该研究针对当前自然环境下的苹果叶片病害识别中病害病斑小、空间分布特征不同以及特征相近病害识别困难的问题,设计DEFL (DenseNet121+EfficientNet with focal loss and label smoothing)模型。首先,该模型以并行的EfficientNet-B0网...
详细信息
该研究针对当前自然环境下的苹果叶片病害识别中病害病斑小、空间分布特征不同以及特征相近病害识别困难的问题,设计DEFL (DenseNet121+EfficientNet with focal loss and label smoothing)模型。首先,该模型以并行的EfficientNet-B0网络和DenseNet121网络为特征提取网络,以提升模型特征提取能力,其次引入结合标签平滑策略的焦点损失函数以加强模型对识别困难样本的关注。经测试,所提模型的识别准确率为99.13%,平均精度均值为98.47%。消融试验表明两项改进分别使模型平均精度均值提高了7.99和3.15个百分点。对比试验结果表明,DEFL模型平均精度均值较于ResNet50、Inception V3、ResNeXt模型以及分别融合这3种模型的EfficientNet-B0模型分别高出14.53、13.17、14.61、 6.4、 7.71以及8.91个百分点,模型规模分别小18.73、 7.7、 12.2、 83.62、 69.6以及60.09MB。Grad-CAM(gradient-weighted class activation mapping)热力图可视化结果表明所提模型重点关注了叶片病变区域。UMAP(uniform manifold approximation and projection)特征降维可视化结果表明所提模型提取的特征更具区分度。实际应用验证取得了97.73%的总体准确率以及95.82%的平均精度均值。综上,该研究提出的DEFL模型能够为苹果病害防治提供有效参考。
理清蜡梅品种资源、构建指纹图谱是推动蜡梅科学研究和产业发展的重要基础。利用简单重复序列(simplese quence repeats,SSR)分子标记技术,对鄢陵地区175个蜡梅(Chimonanthus Praecox L.)品种(系)的遗传多样性进行了研究,使用NTSYSpc2.1软件中的UPDM聚类方法分析品种间的遗传多样性。利用基于贝叶斯模型的Structure v2.3.3软件解析175份种质的遗传结构。通过一般线性模型(general linear model,GLM)对性状和标记进行关联分析。在遗传多样性分析中,平均等位基因数(number of alleles,Na)为6.857,平均期望杂合度(heterozygosity,He)为0.4963,平均观测杂合度(observed heterozygosity,Ho)为0.5037,蜡梅Nei’s平均基因多样性指数为0.4949,平均Shannon信息指数为0.9958,表明鄢陵地区蜡梅群体内具有较丰富的遗传多样性。群体结构和UPDM聚类分析均表明可将175个品种(系)分为7个类群。在GLM模型中有15个标记位点与8个表型性状显著(P<0.05)关联,表型变异解释范围为14.90%-36.03%。利用11对多态信息含量(polymorphic information content,PIC)最高的引物,构建175份蜡梅品种(系)资源SSR标记的指纹图谱。本研究综合分析了鄢陵地区蜡梅的遗传多样性与SSR分子标记,并构建了蜡梅核心种质资源库,为蜡梅新优品种选育、品种鉴定、资源保护与利用等工作提供理论支撑。
暂无评论