一种云南切梢小蠹的引诱剂

    公开(公告)号:CN104970016B

    公开(公告)日:2017-04-12

    申请号:CN201410133344.X

    申请日:2014-04-03

    Abstract: 一种云南切梢小蠹引诱剂。S‑(‑)‑α‑蒎烯(S‑(‑)‑α‑pinene)、1R‑(+)‑α‑蒎烯(1R‑(+)‑α‑pinene)、月桂烯(myrcene)、(+)‑莰烯((+)‑camphene)、(‑)‑莰烯((‑)‑camphene)、α‑萜品烯(α‑terpinene)、(+)‑3‑蒈烯((+)‑3‑carene)、(1S)‑(‑)‑β‑蒎烯((l s)‑(‑)‑β‑pinene)、(‑)‑柠檬烯((‑)‑limonene)、(+)‑柠檬烯((+)‑limonene)、(‑)‑桃金娘烯醇((‑)‑Myrtenol)、(S)‑顺式‑马鞭草烯醇(s)‑cis‑verbenol、(‑)‑反式‑马鞭草烯醇((‑)‑trans‑verbenol)和花侧柏烯(Cuparene)中的一种或几种。本发明利用含有寄主和虫体挥发物的引诱剂大量吸引云南切梢小蠹,使其聚集在一定的装置内再予以杀死,具有成本低、高效、完全环境友好、对人畜安全、不使害虫产生抗药性等优点,使得以往被动的化学防治变为主动的生物防治,同时还能根据诱捕器中云南切梢小蠹数量的多少,达到监测和预报林业虫害的目的。

    一种基于CNN的鳞翅目昆虫种类自动鉴别方法

    公开(公告)号:CN107292314A

    公开(公告)日:2017-10-24

    申请号:CN201610195201.0

    申请日:2016-03-30

    Abstract: 本发明涉及一种基于CNN的鳞翅目昆虫种类自动鉴别方法。本发明在预处理中对采集的昆虫标本图像去除背景,在此基础上计算出前景图像的最小包围盒,并由此裁剪出前景有效区域。使用Imagenet预训练深度学习神经网络模型来提取特征。分类识别分两种情况:在样本量较充分时,通过微调网络结构,训练深度卷积神经网络(DCNN)分类层的参数,从而实现端到端的分类识别;对于样本数据集较小的情况,没有足够样本来训练DCNN参数,本发明选择使用适用于小样本集的χ2核SVM分类器实现分类识别。该鳞翅目昆虫图像识别方法具有操作简便、识别精度高、容错性强,并有理想的时间性能,可以显著提高鳞翅目昆虫种类鉴定的效率。

Patent Agency Ranking