病害是影响农作物品质和产量的重要因素,随着计算机视觉、光学、遥感和物联网技术的进步,基于图像的作物病害自动识别研究发展迅速.为深入了解全球作物病害图像识别的相关研究进展,利用文献计量分析方法对Web of Science核心合集(SCI-E)...病害是影响农作物品质和产量的重要因素,随着计算机视觉、光学、遥感和物联网技术的进步,基于图像的作物病害自动识别研究发展迅速.为深入了解全球作物病害图像识别的相关研究进展,利用文献计量分析方法对Web of Science核心合集(SCI-E)2002-2022年间作物病害图像识别研究领域发表的相关文献进行分析.结果表明:作物病害图像识别研究呈明显上升趋势;学科领域涉及计算机科学、农学、植物科学、工程、环境生态学、遥感等,体现出明显的综合性和交叉性特点;中国、美国、印度、德国等国家发文数量最多,整体而言各国之间均存在较为密切的交流与合作,其中中美之间合作最为密切;在发文量排在世界前10的研究机构中有6家来自中国,展现出很强的整体优势;MAHLEIN A K、HUANG W J和KHAN M A是发文量排在前3的核心作者;Computers and Electronics in Agriculture、Frontiers in Plant Science、Remote Sensing等期刊为主要发表载体;作物病害图像数据的获取、基于机器学习的作物病害图像识别以及基于深度学习的作物病害图像识别是近20年该研究领域的主要热点和重点.作物病害图像识别的研究深受先进技术推动,尤其是在当前人工智能技术背景下方兴未艾,是面向智慧农业的重要组成部分.而当前数据样本规模偏小,相似症状的不同病害精确识别困难,模型可解释性和泛化性有限等问题依旧制约其进一步发展.构建基于生成式大模型的大规模作物病害数据集,加强多模态数据融合,提升模型的可解释性和泛化性,开展实时监测识别等内容将是未来作物病害图像识别的主要研究方向.展开更多
p H和三种竞争性阴离子对紫色土亚硒酸盐吸附-解吸的影响的研究结果表明,随着p H的增大,紫色土对亚硒酸盐的吸附量减少,酸性条件下紫色土对亚硒酸盐吸附量最大。平衡液中加入磷酸氢二钠显著降低了土壤对亚硒酸盐的吸附,硫酸盐对紫色土...p H和三种竞争性阴离子对紫色土亚硒酸盐吸附-解吸的影响的研究结果表明,随着p H的增大,紫色土对亚硒酸盐的吸附量减少,酸性条件下紫色土对亚硒酸盐吸附量最大。平衡液中加入磷酸氢二钠显著降低了土壤对亚硒酸盐的吸附,硫酸盐对紫色土吸附亚硒酸盐的影响很小,低浓度碳酸氢根离子对紫色土吸附亚硒酸盐具有促进作用,但高浓度的碳酸氢根离子则降低了紫色土吸附亚硒酸盐。磷酸氢根离子和硫酸根离子对亚硒酸盐吸附的影响符合Langmuir和Freundlich拟合方程式,决定系数R2值均在0.90以上。三种阴离子对亚硒酸盐的解吸影响不同,当有磷酸氢根离子和碳酸氢根离子存在时,亚硒酸盐的解吸率增大,而硫酸根离子的存在却对紫色土亚硒酸盐的解吸影响不大。在紫色土地区农业生产中采用含磷酸盐肥料和碱性碳酸氢铵肥料,这些措施可能增加土壤硒的有效性,进而增加植物硒吸收和积累。认识紫色土固液界面硒的吸附-解吸规律,可为提高紫色土地区硒生物有效性,从而进一步提高农产品中硒含量提供科学依据。展开更多
文摘病害是影响农作物品质和产量的重要因素,随着计算机视觉、光学、遥感和物联网技术的进步,基于图像的作物病害自动识别研究发展迅速.为深入了解全球作物病害图像识别的相关研究进展,利用文献计量分析方法对Web of Science核心合集(SCI-E)2002-2022年间作物病害图像识别研究领域发表的相关文献进行分析.结果表明:作物病害图像识别研究呈明显上升趋势;学科领域涉及计算机科学、农学、植物科学、工程、环境生态学、遥感等,体现出明显的综合性和交叉性特点;中国、美国、印度、德国等国家发文数量最多,整体而言各国之间均存在较为密切的交流与合作,其中中美之间合作最为密切;在发文量排在世界前10的研究机构中有6家来自中国,展现出很强的整体优势;MAHLEIN A K、HUANG W J和KHAN M A是发文量排在前3的核心作者;Computers and Electronics in Agriculture、Frontiers in Plant Science、Remote Sensing等期刊为主要发表载体;作物病害图像数据的获取、基于机器学习的作物病害图像识别以及基于深度学习的作物病害图像识别是近20年该研究领域的主要热点和重点.作物病害图像识别的研究深受先进技术推动,尤其是在当前人工智能技术背景下方兴未艾,是面向智慧农业的重要组成部分.而当前数据样本规模偏小,相似症状的不同病害精确识别困难,模型可解释性和泛化性有限等问题依旧制约其进一步发展.构建基于生成式大模型的大规模作物病害数据集,加强多模态数据融合,提升模型的可解释性和泛化性,开展实时监测识别等内容将是未来作物病害图像识别的主要研究方向.
