-
公开(公告)号：CN106479943A
公开(公告)日：2017-03-08
申请号：CN201710002021.0
申请日：2017-01-03
Applicant: 南京林业大学 , 安徽省林业科学研究院
Abstract: 本发明公开了一株防治美国白蛾的爪哇棒束孢，其分类命名为爪哇棒束孢（Isaria javanica）BE01，保藏于中国微生物菌种保藏管理委员会普通微生物中心，保藏编号为CGMCC No.13192，保藏日期为2016年11月28日，保藏地址为北京市朝阳区北辰西路1号院3号。本发明的爪哇棒束孢BE01菌株从美国白蛾幼虫僵虫上分离得到，通过试验证实，在1.0×104个/mL以上的孢子浓度下，对不同虫龄的美国白蛾均具有较好的毒力，侵染率超过53.33%，在1.0×108个/mL的孢子浓度下，侵染率超过73.33%，能高效防治美国白蛾。
-
公开(公告)号：CN117356297A
公开(公告)日：2024-01-09
申请号：CN202311489089.8
申请日：2023-11-09
Applicant: 安徽省林业科学研究院
IPC: A01G7/06
Abstract: 本发明公开了一种背负式可控流量的松树加压注药装置，涉及树木注药技术领域，其注射组件包括注射杆以及安装在注射杆前端的注射针头；注射针头的针头本体靠近尾端处开设有排气孔，每个排气孔配置有一排气管，排气管一体成型与针头本体内，一端与排气孔相连通，另一端延伸至针头本体尾端贯穿针头本体的两侧壁设置，且排气孔配置有一密封套；齿轮泵组件包括齿轮泵、微小液体流量计以及控制面板；本发明通过注射针头结构的优化，实现了泄压操作，从而显著的降低了漏药率，配合微小液体流量计、齿轮泵和薄膜式压力传感器的设计，可以根据不同树木胸径进行灵活调整注干药量、注干流量以及注干压力，进而保证药剂可以快速的渗透，进一步地降低漏药率。
-
公开(公告)号：CN116267362A
公开(公告)日：2023-06-23
申请号：CN202310523181.5
申请日：2023-05-10
Applicant: 安徽省林业科学研究院
Abstract: 本发明公开了一种加压可回收的树木打孔注药装置，包括注射管以及和注射管下端一体成型设置的注射嘴，所述注射管内滑动连接有塞杆，所述塞杆的底端安装有用于挤压的药液的柱塞头，所述注射嘴上设有自攻螺纹，所述塞杆上套设有一端抵在柱塞头的一侧且另一端抵在注射管一端内侧侧壁的弹簧。本发明通过上述装置既可以避免药液外漏，也可以方便回收，而且回收的时候不会造成注射器的损坏。
-
公开(公告)号：CN115601670B
公开(公告)日：2023-03-24
申请号：CN202211588231.X
申请日：2022-12-12
Applicant: 合肥恒宝天择智能科技有限公司 , 安徽省林业科学研究院
Abstract: 本发明公开了基于人工智能和高分辨率遥感影像的松材线虫病监测方法，涉及图像处理领域，该方法包括：获取灰度图像中的空隙连通域；利用空隙连通域的特征值波动范围得到树冠外部空隙的目标连通域；利用每个目标连通域与其他目标连通域之间的最小距离、最大特征值主方向的夹角以及特征值波动范围的差异得到连接必要性；利用连接必要性对目标连通域进行连接得到一个最终目标连通域，得到目标灰度图像；获取目标灰度图像中的多个树木连通域并对应到HSV图像中，利用HSV图像中每个树木连通域的像素点的HSV值得到每个树木的病变等级。本发明实现了对待监测林区中树木准确的病虫害识别。
-
公开(公告)号：CN119385034A
公开(公告)日：2025-02-07
申请号：CN202411498788.3
申请日：2024-10-25
Applicant: 安徽省林业科学研究院
IPC: A01G23/083 , A01G23/099 , A01G23/08 , B62D55/02 , B27L11/00
Abstract: 本发明涉及木材砍伐技术领域，且公开了一种松材线虫病疫木砍伐运输一体机，包括履带式底盘、无人驾驶系统、砍伐一体机主体，所述无人驾驶系统安装在履带式底盘一侧的中部并能够在履带式底盘的支撑下进行旋转调节，所述砍伐一体机主体与履带式底盘的之间安装有液体机械壁组件，所述履带式底盘的另一侧安装有半开放车斗，所述半开放车斗一侧的开放结构外固定连接有开放型分粉碎箱。该松材线虫病疫木砍伐运输一体机及其操作方法，在松材线虫病疫情小范围发生时，高效、准确地开展松材线虫病疫木砍伐和运输工作，整体装置的砍伐一体和履带移送的设计结构考虑了操作和行使的的便捷性和安全性，适用于不同森林类型的择伐和皆伐作业。
-
Patent Agency Ranking
公开(公告)号：CN117911939A
公开(公告)日：2024-04-19
申请号：CN202311693810.5
申请日：2023-12-07
Applicant: 合肥恒宝天择智能科技有限公司 , 安徽省林业科学研究院
IPC: G06V20/52 , G06V20/17 , G06V20/10 , G06V10/26 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于图像分割的松材线虫病灾害实时监测预警方法与系统，所述方法包括：选择位于特定区域的无人机图像进行采集，并经过预处理，获取训练样本；将生成的样本集，分成训练集、验证集和测试集，对于训练集采用深度学习图像处理模型进行训练，并监控损失函数的值以判断模型是否收敛；使用验证集和测试集对模型进行评估，通过构造评价指标准确率、召回率和F1分数，全面评估模型的性能；用户数据集构建与监测预警。本发明采用高效的基于深度学习图像分割的技术，能够对无人机采集的松林图像中的异常区域进行精准分割，从而判别病松的形态，有助于及时发现和评估染病松树的损失和潜在感染风险，为林业部门提供实时监测预警服务。
-
公开(公告)号：CN115997768A
公开(公告)日：2023-04-25
申请号：CN202310037424.4
申请日：2023-01-10
Applicant: 安徽省林业科学研究院 , 合肥恒宝天择智能科技有限公司
Abstract: 本发明公开了一种预防松材线虫病的植物免疫诱抗剂及制备方法，免疫诱抗剂包括壳寡糖、增效剂和溶剂；所述增效剂为有机硅，所述溶剂为有机溶剂，且溶剂中有机溶剂的种类至少为一种；制备方法包括：括步骤一：首先定量溶剂，将壳寡糖以溶剂量确定比例后加入溶剂中进行溶解；步骤二：上一步骤中获得的溶解药剂加入定量增效剂，并进行搅拌均匀，获得免疫诱抗剂；本申请所提及的植物免疫诱抗剂所包含的有效成分为壳寡糖，后者作用于松树，能够诱导其相关抗性基因的表达，从而提高松树抵抗病害能力。
-
公开(公告)号：CN115601670A
公开(公告)日：2023-01-13
申请号：CN202211588231.X
申请日：2022-12-12
Applicant: 合肥恒宝天择智能科技有限公司(CN) , 安徽省林业科学研究院(CN)
Abstract: 本发明公开了基于人工智能和高分辨率遥感影像的松材线虫病监测方法，涉及图像处理领域，该方法包括：获取灰度图像中的空隙连通域；利用空隙连通域的特征值波动范围得到树冠外部空隙的目标连通域；利用每个目标连通域与其他目标连通域之间的最小距离、最大特征值主方向的夹角以及特征值波动范围的差异得到连接必要性；利用连接必要性对目标连通域进行连接得到一个最终目标连通域，得到目标灰度图像；获取目标灰度图像中的多个树木连通域并对应到HSV图像中，利用HSV图像中每个树木连通域的像素点的HSV值得到每个树木的病变等级。本发明实现了对待监测林区中树木准确的病虫害识别。
-
公开(公告)号：CN119570821A
公开(公告)日：2025-03-07
申请号：CN202411685476.3
申请日：2024-11-23
Applicant: 安徽省林业科学研究院
Abstract: 本发明公开了一种松褐天牛三磷酸腺苷酶基因V‑ATPase H及其用，该松褐天牛三磷酸腺苷酶基因V‑ATPase H包含一个V‑ATPase H超家族保守区域，碱基序列如SEQ ID NO.1所示，该松褐天牛三磷酸腺苷酶基因V‑ATPase H编码V‑ATPase蛋白，其氨基酸序列如SEQ ID NO.2所示。本发明还公开了松褐天牛三磷酸腺苷酶基因V‑ATPase H作为RNAi靶基因在松褐天牛防治中的应用。通过以松褐天牛三磷酸腺苷酶基因V‑ATPase H为模板设计合成dsRNA，然后使用该dsRNA干扰松褐天牛免疫基因Dome、Tube和TAB2的表达，实验结果表明利用松褐天牛三磷酸腺苷酶基因V‑ATPase H设计合成的dsRNA可有效抑制松褐天牛免疫有关基因的表达，因此具有良好的开发利用前景。
-
公开(公告)号：CN116704326A
公开(公告)日：2023-09-05
申请号：CN202310005519.8
申请日：2023-01-04
Applicant: 合肥恒宝天择智能科技有限公司 , 安徽省林业科学研究院
IPC: G06V20/10 , G06V20/17 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/774 , G06N3/088 , G06N3/0455 , G06N3/0464 , G06N3/044 , G06N3/096
Abstract: 本发明公开了一种基于无监督学习的松材线虫病木识别方法，包括无监督预训练阶段、有监督迁移学习和目标检测模型建立几个步骤；其中步骤S1无监督预训练阶段步骤，包括S11数据采集、S12数据预处理、S13DetCo模型搭建、S14DetCo模型预训练几个部分；步骤S2有监督迁移学习步骤，包括S21制备少量标注样本、S22搭建基于预训练encoder的目标检测模型、S23进行迁移学习训练目标检测模型几个部分；采用无监督预训练模型+迁移学习的方案，充分利用无标注数据来训练模型的特征提取层，减少对有标注数据的依赖,在只有少量标注样本的情况下取得比有监督学习模型更好的识别效果。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.035 seconds)
