Болезни листьев яблони: признаки, лечение, профилактика
Болезни листьев яблони можно разделить на грибковые и вирусные. Основными вирусными заболеваниями, поражающими листья, являются: бактериальный ожог и мозаичность. Из грибковых заболеваний наиболее часто яблони болеют паршой, мучнистой росой, ржавчиной.
Содержание статьи:
- Основные признаки болезней
- Способы лечения болезней листьев яблони
- Народные средства
- Обработка фунгицидами
- Профилактические мероприятия
- Видео: советы по профилактике болезней
Основные признаки болезней
- Бактериальный ожог – опасное вирусное заболевание, не поддающееся лечению. При выявлении бактериального ожога на плодовых деревьях объявляют карантинные мероприятия. Болезнь выражается в почернении листьев, отдельных веток или целого дерева. Передаётся через посадочный или прививочный материал, заражённые инструменты, вирус разносится также птицами, насекомыми, распространяется воздушно-капельным путём.
- Мозаичность – вирусное заболевание, которое приводит к гибели яблони. Листья в конце весны – начале лета покрываются желто-зелеными узорами. Больные листья могут приобретать светло-зеленую, бледно-желтую расцветку. Распространяется через зараженный посадочный материал или насекомыми, особенно тлей.
- Парша — грибковое заболевание, поражающее некоторые сорта яблонь. Выражается в появлении на листьях, плодах характерных черных точек, содержащих споры грибка. Развитие начинается на листьях с появления желтого пятнышка, которое, разрастаясь, становится коричневым или черным, часто на месте пятна образовывается дырочка. Не приводит к гибели яблони, но делает её менее устойчивой к морозам. Яблоки, пораженные паршой, не годятся для хранения и продажи.
- Мучнистая роса – заболевание грибкового характера. Листья покрываются белым мучнистым налётом, приобретают оливковый оттенок. Развивается на яблонях с загущенной кроной, при резких перепадах температуры, недостатке питательных веществ.
- Ржавчина – часто встречающееся грибковое заболевание. Проявляется в появлении вздутых пятен на внешней поверхности листьев. Цвет пятен – различные оттенки оранжевого и коричневого. Переносчиком ржавчины является можжевельник.
Способы лечения болезней листьев яблони
Бороться с заболеваниями листьев яблонь можно народными средствами, фунгицидами, а так же проведением профилактических мер.
Народные средства
К народным способам лечения грибковых заболеваний относятся настои ромашки, золы, чеснока. Опрыскивать этими средствами можно в любое время, они абсолютно безвредны для насекомых и человека. Кроме того, зола и чеснок являются хорошими средствами против тли.
Стоит отметить, что при сильных поражениях грибковыми заболеваниями народных средств может быть недостаточно.
Обработка фунгицидами
Споры грибка погибают при обработке любыми медьсодержащими препаратами. К медному купоросу можно добавить 1% раствор зеленого мыла.
Малоопасным препаратом для животных, пчёл и человека является фундазол, за вегетационный период можно проводить до 5 обработок.
Опрыскивание проводите вечером, в безветренную погоду. Четко придерживайтесь инструкции, указанной на упаковке, не превышайте дозу препарата, чтобы не получить ожог листьев. Все обработки необходимо прекратить перед и во время цветения и сбора яблок.
Профилактические мероприятия
В целях профилактики сжигайте опавшую листву, собирайте падалицу – там могут оставаться на зимовку споры грибка.
Не допускайте излишнего загущения кроны, так как при слабой циркуляции воздуха создаются условия для развития грибковых заболеваний. Проводите обрезку и формирование кроны.
Уничтожайте тлю, которая является переносчиком мозаичности. Чтобы избавиться от тли, боритесь с муравьями на участке.
Выбирайте качественный посадочный материал, покупайте саженцы в проверенных питомниках. Сажайте устойчивые к парше и мучнистой росе сорта яблонь.
Грибковые заболевания встречаются чаще бактериальных.
Но грибковые, в отличие от бактериальных, поддаются лечению. Чтобы не допустить поражения яблонь грибковыми заболеваниями необходимо проводить профилактические мероприятия в саду. Чтобы приостановить развитие вирусных заболевания, не допустить заражения других деревьев, яблони придется выкорчевать и сжечь.
Видео: советы по профилактике болезней
Болезни листьев яблони — описания с фото и способы лечения
Плодовые деревья очень подвержены неприятным заболеваниям, и яблоня не исключение. Больше всего раздражают грибки и болезни листьев яблони, поражающие все части дерева.
Вирусы появляются реже и, конечно, неправильные методы лечения никуда не делись. Чаще всего тревожные симптомы появляются сначала на листьях, поэтому к ним нужно относиться особенно внимательно!
Содержание
- Пупырышки и бугорки на листьях
- Листья желтеют и сохнут
- Бурые пятна на листьях яблони
- У яблони чернеют листья
- Белый налет на листьях яблони
- Бледные и светлые листья
- Скручиваются листья у яблони
Пупырышки и бугорки на листьях
Если пятна на листьях яблони начали приобретать ярко выраженную консистенцию, это сильно сужает круг поиска проблемы.
Чаще всего такие деформации являются следствием жизнедеятельности паразитов.
– Тля активно откладывает повсюду свои личинки и на поверхности листьев образуются галлы. Впоследствии листья начинают сохнуть и скручиваться, так как насекомые извлекают все соки;
– Мелкие коричневые пятна с бугорками – симптом филостиктоза. За характерную симптоматику заболевание получило название «бурая пятнистость», а со временем пораженные листья просто опадают.
Листья желтеют и сохнут
Это, пожалуй, самая распространенная проблема, поэтому она кажется ошибочно простой и прямолинейной. Но дело в том, что причин пожелтения и засыхания листьев слишком много.
– Сначала проблемы появляются из-за жары и недостатка влажности. А когда листья, наоборот, размягчаются и загнивают, то дело в его переизбытке;
– Пожелтение и сухость краев начинаются из-за дефицита железа, магния или кальция в почве;
– Из-за полуденного полива или резкой смены дождя на палящее солнце на листьях могут появиться ожоги – сухие желтые пятна;
– Листья яблони становятся слабыми и сухими из-за того, что их поедает яблоневый клещ.
Это очень прожорливый вредитель, благополучно зимующий в ветвях и оживающий весной. Если клещ съест побеги, молодые листья сразу станут болезненными;
– Мелкие бледно-желтые пятна на листьях при ближайшем рассмотрении могут начать активно распространяться в стороны. Итак, это мучнистые червецы, которые выглядят как маленькие пятнышки в форме запятой. Из-за них листья могут засыхать и полностью опасть;
– Ярко-желтые хаотичные полосы с точками переплетаются в причудливый мозаичный узор при повреждении мозаикой. Неизлечимый вирус предполагает, что дерево нужно уничтожить.
Бурые пятна на листьях яблони
Иногда вместо желтых пятен на листьях появляются красные, коричневые или даже красные пятна. Это уже более характерный симптом, который чаще указывает на грибки или вирусы.
– Хаотичные красные пятна на металлическом листе могут быть признаком ржавчины. В последующем грибковое заболевание без лечения распространяется на плоды;
– Коричневые пятна с четким центром, которые могут отваливаться или ломаться – признак септориоза.
Это заболевание еще называют «белая пятнистость» и от него страдает большинство плодовых культур;
— Марсониаз или бурые пятна появляются из-за недостаточного ухода за кроной;
– Темные пятна с оливковым оттенком оставляет главный враг плодовых деревьев – парша. К счастью, сейчас есть сорта яблонь, которые выдерживают страшную напасть;
– Ярко-красные пятна — еще один вид грибковых пятен. Но полистигмоз не часто поражает яблони и чаще встречается, например, у сливы;
– Коричневые пятна появляются из-за сильного дефицита меди. Чаще всего это связано с избытком азотных удобрений, что нарушает усвоение других микроэлементов.
У яблони чернеют листья
Темнота — классический признак некроза тканей, а это значит, что дело уже приняло серьезный оборот. Пора принимать экстренные меры, чтобы спасти хотя бы остальные деревья.
– Почернение и отмирание вызывают ожог корневой системы. От него очень часто страдают молодые саженцы после слишком ранней или слишком обильной подкормки органикой;
– У молодой яблони даже листья могут почернеть из-за неправильного полива, ведь молодые деревья чувствительны буквально ко всему;
– Если черные пятна больше напоминают налет сажи, это может быть сажистый грибок.
Чаще всего появляется после нашествия тли;
– Маленькие пятна, которые быстро растут, – это черный рак. Сначала листья яблони покрываются красными пятнами, а уже потом на них образуются черные очаги. Это же заболевание поражает древесину, когда кора покрывается язвами и трещинами у камбия;
– Листья полностью чернеют из-за гнили, которая распространяется на соцветия и побеги. Бактерии разносятся насекомыми и полностью восстановить яблоню потом очень сложно.
Белый налет на листьях яблони
Белый налет любого оттенка и текстуры — верный признак грибка. Ведь именно так мицелий распространяется и размножается, потихоньку захватывая все новые и новые территории.
– Наиболее частая причина появления белого налета на листьях – мучнистая роса. Впоследствии пораженные участки засыхают и отмирают;
— белая паутина, оплетающая листья и ветки, — результат жизнедеятельности клеща;
– Еще одно насекомое, оставляющее белый паутинистый налет, — яблоневая моль.
Для нее листья яблони становятся прозрачными, потому что она не касается скорлупы, а поедает ее мякоть;
– Фольга кажется тусклой и серебристой из-за болезни молочного блеска».
Бледные и светлые листья
Время от времени листья яблони не желтеют, а просто теряют свой цвет. Они становятся светло-зелеными или вообще белесыми, причем проблема затрагивает листья любого возраста.
– Листья становятся слабыми, вялыми и увядшими из-за недостатка азота, жизненно необходимого в вегетативный период;
– Дефицит или общий дисбаланс микроэлементов вызывает такие же последствия, поэтому рекомендуется использовать комплексные удобрения.
Скручиваются листья у яблони
Деформация листьев всегда является тревожным симптомом, вне зависимости от внешнего вида. В лучшем случае это вредители, от которых поможет банальное опрыскивание. В худшем случае – тяжелая стадия одного из вирусных заболеваний, способных уничтожить весь сад.
– Листья яблони скручиваются в трубочки из-за того, что их поедают листовертки.
Там они окукливаются, затем оставляют только полосы и переходят к сбору урожая;
– Если листья кажутся склеенными между собой и при ближайшем рассмотрении видны коричневые липкие капельки – это работа веток. Ранней весной они могут склеивать бутоны и бутоны между собой;
– Листья пятнистые, вздутые и деформированные из-за курчавости;
– А из-за мелких листьев они становятся узкими, деформируются и собираются в безымянные розетки.
Диагностика пятен на листьях яблони
Заголовок страницы
Тело
Существует несколько основных причин пятен на листьях яблони. Ниже приведены несколько наиболее распространенных типов пятнистости листьев, с которыми вы, вероятно, столкнетесь в Северной Дакоте.
Срезы
Парша яблони
Venturia inaequalis
Зараженный лист яблони в середине лета (Эстер МакГиннис, NDSU)
Симптомы
• Ранний сезон – на листьях и плодах образуются круглые, бархатистые, оливково-зеленые пятна (менее ½ дюйма).
• Середина лета – Если инфекция серьезная, листья желтеют и преждевременно опадают.
• Плоды – пятна со временем становятся коричневыми и пробковыми; плоды могут треснуть и деформироваться.
Яблоня с истончением кроны из-за преждевременной дефолиации (Аарон Бергдал, Лесная служба Северной Дакоты)
Управление и другие важные факты
• По возможности сажать устойчивые сорта. См. «Борьба с паршой яблони в яблоневой яблоне Северной Дакоты» (PP1735).
• Обрезайте, чтобы обеспечить достаточное движение воздуха, и избегайте попадания поливной воды на листья деревьев.
• Для предотвращения этого заболевания доступно множество фунгицидов, но режим опрыскивания является интенсивным.
Раннее заражение плодов яблони (Аарон Бергдал, Лесная служба Северной Дакоты)
Авторы: Джозеф Железник и Касия Кинзер
Повреждения от желтого до оранжевого цвета на верхней части листа гладкие (Esther McGinnis, NDSU)
Структуры, образующие споры, возвышаются на обратной стороне листа (Эстер МакГиннис, NDSU)
Плодовые тела кедровой яблони на можжевельнике (Терри С.
Прайс, Комиссия по лесному хозяйству Джорджии, Bugwood.org)
Симптомы
- Заболевание поражает кедры, можжевельники, яблони и яблони.
- На листьях и плодах зараженных яблонь/яблонь появляются желтовато-оранжевые пятна. В этих поражениях развиваются споры, заражающие можжевельник.
- Новые инфекции на можжевельнике приводят к появлению мелких галлов (или ведьминых метел), которые во влажных условиях образуют оранжевые студенистые структуры, заражающие растения-хозяева яблони/яблони.
- Не сажайте растения-хозяева из можжевельника/кедра и яблони близко друг к другу, потому что оба необходимы для заражения.
- Удаление галлов или обрезка ведьминых мётел с можжевельника может смягчить болезнь.
- Несколько видов этого возбудителя обнаружены в Северной Дакоте.
- Некоторые сорта яблони и яблони устойчивы к кедрово-яблоневой ржавчине.
Авторы: Аарон Бергдал, Джозеф Железник
Пятнистость листьев лягушачьего глаза с характерными пурпурными краями (Esther McGinnis, NDSU)
Желтые стрелки указывают на пятнистость листьев лягушачьего глаза, а красные стрелки указывают на паршу яблони (Джозеф Железник, NDSU)
Симптомы
• На листьях появляются маленькие, почти круглые пятна от коричневого до желтовато-коричневого цвета с более темными коричневыми краями (пятнистость лягушачьего глаза).
• Темно-коричневые вдавленные язвы могут образовываться на ветвях и основных стеблях. Листья на пораженных раком ветвях становятся ярко-желтыми и со временем отмирают. Язвы могут опоясывать и убивать ветки и стебли.
• На плодах поражения выглядят как красноватые пятна и расширяются до пятен с красным ореолом, затем чередуются коричневые и черные кольца (черная гниль). Пораженные плоды могут сморщиться и остаться прикрепленными к дереву.
Пятнистость листьев лягушачьего глаза (Аарон Бергдал, Лесная служба Северной Дакоты)
Пожелтение листьев указывает на поражение черной гнилью (Joseph Zeleznik, NDSU)
Симптомы черной гнили на плодах (Университет патологии растений Джорджии, Bugwood.org)
Управление и другие важные факты
• Удалите и уничтожьте мумифицированные остатки плодов и листьев, чтобы свести к минимуму инфекцию в следующем году.
• Правильно обрезайте зараженные ветки и мертвую древесину, когда деревья находятся в состоянии покоя.
См. «Основные рекомендации по обрезке деревьев и кустарников» (h2036).
• Не рекомендуются фунгициды.
Авторы : Кася Кинзер и Джозеф Железник
Этот веб-сайт был поддержан Службой сельскохозяйственного маркетинга Министерства сельского хозяйства США (USDA) в рамках гранта 14-SCBGP8-ND-003.
Его содержание является исключительной ответственностью авторов и не обязательно отражает официальную точку зрения Министерства сельского хозяйства США.
Метод распознавания болезней листьев яблони с улучшенной остаточной сетью
Аббас А., Джайн С., Гоур М., Ванкудоту С. (2021) Обнаружение болезней растений томатов с использованием трансферного обучения с синтетическими изображениями C-GAN. Компьютеры и электроника в сельском хозяйстве 187:106279
Статья Google Scholar
«> Atila Ü, Uçar M, Akyol K, Uçar E (2021) Классификация болезней листьев растений с использованием модели глубокого обучения EfficientNet.
Статья Google Scholar
Cao X, Cao T, Gao F, Guan X (2021) Планирование хранения с минимальным риском для повышения пропускной способности хостинга RES при неопределенном выборе места размещения. транзакции IEEE по устойчивой энергетике . https://doi.org/10.1109/TSTE.2021.3075615
Чаудхари А., Такур Р., Колхе С., Камаль Р. (2020) Ансамбль на основе оптимизации роя частиц для распознавания болезней овощных культур. Компьютеры и электроника в сельском хозяйстве 178:105747
Статья Google Scholar
Чен Ю, Чен В, Чандра Пал С, Саха А, Чоудхури И, Адели Б, Джанизаде С, Динева АА, Ван Х, Мосави А (2021) Оценка эффективности гибридных алгоритмов глубокого обучения с деревом решений нейронной сети и форсирующие методы прогнозирования потенциала подземных вод.
Chen J, Chen J, Zhang D, Sun Y, Nanehkaran YA (2020) Использование глубокого трансферного обучения для идентификации болезней растений на основе изображений. Компьютеры и электроника в сельском хозяйстве 173:105393
Артикул Google Scholar
Chen C, Wu Q, Li Z, Xiao L, Hu ZY (2020) Диагностика болезни Альцгеймера на основе глубоко сросшихся сетей. Высокопроизводительный грохот Comb Chem 24:781–789
Статья Google Scholar
Duta IC, Liu L, Zhu F, Shao L (2020) Улучшенные остаточные сети для распознавания изображений и видео. 25-я международная конференция по распознаванию образов (ICPR)
Fei X, Wang J, Ying S, Hu Z, Shi J (2020) Машина для обучения на основе разреженного множественного эмпирического ядра на основе переноса проективных параметров для диагностики заболеваний головного мозга.
Нейрокомпьютинг 413:271–283
Статья Google Scholar
Ферентинос К.П. (2018) Модели глубокого обучения для обнаружения и диагностики болезней растений. Компьютеры и электроника в сельском хозяйстве 145:311–318
Статья Google Scholar
Гокулнатх Б.В., Уша Д.Г. (2021) Выявление и классификация болезней растений с использованием устойчивых LF-CNN. Экологическая информатика
63:101283Статья Google Scholar
Гонг Ю, Лю Л, Мин Ю, Бурдев Л (2014) Сжатие глубоких сверточных сетей с использованием векторного квантования. Comput Sci
Гринблат Г.Л., Узал Л.С., Ларезе М.Г., Гранитто П.М. (2016) Глубокое обучение для идентификации растений с использованием морфологических моделей жилок.
Компьютеры и электроника в сельском хозяйстве 127:418–424
Статья Google Scholar
He K, Zhang X, Ren S, Sun J (2016)Глубокое остаточное обучение для распознавания изображений. Конференция IEEE 2016 г. по компьютерному зрению и распознаванию образов (CVPR)
Hu Z, Wang J, Zhang C, Luo Z, Luo X, Xiao L et al. (2021) Моделирование неопределенности для многоцентровой классификации расстройств спектра аутизма с использованием нечетких систем Такаги-Сугено-Канга. IEEE Trans Cogn Dev Syst
Huang G, Liu Z, Laurens V, Weinberger KQ (2016) Плотно связанные сверточные сети. IEEE Computer Society
Хуан П., Чжао Л., Цзян Р., Ван Т., Чжан X (2021 г.) Самофильтрующееся удаление дымки с изображения с помощью самоподдерживающегося модуля. Нейрокомпьютинг 432:57–69
Статья Google Scholar
«>Иоффе С., Сегеди С. (2015) Пакетная нормализация: ускорение обучения глубокой сети за счет уменьшения внутреннего ковариатного сдвига. 32-я международная конференция по машинному обучению. Доступно: http://research.google.com/pubs/archive/43442.pdf
Jiang Z, Dong Z, Jiang W, Yang Y (2021) Распознавание болезней листьев риса и болезней листьев пшеницы на основе многозадачного глубокого трансферного обучения. Компьютеры и электроника в сельском хозяйстве 186:106184
Статья Google Scholar
Jiang W, Jiang K, Zhang X, Ma Y (2015) Оптимизация энергопотребления критически важных для безопасности приложений реального времени с гарантированной защитой безопасности. Журнал системной архитектуры 61:282–292
Статья Google Scholar
Цзян Ф., Лу Ю., Чен Ю., Цай Д., Ли Г.
Ф. (2020) Распознавание изображений четырех болезней листьев риса на основе глубокого обучения и метода опорных векторов. Компьютеры и электроника в сельском хозяйстве 179(2):105824
Статья Google Scholar
Jiang W, Song Z, Zhan J, He Z, Wen X, Jiang K (2020) Оптимизированное совместное планирование ускорителя нейронных сетей смешанной точности для многозадачных приложений в реальном времени. Журнал системной архитектуры 110:101775
Статья Google Scholar
Joshi RC, Kaushik M, Dutta MK, Srivastava A, Choudhary N (2021) VirLeafNet: автоматический анализ и диагностика вирусных заболеваний с использованием глубокого обучения на растении Vigna mungo . Экологическая информатика 61:101197
Статья Google Scholar
«>Камат Р., Балачандра М., Прабху С. (2020) Различение культур и сорняков с использованием текстурных масок Лоуса. Международный журнал сельскохозяйственной и биологической инженерии 13:191–197
Артикул Google Scholar
Кришнасвами Рангараджан А., Пурушотаман Р., Перес-Руис М. (2021) Классификация болезней баклажанов с локальной симптоматической областью с использованием моделей глубокого обучения. Биосистемная инженерия 209:139–153
Статья Google Scholar
Li Q, Cao Z, Zhong J, Li Q (2019) Обучение представлению графа с кодированием ребер. Нейрокомпьютинг 361:29–39
Артикул Google Scholar
Li Y, Liu Y, Guo Y-Z, Liao X-F, Hu B, Yu T (2021) Пространственно-временно-спектральная иерархическая графовая сверточная сеть с полууправляемым активным обучением для прогнозирования припадков у конкретного пациента.
транзакции IEEE по кибернетике . https://doi.org/10.1109/TCYB.2021.3071860
Li Y, Liu J, Jiang Y, Liu Y, Lei B (2021) Виртуальная состязательная обучающая сеть с глубоким агрегированием функций из динамической эффективной связи для идентификации MCI. Транзакции IEEE для медицинских изображений . https://doi.org/10.1109/TMI.2021.3110829
Li Y, Liu J, Tang Z, Lei B (2020)Глубокое пространственно-временное слияние признаков из адаптивной динамической функциональной связи для идентификации MCI. IEEE Trans Med Imaging 39:2818–2830
Статья Google Scholar
Li Y, Nie J, Chao X (2020) Действительно ли нам нужна глубокая CNN для выявления болезней растений? Компьютеры и электроника в сельском хозяйстве 178:105803
Артикул Google Scholar
«>Liu Y, Gao X (2021) Усовершенствованная модель SqueezeNet использовалась для выявления нескольких видов болезней листьев. Труды Китайского общества сельскохозяйственной инженерии 37: 187–195
Google Scholar
Liu Y, Quan F (2019) Метод распознавания болезней растений и мобильное приложение на основе облегченной CNN. Труды Китайского общества сельскохозяйственной инженерии 35:194–204
Google Scholar
Liu C, Zhu H, Guo W, Han X, Chen C, Wu H (2021) EFDet: эффективный метод обнаружения болезней огурцов в сложных природных условиях. Компьютеры и электроника в сельском хозяйстве 189:106378
Статья Google Scholar
Luo P, Zhang RM, Ren JM, Peng ZL, Li JY (2021) Переключаемая нормализация для обучения нормализации глубокого представления.
IEEE Trans Pattern Anal Mach Intell 43: 712–728
Артикул Google Scholar
Ma J, Du K, Zheng F, Zhang L, Gong Z, Sun Z (2018) Метод распознавания болезней огурцов с использованием изображений симптомов листьев на основе глубокой сверточной нейронной сети. Компьютеры и электроника в сельском хозяйстве 154:18–24
Статья Google Scholar
Мусави С.М., Гасеми М., Дехган Маншади М., Мосави А. (2021) Глубокое обучение для моделирования преобразователя волновой энергии с использованием длинной кратковременной памяти. Математика 9:871
Артикул Google Scholar
Нгуги Л.С., Абельвахаб М., Або-Заххад М. (2021) Последние достижения в области методов обработки изображений для автоматического распознавания вредителей и болезней листьев – обзор.
Обработка информации в сельском хозяйстве 8:27–51
Статья Google Scholar
Niu M, Lin Y, Zou Q (2021) sgRNACNN: определение целевой активности sgRNA в четырех культурах с использованием ансамблей сверточных нейронных сетей. Завод Мол Биол 105: 483–495
Артикул Google Scholar
Носратабади С., Ардабили С., Лакнер З., Мако С., Мосави А. (2021) Прогнозирование производства продуктов питания с использованием алгоритмов машинного обучения многослойного перцептрона и ANFIS. Сельское хозяйство 11:408
Статья Google Scholar
Пей Х., Ян Б., Лю Дж., Чанг К. (2020) Активное наблюдение с помощью группового разреженного байесовского обучения. Транзакции IEEE по анализу образов и машинному интеллекту. https://doi.org/10.1109/TPAMI.2020.
3023092
Цю С., Хао З., Ван З., Лю Л., Лю Дж., Чжао Х и др. (2021) Стратегия выбора комбинации датчиков для сегментации фаз цикла каякинга на основе сетей датчиков тела. IEEE Internet of Things Journal . https://doi.org/10.1109/JIOT.2021.3102856
Цю С., Чжао Х., Цзян Н., Ву Д., Сун Г., Чжао Х. и др. (2021) Сенсорная сеть, ориентированная на захват движения человека с помощью носимой интеллектуальной системы. Международный журнал интеллектуальных систем. https://doi.org/10.1002/int.22689
Сабер А., Сакр М., Або-Сейда О.М., Кешк А., Чен Х. (2021) Новая модель глубокого обучения для автоматического обнаружения и классификации рака молочной железы с использованием метода переноса обучения. IEEE Access 9:71194–71209
Статья Google Scholar
Сандлер М., Ховард А., Чжу М., Жмогинов А., Чен Л.
С. (2018) Обратные невязки и линейные узкие места: Мобильные сети для классификации, обнаружения и сегментации
Сети П.К., Барпанда Н.К., Рат А.К., Бехера С.К. (2020) Идентификация болезней листьев риса на основе глубоких признаков с использованием машины опорных векторов. Компьютеры и электроника в сельском хозяйстве 175:105527
Статья Google Scholar
Шэн Б., Сян Д., Е П. (2015) Скорость сходимости полууправляемых алгоритмов градиентного обучения. Международный журнал вейвлетов, мультиразрешения и обработки информации 13:1550021
Артикул MathSciNet МАТЕМАТИКА Google Scholar
Суганья Деви К., Шринивасан П., Бандхопадхьяй С. (2020) h3K – Надежный и оптимальный подход к выявлению и классификации болезней листьев арахиса. Компьютеры и электроника в сельском хозяйстве 178:105749
Статья Google Scholar
«>Sun H, Xu H, Liu B, He D, He J, Zhang H и др. (2021) MEAN-SSD: новый детектор болезней листьев яблони в реальном времени с использованием усовершенствованных облегченных сверточных нейронных сетей. Компьютеры и электроника в сельском хозяйстве 189:106379
Статья Google Scholar
Тан М., Ле Кью (2019) Efficientnet: переосмысление масштабирования модели для сверточных нейронных сетей. Международная конференция по машинному обучению
Тавуси Дж., Чжан С., Мохаммадзаде А., Мобайен С., Мосави А.Х. (2021) Интерполяция медицинских изображений с использованием рекуррентной нечеткой нейронной сети типа 2. Границы нейроинформатики 15:667375
Артикул Google Scholar
Тянь К., Ли Дж. Х., Цзэн Дж. Ф., Эванс А., Чжан Л. Н. (2019) Сегментация изображений листьев томата на основе алгоритма адаптивной кластеризации числа K-средних.
Компьютеры и электроника в сельском хозяйстве 165:104962
Статья Google Scholar
Ван Б., Ма Ф., Ге Л., Ма Х., Ван Х., Мохамед М.А. (2020) Icing-EdgeNet: интеллектуальный метод обрезки легких краев дискриминационного канала управления для толщины льда линий электропередачи. IEEE Trans Instrum Meas 70:1–12
Артикул Google Scholar
Wang R, Wu Z, Lou J (2021) Динамическое моделирование пользователей на основе внимания и рекомендации по глубокой совместной фильтрации. Expert Syst Appl 188:116036
Артикул Google Scholar
Ван Т., Чжао Л., Хуан П., Чжан С., Сюй Дж. (2021) Адаптивная сеть концентрации дымки для устранения дымки на изображении. Нейрокомпьютинг 439:75–85
Статья Google Scholar
«>Wang C, Zhou J, Wu H (2020) Усовершенствованная многомасштабная ResNet-идентификация болезней листьев овощей. Труды Китайского общества сельскохозяйственной инженерии 36: 209–217
Google Scholar
Войтович А., Пекарчик Дж., Чернецкий Б., Ратайкевич Х. (2021) Модель случайного леса для классификации симптомов листовой ржавчины пшеницы и ржи на основе чистых спектров в масштабе листьев. Журнал фотохимии и фотобиологии B: Биология 223:112278
Артикул Google Scholar
Wu Z, Li G, Shen S, Cui Z, Lian X, Xu G (2021) Создание фиктивных последовательностей запросов для защиты конфиденциальности местоположения и конфиденциальности запросов в службах на основе местоположения. World Wide Web 24:25–49
Статья Google Scholar
У З., Ли Р.
, Се Дж., Чжоу З., Го Дж., Сюй С. (2020) Подход к защите чувствительных к пользователю тем для службы поиска книг. J Assoc Inf Sci Technol 71: 183–195
Артикул Google Scholar
Wu Z, Li G, Zhu H, Cui Z, Huang H (2017) Эффективный подход семантического сопоставления Википедии к классификации текстовых документов. Inf Sci 393:15–28
Статья MathSciNet Google Scholar
Wu Z, Shen S, Lian X, Su X, Chen E (2020) Подход к защите конфиденциальности пользователей для извлечения текстовой информации на основе фиктивных данных. Система, основанная на знаниях 195:105679
Артикул Google Scholar
Wu Z, Shen S, Zhou H, Li H, Lu C, Zou D (2021) Эффективный подход к защите конфиденциальности пользователей при просмотре товаров на веб-сайте электронной коммерции.
Основанная на знаниях система 220:106952
Статья Google Scholar
Wu Z, Wang R, Li Q, Lian X, Xu G (2020) Система сохранения конфиденциальности местоположения, основанная на сокрытии диапазона запросов для служб на основе местоположения. IEEE Transactions on Vehicular Technology 69:5
Google Scholar
Xu Y, He R, Zhai Y Eds (2021) Метод идентификации сорняков на основе облегченной сверточной сети в естественной полевой среде (Журнал Цзилиньского университета (Engineering and Technology Edition)
Yadav S, Sengar N, Singh A, Singh A, Dutta MK (2021)Идентификация заболевания с использованием глубокого обучения и оценка бактериоза в листе персика Экологическая информатика 61:101247
Статья Google Scholar
«>Yang G, Bao Y, Liu Z (2017) Обнаружение и распознавание вредителей чайных садов на основе анализа значимости изображений и сверточной нейронной сети. Труды Китайского общества сельскохозяйственной инженерии 33: 156–162
Google Scholar
Ян Ф., Моайеди Х., Мосави А. (2021) Прогнозирование уровня растворенного кислорода с использованием трех типов многослойных искусственных нейронных сетей на основе персептрона. Устойчивое развитие 13:9898
Артикул Google Scholar
Ян С., Чжао Х., Бруццоне Л., Бенедиктссон Дж. А., Лян Ю., Лю Б. и др. (2020) Идентификация лунных ударных кратеров и оценка возраста с использованием данных Chang’E с помощью глубокого и переносного обучения. Nature Communications 11:6358
Статья Google Scholar
Ying C, Huang Z, Ying C (2018)Ускорение обработки изображений с помощью стратегии оптимизации для алгоритма глубокого обучения DBN.
EURASIP J Wirel Commun Netw 2018:1–8
Артикул Google Scholar
Чжан С., Ван Т., Ван Дж., Тан Г., Чжао Л. (2020) Сеть внимания к функциям на основе пирамидальных каналов для устранения дымки на изображениях. Comput Vis Image Underst 197:103003
Статья Google Scholar
Zhang L, Zhang Z, Wang W, Jin Z, Su Y, Chen H (2021) Исследование модели скрытой связи, реализованной с использованием смарт-контрактов в среде Blockchain. Системный журнал IEEE. https://doi.org/10.1109/JSYST.2021.3057333
Чжан Л., Чжан З., Ван В., Вакас Р., Чжао С., Ким С. и др. (2020) Метод скрытой связи с использованием специальных биткойн-адресов, сгенерированных Vanitygen. Компьютеры, материалы и непрерывность 65:597–616
Статья Google Scholar
