2024年4月15日发(作者：姓海阳)
第5期（总第401期）
农业装备
41
文章编号：1673-887X(2023)05-0041-03
基于YOLOv5s的草莓病害识别系统设计
邱菊
1
，徐燕
2
101149）（北京物资学院信息学院，北京
摘要草莓种植易受到20多种病害的影响，目前草莓病害识别主要以人工为主，耗时费力，效率较低。因此，文章基于YO-
LOv5s目标检测算法（YOLOYouOnlyLookOnce:Unified,Real-TimeObjectDetection），对采集到的696张草莓病害图片进
行模型训练，设计草莓病害识别系统，实验结果显示系统识别精度接近80%，相较于传统草莓病害识别技术更便捷且识别效率
更高。
关键词草莓病害；YOLOv5s；图像识别；深度学习
S436.68文献标志码Adoi:10.3969/.1673-887X.2023.05.015中图分类号
DesignofStrawberryDiseaseIdentificationSystemBasedonYOLOv5s
QiuJu
1
,XuYan
2
(SchoolofInformation,BeijingWuziUniversity,Beijing101149,China)
Abstract：ent,strawberrydiseaseidentificationis
mainlymanual,time-consumingandlaborious,ore,basedontheyolov5simagerecognitionalgorithm,
thispaperconductsmodeltrainingon696collectedstrawberrydiseaseimages,anddesignsastrawberrydiseaserecognitionsystem.
Theexperimentalresultsshowedthattherecognitioneffectofthesystemisgood.
Keywords：strawberrydiseases,YOLOv5s,patternrecognition,deeplearning
草莓肉质细韧，酸甜适口，营养丰富，在国内外市场上备
受欢迎。但是，草莓种植过程中易受到20多种病害威胁，制
约了草莓的产业化发展。目前草莓病害识别仍以人工为主，
耗时费力，人工成本高，急需科技化手段提升草莓病害识别
效果。
人工智能技术已被广泛应用于图像识别、目标追踪等领
域。很多学者尝试利用人工智能技术解决草莓病害识别方
面的问题
[1]
，牛冲等人运用改进的分水岭图像分割技术，通过
特征提取对草莓病害进行识别
[2]
。崔灿等人则是利用卷积神
经网络（CNN）进行草莓病害识别
[3]
，CNN是一种前向神经网
络和深度学习方法，通过共享权值、局部连接和池化达到网
络更优化并降低过拟合，利用多层卷积层和池化层提取图像
的分类特征
[4]
。张金慧等人提出了利用人工智能技术的草莓
病害识别设备
[5]
。以上学者的研究虽在一定程度上提高了识
别草莓病害的效率，但仍存在识别类型单一、操作复杂、识别
效率较低等问题。
因此，本文以草莓作为研究对象，采用YOLOv5s算法，针
对目前人工识别草莓病害耗时费力等问题，构建草莓病害识
别模型，对于实现设施草莓远程实时病害识别、提高经济效
益具有现实意义。
1YOLO目标检测模型
YOLO是JosephRedmond和AliFarhadi等人在借鉴
GoogleNet基础上提出的采用单独CNN模型实现的目标检测
系统。它的核心思想是利用整张图作为输入后直接在输出
层回归边界框（Boundingbox）的位置和类别。随着时间的推
移，YOLO算法也在不断提升和优化，相继出现YOLOv2、YO-
LOv3、YOLOv4、YOLOv5模型。
YOLOv5的核心包括输入端、主干网络（Backbone）、颈部
（Neck）、和输出端4部分，它在YOLOv4算法的基础上做了进
一步的改进，检测性能方面得到很大的提升。YOLOv5对原
始图像自适应添加最少的黑边，图像高度上两端的黑边减少
了，使得相比之前推理速度提升了37%，同时YOLOv5的精确
度相对于YOLOv4也有显著提高。官方给出的YOLOv5目标
检测网络的4个模型分别为YOLOv5s，YOLOv5m，YOLOv5l，
YOLOv5x。本文选择的是YOLOv5s模型，YOLOv5s
[6]
模型是
YOLOv5系列中深度最小且特征图宽度最小的模型，优点是
简洁、快速、易部署。
收稿日期
基金项目
作者简介
慧农业。
通讯作者
2022-12-06
大学生科学研究与创业行动计划项目，项目编号为
邱
徐
菊（2000－），女，北京，本科在读，研究方向：智
燕，E-mail：*************.cn。
2
2.1
实验过程与分析
实验平台
本系统开发的硬件环境为字长是64位的计算机。软件
2021103044。
操作系统为Windows10，基于python3.6版本在anaconda搭建
了一个虚拟环境，利用云端GPU在Googlecolab平台上训练
数据集，验证和测试的代码在PyCharm中编译和运行。
Copyright©博看网. All Rights Reserved.
42
农业装备
2.2
邱菊，徐燕：基于YOLOv5s的草莓病害识别系统设计
数据集简介与训练策略
在不同角度、不同距离和不同光线下拍摄采集草莓照片
M
A
P
_
0
.
5
696张作为模型训练与测试的数据集。利用Mosaic数据增强
方法，最终训练的标签数为1926个。
2.3数据集标注
数据集中的图片分别利用MakeSense在线标注工具逐
一进行标注，在标注前需要先创建分类标签，本文共创建4个
分类标签，其名称及含义见表1。
表1标签分类情况
Tab.1Theclassificationoflabels
标签名称
good
bad
ripe
有无病害
无
有
无
无
颜色
红
红
红
绿
形状
良好
差
差
差
17
1
3
1
9
2
5
3
1
3
7
4
3
4
9
5
5
6
1
6
7
7
3
7
9
8
5
9
1
9
7
metrics
（a）mAP曲线
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
p
r
e
c
i
s
i
o
n
unripe
17
1
3
1
9
2
5
3
1
3
7
4
3
4
9
5
5
6
1
6
7
7
3
7
9
8
5
9
1
9
7
r
e
c
a
l
l
metrics
采用矩形模式进行标注，标注后的图片作为训练集。在
PyCharm中编写代码并以YOLOv5s作为主干网络，将编写好
的代码压缩后存到谷歌云盘中，连接ColabGPU服务器，在
GoogleColab上挂载云盘，解压压缩的代码，更改运行目录，
配置好环境后即可开始训练，期间可以不断刷新来观察训练
结果。训练结束后，导出训练完的模型，上传到PyCharm中。
从训练集中随机选取10%的草莓照片进行测试，观察结果并
分析。
2.4评价指标
本实验的评价指标为精确度（Precision）、召回率（Recall）
和平均精度均值（meanaverageprecision，mAP）。
精确度定义如式（1）所示：
TP
P=
.
TP+FP
召回率定义如式（2）所示：
TP
R=
.
TP+FN
平均精度均值定义如式（3）所示：
mAP=
（c）精确度
图1精确度、平均精确度和召回率折线图
Fig.1Linechartofprecision,averageaccuracyprecisionandrecall
图2给出了采用本系统进行草莓病害识别的3个实例。
其中图2a是识别出的已患病草莓，概率为0.82；图2b识别出
的草莓类型为患病和未成熟型，概率分别为0.87和0.78；图
2c识别出了2个未成熟和1个成熟的草莓，概率分别是0.61、
0.88和0.60。
（1）
（2）
(a)有病害(b)有病害、未成熟草莓
其中，TP——有病害的草莓数目，FN——漏检的病害草
莓数目，FP——误报的病害草莓数目，P——精确度，R——
召回率，P（R）——精确度和召回率曲线。
本实验训练100个Epoch（Epoch，将所有训练样本训练
一次的过程）。输入端的自适应缩放的原始图片尺寸为800
像素×600像素，经过自适应缩放后的图片尺寸为640像
素×640像素，通过这种方式可以减少训练过程中的计算量，
提高检测结果的精度。
(c)未成熟、成熟草莓
图2模型识别结果
∫
P
(
R
)
dR
.
1
0
（3）
Fig.2Theimagesoftherecognitionresultofthemodel
3试验结果分析
从图1可看出，迭代开始时准确度较低，平均精度均值较
4结论
本文采用Python语言作为开发语言，自制数据集，基于
YOLOv5s网络建立草莓病害识别系统，实验结果显示，该系
统对病害草莓识别效率较高，具有实际应用价值。
低，召回率较小，在训练20个Epoch时，精确度和召回率突
增，之后呈缓慢上升趋势，在训练100个Epoch时，召回率为
80%。综上所述，可以判断出YOLOv5s算法在草莓病害识别
方面具有一定优越性。
Copyright©博看网. All Rights Reserved.
17
1
3
1
9
2
5
3
1
3
7
4
3
4
9
5
5
6
1
6
7
7
3
7
9
8
5
9
1
9
7
17
1
3
1
9
2
5
3
1
3
7
4
3
4
9
5
5
6
1
6
7
7
3
7
9
8
5
9
1
9
7
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0.7
0.6
M
A
P
_
0
.
5
:
0
.
9
5
0.5
0.4
0.3
0.2
0.1
0
metrics
（b）平均mAP曲线
metrics
（d）召回率
（下转第45页）
第5期（总第401期）
农业技术与装备
[10]
农业装备
45
同时将脱袋和粉碎设备进行整合，研发一体化的脱袋粉碎设
备，有利于降低工人的劳动强度，提高粉碎效率和效果，节约
制造成本。
第三，目前，废菌棒结构特点和生物学特性相关研究报
道极少，应积极采取政产学研推一体化，加大废菌棒力学特
性、菌袋气吸特性等基础究理论，以建立一套完善、系统的理
论体系，使得理论与实践紧密结合，为今后的菌棒脱袋装备
研发工作提供理论指导。
第四，废菌棒生物资源综合利用是一项涉及面广泛、影
响巨大、生态效益高的系统性工程，加大综合利用技术研究
与相关装备研发，加大对各项技术的推广支持力度，为食用
菌种植户提供多元化发展模式，保障农户种植积极性和经济
效益。
参考文献
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
秦翠兰,赵群喜,王磊元.废弃菌棒生物质资源综合利用现状及
其展望[J].新疆农机化,2022(1):22-24+39.
董雪梅,王延锋,史磊,等.黑木耳菌渣有机肥栽培玉米的应用[J].
中国林副特产,2016(6):4-6.
胡清秀,卫智涛,王洪媛.双孢蘑菇菌渣堆肥及其肥效的研究[J].
农业环境科学学报,2011,30(9):1902-1909.
高秋美,孟庆峰,任丽华,等.有机菌渣肥对芍药间作小麦产量及
土壤改良的影响[J].山东农业科学,2021,53(9):95-99.
潘明安,黄仁军.菌渣与化肥配施对籼粳稻叶绿素含量及产量
的影响[J].农业科技通讯,2022(8):65-67.
童晨晓,邹双全,胡坤,等.废菌棒替代泥炭土对金线莲生长和品
质的影响[J].江西农业大学学报,2020,42(5):915-922.
伍淑树.香菇菌棒的制作和废料再利用探讨[J].农业开发与装
备,2021(10):221-222.
刘南祥,姚宏,诸葛华,等.香菇废菌棒作一品红栽培基质试验[J].
浙江农业科学,2009(4):691-692.
何英俊,金凤花.海鲜菇废菌棒混贮料对羔羊生长性能、屠宰性
状及肉质的影响[J].家畜生态学报,2017,38(3):40-45.
武伟成,钟港,陈东,等.金针菇菌糠替代酒糟对育肥牛生长性
能、血液常规和血液生化指标的影响[J].中国饲料,2023(1):
142-147.
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
蒋佳豪,邹知明,农斯伟,等.用杏鲍菇菌糠饲养杂交鹅的效果
研究[J].当代畜禽养殖业,2022(4):10-13.
汤静.菌糠堆肥技术及其在大棚菜地土壤改良方面的应用[J].
现代农业科技,2021(23):148-150.
吉清妹,吴宇佳,雷菲,等.秀珍菇菌糠对红心火龙果产量、品质
及土壤质量的影响[J].热带农业科学,2022,42(2):15-22.
王春霞,许子洁,王晶,等.食用菌菌糠配施化肥改良滨海盐碱
耕地的效果研究[J].中国土壤与肥料,2022(4):99-105.
程建明,姜承炳,陈幸岗,等.废菌棒用作户用沼气池原料的试
验[J].中国沼气,2011,29(6):47-48.
马长江.废弃菌糠脱袋机[P].黑龙江：CN201049343,2008-04-
23.
余和意.一种食用菌料袋脱袋机[P].福建:CN202574738U,
2012-12-05.
林时明.一种废弃木耳菌袋脱袋方法及脱袋装置[P].吉林:
CN103057772A,2013-04-24.
周万莹.废菌棒自动脱袋机[P].河北:CN209423788U,2019-
09-24.
杨铭彬,杨恒.一种废菌包脱袋机[P].福建:CN210942631U,
2020-07-07.
崔雪艳,刘建华,孙海红,等.一种废菌棒自动脱袋机[P].辽宁:
CN214508483U,2021-10-29.
江龙林,肖端兰,占春丽,等.一种香菇种植用菌棒粉碎装置[P].
安徽:CN210171573U,2020-03-24.
黄文越.一种废弃菌棒粉碎装置[P].广西壮族自治区:
CN214863895U,2021-11-26.
刘伟,高唱,周春燕,等.一种香菇种植用菌棒粉碎装置[P].安徽:
CN114273059A,2022-04-05.
陈琳,王晓霞,郑玉婷,等.一种食用菌菌棒生产用原料粉碎装
置[P].江西:CN216322212U,2022-04-19.
（上接第42页）
庆三峡学院,2020.
参考文献
[4]
[5]
[6]
谭云兰,欧阳春娟,李龙,等.基于深度卷积神经网络的水稻病害
图像识别研究[J].井冈山大学学报:自然科学版,2019,40(2):8.
张金慧,苗珍,孟国华,等.一种基于AI的草莓病虫害智能识别设
备[P].江苏:CN211127917U,2020-07-28.
黄璐,毛晓艳,杜航,等.基于深度学习网络的星表非结构化岩石
目标辨识方法研究[J].空间控制技术与应用,2021,47(6):27-33.
[1]
[2]
[3]
胡雅娣.大棚草莓种植技术与病虫害防治措施[J].乡村科技,
2022,13(4):70-72.
牛冲.基于图像处理的草莓病害识别方法研究[D].太原:太原理
工大学.
崔灿.基于卷积神经网络的草莓病虫害识别与应用[D].重庆:重
Copyright©博看网. All Rights Reserved.
2024年4月15日发(作者：姓海阳)
第5期（总第401期）
农业装备
41
文章编号：1673-887X(2023)05-0041-03
基于YOLOv5s的草莓病害识别系统设计
邱菊
1
，徐燕
2
101149）（北京物资学院信息学院，北京
摘要草莓种植易受到20多种病害的影响，目前草莓病害识别主要以人工为主，耗时费力，效率较低。因此，文章基于YO-
LOv5s目标检测算法（YOLOYouOnlyLookOnce:Unified,Real-TimeObjectDetection），对采集到的696张草莓病害图片进
行模型训练，设计草莓病害识别系统，实验结果显示系统识别精度接近80%，相较于传统草莓病害识别技术更便捷且识别效率
更高。
关键词草莓病害；YOLOv5s；图像识别；深度学习
S436.68文献标志码Adoi:10.3969/.1673-887X.2023.05.015中图分类号
DesignofStrawberryDiseaseIdentificationSystemBasedonYOLOv5s
QiuJu
1
,XuYan
2
(SchoolofInformation,BeijingWuziUniversity,Beijing101149,China)
Abstract：ent,strawberrydiseaseidentificationis
mainlymanual,time-consumingandlaborious,ore,basedontheyolov5simagerecognitionalgorithm,
thispaperconductsmodeltrainingon696collectedstrawberrydiseaseimages,anddesignsastrawberrydiseaserecognitionsystem.
Theexperimentalresultsshowedthattherecognitioneffectofthesystemisgood.
Keywords：strawberrydiseases,YOLOv5s,patternrecognition,deeplearning
草莓肉质细韧，酸甜适口，营养丰富，在国内外市场上备
受欢迎。但是，草莓种植过程中易受到20多种病害威胁，制
约了草莓的产业化发展。目前草莓病害识别仍以人工为主，
耗时费力，人工成本高，急需科技化手段提升草莓病害识别
效果。
人工智能技术已被广泛应用于图像识别、目标追踪等领
域。很多学者尝试利用人工智能技术解决草莓病害识别方
面的问题
[1]
，牛冲等人运用改进的分水岭图像分割技术，通过
特征提取对草莓病害进行识别
[2]
。崔灿等人则是利用卷积神
经网络（CNN）进行草莓病害识别
[3]
，CNN是一种前向神经网
络和深度学习方法，通过共享权值、局部连接和池化达到网
络更优化并降低过拟合，利用多层卷积层和池化层提取图像
的分类特征
[4]
。张金慧等人提出了利用人工智能技术的草莓
病害识别设备
[5]
。以上学者的研究虽在一定程度上提高了识
别草莓病害的效率，但仍存在识别类型单一、操作复杂、识别
效率较低等问题。
因此，本文以草莓作为研究对象，采用YOLOv5s算法，针
对目前人工识别草莓病害耗时费力等问题，构建草莓病害识
别模型，对于实现设施草莓远程实时病害识别、提高经济效
益具有现实意义。
1YOLO目标检测模型
YOLO是JosephRedmond和AliFarhadi等人在借鉴
GoogleNet基础上提出的采用单独CNN模型实现的目标检测
系统。它的核心思想是利用整张图作为输入后直接在输出
层回归边界框（Boundingbox）的位置和类别。随着时间的推
移，YOLO算法也在不断提升和优化，相继出现YOLOv2、YO-
LOv3、YOLOv4、YOLOv5模型。
YOLOv5的核心包括输入端、主干网络（Backbone）、颈部
（Neck）、和输出端4部分，它在YOLOv4算法的基础上做了进
一步的改进，检测性能方面得到很大的提升。YOLOv5对原
始图像自适应添加最少的黑边，图像高度上两端的黑边减少
了，使得相比之前推理速度提升了37%，同时YOLOv5的精确
度相对于YOLOv4也有显著提高。官方给出的YOLOv5目标
检测网络的4个模型分别为YOLOv5s，YOLOv5m，YOLOv5l，
YOLOv5x。本文选择的是YOLOv5s模型，YOLOv5s
[6]
模型是
YOLOv5系列中深度最小且特征图宽度最小的模型，优点是
简洁、快速、易部署。
收稿日期
基金项目
作者简介
慧农业。
通讯作者
2022-12-06
大学生科学研究与创业行动计划项目，项目编号为
邱
徐
菊（2000－），女，北京，本科在读，研究方向：智
燕，E-mail：*************.cn。
2
2.1
实验过程与分析
实验平台
本系统开发的硬件环境为字长是64位的计算机。软件
2021103044。
操作系统为Windows10，基于python3.6版本在anaconda搭建
了一个虚拟环境，利用云端GPU在Googlecolab平台上训练
数据集，验证和测试的代码在PyCharm中编译和运行。
Copyright©博看网. All Rights Reserved.
42
农业装备
2.2
邱菊，徐燕：基于YOLOv5s的草莓病害识别系统设计
数据集简介与训练策略
在不同角度、不同距离和不同光线下拍摄采集草莓照片
M
A
P
_
0
.
5
696张作为模型训练与测试的数据集。利用Mosaic数据增强
方法，最终训练的标签数为1926个。
2.3数据集标注
数据集中的图片分别利用MakeSense在线标注工具逐
一进行标注，在标注前需要先创建分类标签，本文共创建4个
分类标签，其名称及含义见表1。
表1标签分类情况
Tab.1Theclassificationoflabels
标签名称
good
bad
ripe
有无病害
无
有
无
无
颜色
红
红
红
绿
形状
良好
差
差
差
17
1
3
1
9
2
5
3
1
3
7
4
3
4
9
5
5
6
1
6
7
7
3
7
9
8
5
9
1
9
7
metrics
（a）mAP曲线
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
p
r
e
c
i
s
i
o
n
unripe
17
1
3
1
9
2
5
3
1
3
7
4
3
4
9
5
5
6
1
6
7
7
3
7
9
8
5
9
1
9
7
r
e
c
a
l
l
metrics
采用矩形模式进行标注，标注后的图片作为训练集。在
PyCharm中编写代码并以YOLOv5s作为主干网络，将编写好
的代码压缩后存到谷歌云盘中，连接ColabGPU服务器，在
GoogleColab上挂载云盘，解压压缩的代码，更改运行目录，
配置好环境后即可开始训练，期间可以不断刷新来观察训练
结果。训练结束后，导出训练完的模型，上传到PyCharm中。
从训练集中随机选取10%的草莓照片进行测试，观察结果并
分析。
2.4评价指标
本实验的评价指标为精确度（Precision）、召回率（Recall）
和平均精度均值（meanaverageprecision，mAP）。
精确度定义如式（1）所示：
TP
P=
.
TP+FP
召回率定义如式（2）所示：
TP
R=
.
TP+FN
平均精度均值定义如式（3）所示：
mAP=
（c）精确度
图1精确度、平均精确度和召回率折线图
Fig.1Linechartofprecision,averageaccuracyprecisionandrecall
图2给出了采用本系统进行草莓病害识别的3个实例。
其中图2a是识别出的已患病草莓，概率为0.82；图2b识别出
的草莓类型为患病和未成熟型，概率分别为0.87和0.78；图
2c识别出了2个未成熟和1个成熟的草莓，概率分别是0.61、
0.88和0.60。
（1）
（2）
(a)有病害(b)有病害、未成熟草莓
其中，TP——有病害的草莓数目，FN——漏检的病害草
莓数目，FP——误报的病害草莓数目，P——精确度，R——
召回率，P（R）——精确度和召回率曲线。
本实验训练100个Epoch（Epoch，将所有训练样本训练
一次的过程）。输入端的自适应缩放的原始图片尺寸为800
像素×600像素，经过自适应缩放后的图片尺寸为640像
素×640像素，通过这种方式可以减少训练过程中的计算量，
提高检测结果的精度。
(c)未成熟、成熟草莓
图2模型识别结果
∫
P
(
R
)
dR
.
1
0
（3）
Fig.2Theimagesoftherecognitionresultofthemodel
3试验结果分析
从图1可看出，迭代开始时准确度较低，平均精度均值较
4结论
本文采用Python语言作为开发语言，自制数据集，基于
YOLOv5s网络建立草莓病害识别系统，实验结果显示，该系
统对病害草莓识别效率较高，具有实际应用价值。
低，召回率较小，在训练20个Epoch时，精确度和召回率突
增，之后呈缓慢上升趋势，在训练100个Epoch时，召回率为
80%。综上所述，可以判断出YOLOv5s算法在草莓病害识别
方面具有一定优越性。
Copyright©博看网. All Rights Reserved.
17
1
3
1
9
2
5
3
1
3
7
4
3
4
9
5
5
6
1
6
7
7
3
7
9
8
5
9
1
9
7
17
1
3
1
9
2
5
3
1
3
7
4
3
4
9
5
5
6
1
6
7
7
3
7
9
8
5
9
1
9
7
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0.7
0.6
M
A
P
_
0
.
5
:
0
.
9
5
0.5
0.4
0.3
0.2
0.1
0
metrics
（b）平均mAP曲线
metrics
（d）召回率
（下转第45页）
第5期（总第401期）
农业技术与装备
[10]
农业装备
45
同时将脱袋和粉碎设备进行整合，研发一体化的脱袋粉碎设
备，有利于降低工人的劳动强度，提高粉碎效率和效果，节约
制造成本。
第三，目前，废菌棒结构特点和生物学特性相关研究报
道极少，应积极采取政产学研推一体化，加大废菌棒力学特
性、菌袋气吸特性等基础究理论，以建立一套完善、系统的理
论体系，使得理论与实践紧密结合，为今后的菌棒脱袋装备
研发工作提供理论指导。
第四，废菌棒生物资源综合利用是一项涉及面广泛、影
响巨大、生态效益高的系统性工程，加大综合利用技术研究
与相关装备研发，加大对各项技术的推广支持力度，为食用
菌种植户提供多元化发展模式，保障农户种植积极性和经济
效益。
参考文献
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
秦翠兰,赵群喜,王磊元.废弃菌棒生物质资源综合利用现状及
其展望[J].新疆农机化,2022(1):22-24+39.
董雪梅,王延锋,史磊,等.黑木耳菌渣有机肥栽培玉米的应用[J].
中国林副特产,2016(6):4-6.
胡清秀,卫智涛,王洪媛.双孢蘑菇菌渣堆肥及其肥效的研究[J].
农业环境科学学报,2011,30(9):1902-1909.
高秋美,孟庆峰,任丽华,等.有机菌渣肥对芍药间作小麦产量及
土壤改良的影响[J].山东农业科学,2021,53(9):95-99.
潘明安,黄仁军.菌渣与化肥配施对籼粳稻叶绿素含量及产量
的影响[J].农业科技通讯,2022(8):65-67.
童晨晓,邹双全,胡坤,等.废菌棒替代泥炭土对金线莲生长和品
质的影响[J].江西农业大学学报,2020,42(5):915-922.
伍淑树.香菇菌棒的制作和废料再利用探讨[J].农业开发与装
备,2021(10):221-222.
刘南祥,姚宏,诸葛华,等.香菇废菌棒作一品红栽培基质试验[J].
浙江农业科学,2009(4):691-692.
何英俊,金凤花.海鲜菇废菌棒混贮料对羔羊生长性能、屠宰性
状及肉质的影响[J].家畜生态学报,2017,38(3):40-45.
武伟成,钟港,陈东,等.金针菇菌糠替代酒糟对育肥牛生长性
能、血液常规和血液生化指标的影响[J].中国饲料,2023(1):
142-147.
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
蒋佳豪,邹知明,农斯伟,等.用杏鲍菇菌糠饲养杂交鹅的效果
研究[J].当代畜禽养殖业,2022(4):10-13.
汤静.菌糠堆肥技术及其在大棚菜地土壤改良方面的应用[J].
现代农业科技,2021(23):148-150.
吉清妹,吴宇佳,雷菲,等.秀珍菇菌糠对红心火龙果产量、品质
及土壤质量的影响[J].热带农业科学,2022,42(2):15-22.
王春霞,许子洁,王晶,等.食用菌菌糠配施化肥改良滨海盐碱
耕地的效果研究[J].中国土壤与肥料,2022(4):99-105.
程建明,姜承炳,陈幸岗,等.废菌棒用作户用沼气池原料的试
验[J].中国沼气,2011,29(6):47-48.
马长江.废弃菌糠脱袋机[P].黑龙江：CN201049343,2008-04-
23.
余和意.一种食用菌料袋脱袋机[P].福建:CN202574738U,
2012-12-05.
林时明.一种废弃木耳菌袋脱袋方法及脱袋装置[P].吉林:
CN103057772A,2013-04-24.
周万莹.废菌棒自动脱袋机[P].河北:CN209423788U,2019-
09-24.
杨铭彬,杨恒.一种废菌包脱袋机[P].福建:CN210942631U,
2020-07-07.
崔雪艳,刘建华,孙海红,等.一种废菌棒自动脱袋机[P].辽宁:
CN214508483U,2021-10-29.
江龙林,肖端兰,占春丽,等.一种香菇种植用菌棒粉碎装置[P].
安徽:CN210171573U,2020-03-24.
黄文越.一种废弃菌棒粉碎装置[P].广西壮族自治区:
CN214863895U,2021-11-26.
刘伟,高唱,周春燕,等.一种香菇种植用菌棒粉碎装置[P].安徽:
CN114273059A,2022-04-05.
陈琳,王晓霞,郑玉婷,等.一种食用菌菌棒生产用原料粉碎装
置[P].江西:CN216322212U,2022-04-19.
（上接第42页）
庆三峡学院,2020.
参考文献
[4]
[5]
[6]
谭云兰,欧阳春娟,李龙,等.基于深度卷积神经网络的水稻病害
图像识别研究[J].井冈山大学学报:自然科学版,2019,40(2):8.
张金慧,苗珍,孟国华,等.一种基于AI的草莓病虫害智能识别设
备[P].江苏:CN211127917U,2020-07-28.
黄璐,毛晓艳,杜航,等.基于深度学习网络的星表非结构化岩石
目标辨识方法研究[J].空间控制技术与应用,2021,47(6):27-33.
[1]
[2]
[3]
胡雅娣.大棚草莓种植技术与病虫害防治措施[J].乡村科技,
2022,13(4):70-72.
牛冲.基于图像处理的草莓病害识别方法研究[D].太原:太原理
工大学.
崔灿.基于卷积神经网络的草莓病虫害识别与应用[D].重庆:重
Copyright©博看网. All Rights Reserved.