-
题名大宁县春季气候对农事生产的影响和防御对策
- 1
-
-
作者
马对平
栗景翔
温文明
罗仁泽
-
机构
山西省大宁县气象局
-
出处
《农业灾害研究》
2020年第1期58-60,91,共4页
-
文摘
选用大宁县(1973—2008年)36年地面气象观测历史资料,与大宁县近10年(2009—2018年)地面气象观测资料进行对比分析,重点探讨大宁县近10年春季的气候变化特征,客观分析了春季气候对大宁县农业生产的影响,结合大宁县春季气候特点,提出相应防御措施,对合理安排春季农事生产具有重要的指导意义。
-
关键词
春季气候
农事生产
影响
防御对策
-
Keywords
Spring climate
Agricultural production
Impact
Defensive countermeasures
-
分类号
S162
[农业科学—农业气象学]
-
-
题名基于深度学习的番茄叶部病害识别方法研究
被引量：3
- 2
-
-
作者
王明英
王嘉
裴志远
李宇豪
李荣荣
-
机构
山西省大宁县气象局
山西省吉县气象局
山西省曲沃县气象局
-
出处
《农业灾害研究》
2023年第8期25-27,共3页
-
文摘
在深度学习中,番茄叶部病害图像识别模型往往采用传统的卷积神经网络,虽然识别率高、性能好,但存在参数量大、成本高、训练时间长等问题,在硬件资源受限的环境条件下局限性较大,难以部署到移动设备、嵌入式设备等终端。基于此,在ResNet18的主体结构上,通过增加特征提取尺度、更新残差层连接方式、分解大卷积核等操作,采用了一种改进型的病害识别模型——Multi-scale ResNet。在减少参数量的同时降低了空间存储开销。试验结果表明,与ResNet18相比,在准确率相差不大的情况下,模型的训练参数减少约99%。提出的改进型网络在保证精确度的前提下降低了模型的复杂度,使番茄叶部病害识别模型在硬件资源受限的条件下仍可以运行部署,更具有普适性。
-
关键词
深度网络
病害识别
多尺度
残差层
-
Keywords
Deep network
Disease identification
Multi scale
Residual layer
-
分类号
S436.412.1
[农业科学—农业昆虫与害虫防治]
-
