登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《通过多重PCR检测和鉴定五种常见的内部病虫害》

  • 来源专题：食物与营养
  • 编译者： lixiaoman
  • 发布时间：2017-08-21

  • 消费者对优质食品的需求导致了对农业食品行业早期发现虫害的新工具的研究。在这些行业中，内部粮食供应者是最重要的害虫，因为害虫是存储粮食的最直接危害者，并影响食品质量和人体健康的有害微生物，如真菌和细菌。为了避免因内部害虫物种的污染，采用多重PCR方法，用于检测和鉴定发育和饲养谷物内的五种最重要的主要害虫。结果表明，设计方案可用于诊断具有高灵敏度的谷物污染。

35浏览量
原文链接
相关报告

  • 《基于混合视觉图神经网络的咖啡植株病虫害早期检测与防护研究》
    • 来源专题：生物育种
    • 编译者：季雪婧
    • 发布时间：2025-04-08
    •   为解决咖啡种植中病虫害检测难题，研究人员开展基于混合视觉图神经网络（HV - GNN）的咖啡植株病虫害早期检测研究。结果显示 HV - GNN 检测准确率达 93.6625%，超其他领先模型，有助于保护咖啡农场、提高农业产量。  咖啡，作为全球重要的农产品，在众多国家的经济体系中占据着举足轻重的地位。然而，咖啡种植过程却面临着诸多挑战，其中病虫害的侵袭尤为严重。像咖啡果小蠹（Coffee Berry Borer，CBB）、粉蚧（Mealybugs）、介壳虫（Scales）和潜叶蛾（Leaf Miners）等害虫，它们对咖啡植株的危害极大，不仅会大幅降低咖啡的产量，还会严重影响咖啡豆的品质。传统的病虫害检测方法，往往需要专业的知识和繁琐的分析过程，既耗费时间又消耗大量人力，难以满足实际生产中及时、准确检测的需求。在这样的背景下，为了有效应对咖啡种植中的病虫害问题，来自印度圣约瑟夫工程学院电子与通信工程系、萨韦塔工程学院计算机科学与工程系以及帕尼马拉工程学院计算机科学与工程系的研究人员，开展了一项基于混合视觉图神经网络（Hybrid Vision Graph Neural Networks，HV - GNN）的研究。这项研究成果发表在《Scientific Reports》上，为咖啡植株病虫害的早期检测与防护提供了新的思路和方法。 研究人员在研究过程中，主要运用了以下几种关键技术方法：首先是数据预处理和增强技术，通过对图像进行缩放、裁剪、归一化、旋转、翻转、颜色抖动和随机裁剪等操作，提升数据质量，增强模型对不同图像的适应性；其次利用卷积神经网络（Convolutional Neural Network，CNN）进行特征提取，让模型学习图像中的各种特征；然后构建图结构，将图像中的像素、补丁或感兴趣区域作为节点，基于空间邻近性、语义关系等因素构建边；最后借助图神经网络（Graph Neural Network，GNN）进行图处理和特征变换，通过消息传递机制学习节点间的关系。研究使用的数据集一部分来自印度卡纳塔克邦科高附近的 Mercara Gold Estate 咖啡种植园实地采集，涵盖了咖啡植株开花、结果等不同阶段的图像，另一部分则来源于在线平台如 Plant Village、Kaggle 以及研究文章。
    53浏览量
    原文链接

  • 《伪角孢菌属的病虫害分类》
    • 来源专题：食物与营养
    • 编译者：niexiuping
    • 发布时间：2017-12-28
    • 孢菌属的病原体是在理事会指令2000 /29/ EC(附件IIAI)中被管制的，作为一种检疫生物，其引入欧盟是禁止植物(除了水果和种子)和Pinus木材。这种害虫可以通过植物(未清洗的种子、松树的枝条、隔离的树皮、生长的媒体和真菌土壤接种)和其他方式进入欧盟。该害虫可以在欧盟引进后，主要在受感染的植物上进行种植。害虫的引入可能会对苗圃和幼苗产生影响。从受感染的苗圃中清洁种子，清除受感染的幼苗和松木，可以减少苗圃的建立和从苗圃到森林的传播的风险，特别是考虑到飞溅分散的规模有限。
    38浏览量
    原文链接