cite this paper   Add to My Lib

Abstract:

目前针对害虫诱杀防治的诱捕器具有结构简答,使用方便。但存在目标单一,环境适应性差,人工成本高,效率低等缺点。近年来,人工智能技术快速发展,识别和计数应用到了害虫防治领域,取得不错成果。本文梳理传统诱捕方式,分析目前昆虫识别和计数研究现状,对比其与传统诱捕方式优点,最后对其发展趋势进行展望。
The current trapping apparatus for pest trapping and control has a simple structure and is easy to use. However, there are disadvantages such as single target, poor environmental adaptability, high labour cost and low efficiency. In recent years, the rapid development of artificial intelligence tech-nology, identification and counting has been applied to the field of pest control, and good results have been achieved. This paper combs traditional trapping methods, analyses the current status of insect identification and counting research, compares its advantages with traditional trapping methods, and finally its development trend is prospected.

References

[1]  纪开燕, 曹兆阳. 诱捕器在林业害虫防控中的应用研究现状及展望[J]. 现代农业科技, 2017(20): 132-134.
[2]  萧玉涛, 吴超, 吴孔明. 中国农业害虫防治科技70年的成就与展望[J]. 应用昆虫学报, 2019, 56(6): 1115-1124.
[3]  陆宴辉, 赵紫华, 蔡晓明, 崔丽, 张浩男, 肖海军, 李振宇, 张礼生, 曾娟. 我国农业害虫综合防治研究进展[J]. 应用昆虫学报, 2017, 54(3): 349-363.
[4]  丁永顺, 赵青青, 万润, 李凤娟. 草地贪夜蛾种群检测及防治措施[J]. 农技服务, 2020, 37(5): 63-64.
[5]  周爱萍. 害虫远程实时监测系统在草地贪夜蛾监测中的应用[J]. 安徽农学通报, 2020, 26(Z1): 88-89.
[6]  汪诗凯, 张俊华, 周萍, 石旺鹏, 于艳雪. 光、声和信息素在昆虫监测中的应用[J]. 植物检疫, 2018, 32(4): 10-17.
[7]  张锦芳, 张阳, 徐文平, 陶黎明. 昆虫的趋光性及其应用于害虫治理的研究进展[J]. 世界农药, 2020, 42(11): 26-35.
[8]  桑文, 黄求应, 王小平, 郭墅濠, 雷朝亮. 中国昆虫趋光性及灯光诱虫技术的发展、成就与展望[J]. 应用昆虫学报, 2019, 56(5): 907-916.
[9]  姜宝海, 赵铁伦, 贾生. 太阳能杀虫灯在农业生产中的推广及应用[J]. 农业机械, 2020(10): 85-86+88.
[10]  郭祖国, 王梦馨, 崔林, 韩宝瑜. 昆虫趋色性及诱虫色板的研究和应用进展[J]. 应用生态学报, 2019, 30(10): 3615-3626.
[11]  林明江, 安玉兴, 管楚雄, 许汉亮. 害虫诱捕器的研究与应用进展[J]. 广东农业科学, 2011, 38(9): 68-71.
[12]  傅隆生, 宋珍珍, Zhang Xin, 李瑞, 王东, 崔永杰. 深度学习方法在农业信息中的研究进展与应用现状[J]. 中国农业大学学报, 2020, 25(2): 105-120.
[13]  董伟, 钱蓉, 张洁, 张立平, 陈红波, 张萌, 朱静波, 卜英乔. 基于深度学习的蔬菜鳞翅目害虫自动识别与检测计数[J]. 中国农业科技导报, 2019, 21(12): 76-84.
[14]  潘梅, 李光辉, 周小波, 阮红丽, 卢珍, 曾文明, 李玉玲, 赵九洲, 梁君. 基于机器视觉的茶园害虫智能识别系统研究与实现[J]. 现代农业科技, 2019(18): 229-230+233.
[15]  张博, 张苗辉, 陈运忠. 基于空间金字塔池化和深度卷积神经网络的作物害虫识别[J]. 农业工程学报, 2019, 35(19): 209-215.
[16]  王彤, 倪懿. 基于卷积神经网络的农业害虫图像匹配点识别方法[J]. 山东农业大学学报(自然科学版), 2020, 51(5): 875-880.
[17]  陈峰, 谷俊涛, 李玉磊, 彭晓溪, 韩天甲. 基于机器视觉和卷积神经网络的东北寒地玉米害虫识别方法[J]. 江苏农业科学, 2020, 48(18): 237-244.
[18]  庞海通, 蔡卫明, 马龙华, 苏宏业. 基于深度学习的害虫识别技术综述[J]. 农业工程, 2020, 10(10): 19-24.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133