机器视觉技术在桑椹菌核病防治上的研究
基于机器视觉的现代农业作物病害识别算法研究
基于机器视觉的现代农业作物病害识别算法研究现代农业面临着日益严峻的挑战，其中作物病害控制是农民们最为关心的问题之一。
作物病害的早期诊断和及时治疗对于确保农作物的生长和产量至关重要。
随着机器视觉技术的快速发展，利用计算机视觉算法和图像处理技术来实现作物病害的快速识别成为可能。
现代农业作物病害的识别问题不仅涉及到大量的数据处理，还需要解决图像的预处理、特征提取和分类等核心问题。
本文将探讨基于机器视觉的现代农业作物病害识别算法的研究，并介绍一种基于深度学习的图像分类算法。
首先，图像的预处理是作物病害识别的第一步。
由于农田环境的复杂性，图像可能会受到光线、角度、尺度等影响，导致图像质量较低。
为了提高图像的质量，可以采用灰度化、滤波、直方图均衡化等方式进行预处理。
通过图像预处理可以使得图像更加清晰，为后续的特征提取和分类打下良好的基础。
在图像预处理完成后，接下来需要进行特征提取。
特征提取是将图像中蕴含的信息提取出来，用于作物病害的分类和识别。
传统的特征提取方法包括颜色特征、纹理特征和形状特征等。
然而，由于作物病害的多样性和复杂性，单一的特征提取方法无法充分表达图像中的信息。
因此，近年来，基于深度学习的特征提取方法逐渐受到关注。
深度学习是一种基于神经网络的机器学习方法，其能够通过多层次的神经网络学习到数据中的高层次抽象特征。
深度学习在图像识别领域取得了重大突破，为作物病害识别提供了新的思路。
例如，卷积神经网络（CNN）可以通过从图像中学习低层到高层的特征表示，自动提取图像中的信息。
同时，深度学习还能够适应不同的图像尺度和角度，并具备较强的泛化能力。
基于深度学习的作物病害识别算法主要包括以下几个步骤。
首先，利用已标注的作物病害图像作为训练集，通过卷积神经网络学习图像中的特征表示。
然后，利用训练好的模型对新的图像进行分类预测。
最后，根据分类结果判断作物是否患有病害，并给出相应的治疗建议。
在进行训练时，需要注意数据集的质量和数量。
基于机器视觉的农作物病虫害自动监测技术研究
基于机器视觉的农作物病虫害自动监测技术研究农作物产量和质量受到各种病虫害的严重威胁，这些病虫害在不加以及时监测和控制的情况下，可能会导致严重的经济损失。
传统的病虫害监测方法通常需要大量的人力成本和时间，效率低下且不准确。
在这样的背景下，基于机器视觉的农作物病虫害自动监测技术应运而生。
机器视觉是一项利用计算机和摄像机来模拟和实现人类视觉的技术。
它通过图像处理和模式识别等算法，能够自动分析和识别图像中的物体、特征和行为，并产生相应的输出。
在农作物病虫害监测中，机器视觉技术可以通过对植物叶片、茎干或果实等部位的图像进行拍摄和分析，准确地检测出病虫害的存在和程度，并及时采取相应的防治措施。
基于机器视觉的农作物病虫害自动监测技术的研究主要包括以下几个方面：1. 图像采集与处理：首先需要设计和搭建适合农作物病虫害监测的图像采集系统，如高分辨率数字相机、无人机或机器人等。
采集到的图像可以通过预处理方法进行去噪、增强和分割等处理，以提高后续的图像分析和识别的准确性。
2. 特征提取与选择：通过对病虫害图像进行特征提取和选择，可以从大量的图像数据中获取最具代表性和区分度的特征。
常用的特征包括颜色、纹理、形状和结构等。
采用适当的特征提取方法，可以有效地提高农作物病虫害的检测准确性。
3. 病虫害分类与识别：根据特定的特征和模型，对采集到的农作物病虫害图像进行分类和识别。
常用的方法包括传统的机器学习算法如支持向量机、朴素贝叶斯等，以及深度学习算法如卷积神经网络等。
这些算法可以从图像中学习到病虫害的模式和规律，并将其归类为不同的类型和程度。
4. 病虫害监测系统的构建与优化：基于机器视觉的农作物病虫害自动监测技术不仅需要开发相应的软件和算法，还需要构建稳定可靠的硬件系统和传感器网络。
通过不断的优化和改进，可以提高监测系统的准确性、实时性和可靠性。
基于机器视觉的农作物病虫害自动监测技术的研究与应用已经取得了一些重要的进展。
研究人员利用这一技术已成功开发出各种类型的农作物病虫害监测系统，如棉花病虫害监测系统、水稻白叶枯病监测系统等。
桑椹菌核病防治技术研究进展
第57卷 第11期 广 东 蚕 业 V ol.57,No.11 2023年11月GUANGDONG CANYE Nov . 202322DOI ：10.3969/j .issn .2095-1205.2023.11.06桑椹菌核病防治技术研究进展廖友新（湖北省农业科学院经济作物研究所 湖北武汉 430064）摘 要 桑椹菌核病又称桑椹白果病，在果桑主产区普遍发生，该病来势猛、发病快、发病率高、难防控，严重制约了果桑产业的发展。
文章对桑椹菌核病的发生及侵染规律进行综述，从化学防治、农业防治和生物防治等方面总结了桑椹菌核病的防治方法，以期为果桑生产中综合防治桑椹菌核病提供技术参考。
关键词 桑椹；菌核病；防治技术 中图分类号:S888.7文献标识码:A文章编号:2095-1205(2023)11-22-03桑椹是桑科（Moraceae ）桑属（Morus L .）植物的聚花果穗，是一种集营养、保健、药用于一体的优质浆果，具有抗氧化、促进造血细胞生长、降血糖、降血脂等药理作用。
目前，果桑在观光采摘、农旅结合及三产融合发展中备受欢迎，已经成为城郊农民致富增收的新兴产业。
然而，果桑产业也面临着严峻的病虫害挑战。
其中，桑椹菌核病是危害桑椹生产的一种毁灭性真菌病害，具有来势猛、发病快、发病率高、难防控等特点。
现已明确，引发桑椹菌核病的病原真菌有桑实杯盘菌（Ciboria shiraiana ）、肉阜状杯盘菌（C. carunculoides ）和核地杖菌（Scleromitrula shiraiana ）3种，表现出肥大性菌核病、缩小性菌核病和小粒性菌核病3种类型[1-2]，其共同病征是：桑椹失去应有的红紫、滋润、光亮状态，变成或大或小、形状色泽怪异的病果，而且产生黑色菌核。
随着果桑种植面积的逐年增加，我国多数果桑种植区病害频繁暴发，轻者减产30%～50%，重者减产可达80%，甚至绝收，已成为严重制约果桑产业发展的重要因素[3-4]。
桑葚病虫害防控的病害识别与监测装置研发
桑葚病虫害防控的病害识别与监测装置研发桑葚是一种常见的果树，但它也面临各种病虫害的威胁。
为了保护桑葚的生长和果实的质量，研发一种病害识别与监测装置是非常重要的。
首先，病害识别与监测装置需要能够识别桑葚的常见病害。
桑葚的常见病害有蚧虫、蚜虫和黑斑病等。
蚧虫是桑树上的一种常见害虫，会危害叶片和枝干，导致桑叶变黄、掉落。
蚧虫的虫体较小，很难用肉眼观察到，所以需要病害识别与监测装置具备高清晰度的显微镜功能。
蚜虫是桑叶上的另一种常见害虫，它会吸食桑叶的汁液，导致桑叶黄化、干枯。
黑斑病是一种桑树的真菌病害，会导致叶片出现黑褐色斑点和干枯。
所以，病害识别与监测装置需要能够识别不同类型的病害，并给出准确的诊断结果。
其次，病害识别与监测装置还需要能够监测桑葚的病虫害发生情况。
颗粒物传感器是一种可以监测空气中微小颗粒物浓度的装置，可以检测到蚧虫和蚜虫危害桑叶时所产生的蜜露颗粒，进一步判断病虫害的发生情况。
同时，装置还可以通过监测土壤湿度和温度，推测出黑斑病是否会发生，并提前做好防治工作。
此外，装置还可以通过监测环境因素，如降雨量、风速和太阳光照强度等，预测病虫害的爆发时间和规模，为果农采取相应的防控措施提供依据。
最后，病害识别与监测装置需要具备智能化的功能，能够及时向果农发送预警信息。
装置应该配备可以与智能手机等通信工具进行无线连接的功能，当检测到病虫害发生时，可以通过手机应用程序发送警报信息给果农。
果农可以根据设备提供的信息，及时采取防控措施，以减少病虫害对桑葚的危害。
总之，病害识别与监测装置对于桑葚的病害防控非常重要。
它需要具备高清晰度的显微镜功能，以准确识别桑葚的常见病害；需要配备颗粒物传感器和环境监测功能，以监测病虫害的发生情况和趋势；需要实现智能化功能，能够及时向果农发送预警信息。
只有病害识别与监测装置具备这些功能，才能为果农提供准确的病虫害防控建议，保护桑葚的生长和果实的质量。
除了上述提到的病害识别与监测功能之外，病害识别与监测装置还可以进一步提升其性能和应用价值。
如何利用计算机视觉技术提高农作物病虫害检测效果
如何利用计算机视觉技术提高农作物病虫害检测效果计算机视觉技术是利用计算机处理视觉信息的一种技术手段，越来越多地应用于各个领域。
在农业领域，农作物病虫害检测是一个重要的问题，而利用计算机视觉技术可以提高农作物病虫害检测效果。
本文将从图像处理、机器学习和智能决策三个方面介绍如何利用计算机视觉技术提高农作物病虫害检测效果。
首先，图像处理是计算机视觉技术的重要组成部分，对于农作物病虫害检测起着关键作用。
通过图像处理技术，可以将农田中拍摄到的图像进行预处理，提取出有用的特征信息。
在农作物病虫害检测中，可以利用图像处理技术对农作物的叶片、果实等进行分割，将病虫害区域与正常区域进行区分。
通过图像处理技术，可以清晰地展示病虫害的细节，提供更准确的检测结果。
其次，机器学习是计算机视觉技术的核心内容，也是提高农作物病虫害检测效果的关键。
通过机器学习算法，可以从大量的图像数据中提取特征，并训练模型进行分类。
对于农作物病虫害检测，可以利用机器学习算法对病虫害样本进行分类学习，建立病虫害检测模型。
在训练模型过程中，可以使用深度学习算法，如卷积神经网络，提取图像的高级特征，从而提高病虫害的检测效果。
通过不断调整模型参数和训练样本，可以提高模型的准确率和鲁棒性，使其能够更好地应对不同的农田环境和病虫害类型。
最后，智能决策是计算机视觉技术在农作物病虫害检测中的应用方向之一。
利用计算机视觉技术，可以实现对农田中病虫害的实时监测和预警。
通过安装摄像头，并搭建相应的图像处理和机器学习系统，可以对农田中的图像数据进行实时分析，并及时发出病虫害预警信息，帮助农作物种植者及时采取相应的防治措施。
同时，通过对农田中不同作物的病虫害特征进行分析和比对，可以为农作物种植者提供智能决策的建议，指导其进行病虫害的有效预防和控制。
综上所述，利用计算机视觉技术可以提高农作物病虫害检测的效果。
通过图像处理技术，可以对农作物图像进行预处理和分割，提取出有用的特征信息；通过机器学习算法，可以建立病虫害检测模型，提高检测的准确率和鲁棒性；通过智能决策技术，可以实现农田病虫害的实时监测和预警，并提供相应的防治建议。
基于机器视觉的农作物病虫害自动检测技术
基于机器视觉的农作物病虫害自动检测技术随着农业的发展和人口的增长，保障粮食安全成为各国关注的重点。
然而，全球范围内病虫害对农作物产量和质量造成了严重的影响。
传统的病虫害检测方法依赖于专业人员的经验和目视观察，后期往往以繁琐的实验室检测为主。
为了提高农作物病虫害的检测效率和准确性，基于机器视觉的农作物病虫害自动检测技术应运而生。
机器视觉是一种模拟人眼观察和理解视觉信息的技术，通过图像采集、处理和分析等步骤，可以对农作物的病虫害进行自动检测。
该技术主要包括图像采集、图像预处理、特征提取和分类识别等步骤。
首先，图像采集是基于机器视觉检测的重要步骤之一。
通过使用高分辨率的数字相机或其他图像采集设备，对农作物进行拍摄。
拍摄时可以使用手持设备、无人机或自动化平台等，以获取不同高度和视角的图像。
这些图像将作为数据输入进行后续的处理和分析。
其次，图像预处理是为了提取和增强农作物图像中的有用信息。
这一步骤包括图像去噪、图像增强和图像分割。
去噪可以通过滤波算法来减少图像中的噪声，并提高图像的质量。
图像增强可以通过对比度增强、亮度调整和直方图均衡化等方法来增强图像的细节。
图像分割是将图像分为不同的区域，以便更好地提取农作物的特征。
接下来，特征提取是为了从农作物图像中提取有用的信息，用于区分正常作物和受损作物。
特征提取方法可以分为基于颜色特征、纹理特征和形状特征等多种方法。
颜色特征是通过提取图像中不同颜色区域的像素值进行的。
而纹理特征是通过提取图像中的纹理细节信息来进行的。
形状特征则是通过计算图像中物体的轮廓、面积和周长等特性来进行的。
最后，分类识别是将提取到的特征与预先训练的分类模型进行比对，以判断农作物是否受到病虫害的侵害。
在分类识别阶段，可以使用机器学习算法，如支持向量机、神经网络和深度学习等方法。
这些算法能够学习和识别不同病虫害对应的特征模式，并进行自动的分类识别。
基于机器视觉的农作物病虫害自动检测技术具有许多优势。
桑椹菌核病的发生及实用防病措施
统 优势 产业 ， 必须要 走优 质 、 高效 、 特 色之 路 ， 作 为其
中一项有效举措 ， 就是加大对果桑资源的开发利用 ，
提高 蚕桑生 产 的附加值 。
强光 直 射 、 防雨 淋 、 防动 物 危 害 、 防农 药 中毒 等 “ 五 防” 。 当熟 蚕 人 孔 定 位 初 成 茧 形 时 ， 将 方 格 蔟 移 至
采 茧按 上蔟先 后顺 序进 行 ， 轻 采轻 放 ， 减 少 出血
蛹 和 内印茧 ， 同时分类 采摘 ， 分类 堆放 ， 分类 出售 ， 不 采售 毛脚 茧 、 嫩 蛹茧 、 潮茧 ， 努力 保全 茧质 ， 增 加蚕 茧
产的实际情况 ， 因地制宜地分析桑椹菌核病发生的主要原因 ， 以便能够采取针对性的防病措施 ， 从而提高果桑生产 的稳定性及经济效益。
关键词
蚕桑
果桑
菌 核病 病
中图分类号 ： ￥ ８ ８ ８ ． ７ １
文献标 识码 ： Ｃ
文章编号 ： ２ ０ １ ５ — ０ ６ 一 ｌ １ — ０ ０ ２
随着 我 国 国民经济 的快速 发展 和农业科 技 的不
者青 睐 ； 也 因其 良好 的保健 效果 和药 用价值 ， 已被 国
断进步 ， 农业内部的行业竞争 日趋激烈 ， 这在经济较 为 发达 的苏南 地 区尤为 突 出。蚕桑生 产一 直是 吴江
农 村传统 骨 干副业 ， 目前 还 保 留着 苏 南 最 大规 模 的
之 首 。震 泽镇 的蚕 桑生产 同样 面临着 越来 越严 峻 的 挑战 ， 要 想在 这样 一个 经 济 发 达 地 区稳 定 我们 的传
研究桑葚病虫害防治的生物学方法与机制
研究桑葚病虫害防治的生物学方法与机制桑葚是一种重要的果树之一，但同时也容易受到各种病虫害的侵袭。
为了保护桑葚树的健康生长和提高产量，研究和应用生物学方法成为了关键。
生物学方法是通过利用有益生物或者生物制剂来防治病虫害，相对于化学农药而言，具有环境友好、可持续性和对人体健康安全等优势。
本文将介绍桑葚病虫害防治的生物学方法与机制。
一、有益生物防治1.青蛙：青蛙是桑葚园中的重要天敌之一，对蚜虫等有害昆虫有很强的捕食能力。
青蛙的防治作用在于消耗害虫的数量，从而控制害虫的繁殖和传播。
2.寄生性黄蜂：寄生性黄蜂是桑葚树上蚜虫的天敌，寄生性黄蜂会将卵产在蚜虫体内，从而寄生在蚜虫体内进行发育。
寄生性黄蜂的防治作用在于控制蚜虫的数量，减少对桑葚树的危害。
3.杀菌剂：利用具有杀菌作用的微生物进行桑葚病害防治，如枯草杆菌、拮抗细菌等。
这些杀菌剂可以通过竞争性抑制病原菌的生长，从而达到防治病害的效果。
二、生物制剂防治1.有机肥料：有机肥料富含有机质和微量元素，能够提高土壤的肥力，增加桑葚树的抗性。
有机肥料能够促进植物生长和增强免疫力，从而减少病虫害的发生。
2.菌剂：菌剂是利用具有生物激素活性的微生物进行防治，能够促进桑葚树的免疫力。
菌剂的作用机理主要是通过激活植物的免疫系统，从而增强植物对病虫害的抵抗能力。
三、机制研究及应用前景1.抗菌物质的产生机制：研究桑葚树产生的抗菌物质的机制是了解其抵抗病虫害能力的关键。
通过研究抗菌物质的合成路径、调控机制和功能，可以进一步开发抗菌物质的应用技术和产业化。
2.生物制剂的开发与应用：生物制剂是利用生物学方法来防治病虫害的重要手段，通过研发高效、安全、环保的生物制剂，可以减少对化学农药的依赖。
因此，研究生物制剂的开发和应用技术，有助于提高桑葚病虫害的防治效果。
综上所述，桑葚病虫害的防治需要综合运用生物学方法。
未来的研究重点应该是加强有益生物的研究，开发高效的微生物制剂和生物激素，以增强桑葚树的抵抗病虫害的能力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
机器视觉技术在桑椹菌核病防治上的研究
摘要针对目前桑葚菌核病发病严重，防治手段单一的现状，提出了一种全新的桑葚菌核病的防治方法。
采用机器视觉技术识别病菌子囊盘后利用远红外加热迅速达到一定温度杀死子囊盘，防止病菌子囊孢子扩散从而达到控制该病的发生和危害。
试验表明，采用该法能准确快速的检测到子囊盘，对子囊盘也能进行有效地杀死，能有效地防治该病害，对生产实践有一定的指导意义。
关键词机器视觉桑葚菌核病轮廓提取Canny算子
0引言
桑葚菌核病俗称白果病, 是危害桑椹的主要真菌病害。
（1）桑葚菌核病的侵染循环是病原菌以菌核的形式在土壤中越冬，次年2月下旬～4月上旬桑树开花时，土壤表面可见菌核抽生出子囊盘，盘上子实层生出子囊和子囊孢子，子囊孢子借风力传播，侵入桑树雌花花器而引起初次感染。
病原菌侵入雌花花器后，菌丝大量增殖，先形成分生孢子梗和分生孢子，最后由菌丝形成菌核，菌核随病椹落地，病椹腐烂而菌核留在地表成为下一年的感染源。
（2-3）目前我国对于桑葚菌核病的防治方式大都采用农业防治、化学防治和物理防治三种手段，其中化学防治是主要防治措施，虽然农药毒性较低，但容易使病原物产生抗药性，从保护环境和保障桑椹产品的食用安全考虑不适合长期使用。
本文根据桑葚菌核病的发病特点，利用机器视觉识别技术识别桑葚菌核病的子囊盘后使用远红外加热方法，使土壤温度在60s 内迅速达到125℃，迅速杀死病原菌，从而使病原菌不再传播，就能达到防治桑椹菌核病发生的目的。
相较于传统的农药防治方式，该技术更加环保、效率更高、且简便易行，对防治桑椹菌核病、提高桑椹的品质和价值等方面起着至关重要的作用。
1机器视觉识别桑葚菌核病子囊盘的算法及分析
机器视觉（Machine Vision）也称计算机视觉（Computer Vision），是涉及图像处理、人工智能、心理物理学、神经生物学、计算机科学、模式识别等诸多领域的一门交叉学科，就是用机器来代替人眼的视觉功能进而从客观事物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制（6）。
1.1 桑葚菌核子囊盘边缘轮廓检测算法分析
图像的边缘是指图像灰度构成的曲面上的陡峭区域，是图像中目标的最基本的特征之一。
边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间。
因此，对图像的边缘进行提取是图像分析和理解的第一步。
微分法里主要有Roberts算子、Sobel算子和Laplace算子。
这三种算法的核心都是对图像进行卷积运算，只是使用的卷积列阵不同。
其中Robert算子是最简单的算子，是一种利用局部差分算子寻找边缘的算子，它采用对角线方向相邻两像素之差近似梯度幅值检测边缘。
检测垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感。
Sobel算子是滤波算子的形式，用于提取边缘。
图像中每个点都用两种模板做卷积，第一种注重检测水平边缘，对水平边缘影响最大，另一个是检测垂直边缘，对垂直边缘影响最大。
Laplace算子本质上是一个二阶微分算子，对边缘敏感。
一般图像增强技术对陡峭的边缘和缓慢变化的边缘很难确定其边缘位置，此算子确可以用二次微分正峰和负峰之间的过零点来确定。
在实际中用差分代替微分来计算Laplace算子。
Canny算子是基于信噪比准则、定位精度准则和单边缘响应准则下推导出的最优边缘检测算子，主要包括3步：
1)利用一维高斯函数，对图像分别按行和列进行低通平滑滤波。
其高斯函数为
)2exp(21)(22
σσ
x x G -=π 2) 计算平滑后图像中各点的梯度值和梯度方向，记录于梯度幅值图和梯度方向图中。
采用2×2邻域一阶偏导的有限差分，计算平滑后图像I （x ，y ）的x ，y 方向的偏导数，求出x ，y 方向的偏导以后，再利用二范数来计算梯度幅值M 、梯度方向θ分别为
22],[],[],[j i P j i P j i M y x +=
]),[/],[arctan(],[j i P j i P j i y X =θ
3) 对梯度幅值进行非极大值抑制，确定候选边缘点。
在梯度幅值图中，如果某点梯度值与该点梯度方向上相邻两个像素的梯度值相比不是最大，则该点视为非边缘点被删除。
抑制后得到的候选边缘点记录在图edge 中。
1.2 基于各算子的边缘图像轮廓分析
经过对比分析发现Robert 算子对噪声较敏感，且会丢失部分边缘信息使得边缘不连续，Robert 算子边缘检测效果很差，几乎看不清子囊盘的边缘轮廓；而Sobel 算子对噪声有一定的抑制作用，实验结果也表明Sobel 算子边缘检测效果要好于Robert 算子，但仍丢失了部分边缘信息，子囊盘的边缘轮廓也不清晰。
Laplace 算子边缘检测效果较好，尤其是图2中能清晰的反应子囊盘的边缘特征。
但是在识别未加热的子囊盘时边缘轮廓缺失严重，其纹理不能辨别出子囊盘的边缘图像，不能进行有效地处理。
Canny 算子实现简单，边缘信息不丢失，噪声小，处理速度快，检测效果较好，所以本文拟采用此算子进行图形的分析和处理。
实验结果及分析
通过对桑葚子囊盘的边缘轮廓进行提取，经过一定的算法分析，识别出了桑葚菌核病的子囊盘后利用远红外线装置在实验室的环境下对子囊盘进行加热，加热实验结果如下图5所示：
图5 不同加热时间的温度曲线
本实验远红外光管功率为800W ，远红外光管与桑葚菌核之间的加热高度为45mm ，在图a 中，加热时间30s ，当上升温度为63℃，不能有效的杀死桑葚病菌子囊孢子；在图b 中，加热时间45s ，当上升温度为89℃，能杀死部分桑葚病菌子囊孢子，但仍可传病，在图c 中，当加热时间60s ，上升温度为125℃，能有效杀灭桑葚病菌子囊孢子，起到良好的防治作用。
3结论
本文针对目前桑葚菌核病防治上存在的问题，提出了一种新的防治方法。
利用该方法实现了对桑葚子囊盘边沿轮廓特征的提取，识别出了桑葚菌核并能有效的控制加热装置进行加热处理；在实验环境下，研究出了桑葚菌核死亡的极限温度数据，绘制出了加热过程的温度
数据曲线图，能够通过远红外加热的方法对其进行有效杀灭，达到了初衷目的。
对生产实践有一定的指导作用。
参考文献：
[1] 梁杨,徐立,马晓敏等.对桑椹肥大性菌核病菌具有抑制活性的中草药筛选[J]. 蚕业科学，
2011, 37(2): 0187-0192
[2] Katsutaro K.Mulberry disease of Japan[M].Tokyo: Kenpakusha,1979:109-130
[3]陈利锋,徐敬友.农业植物病理学[M].中国农业出版社,2001:54-57
[4]操海群,岳永德,花日茂等.植物源农药研究进展[J].安徽农业大学学报,2000,27( 1):40-44
[5]吕蕊花,赵爱春等.利用除草剂草甘膦防治桑椹菌核病的初步试验[J].蚕业科
学,2011,37(5):0907-0913。