基于卷积神经网络的病虫害检测算法及移动客户端的研究与实现

发布时间：2020-03-22 13:03

【摘要】：随着当今社会科技与经济的发展,传统农业种植与管理模式已不能满足当今农业发展需求,传统农业模式必须进行信息化改革。因此,一套集智能化、信息化、便捷化于一体的农业远程监控系统的设计与开发,对现代化农业的发展显得尤为重要。市面上已有并投入应用的农业远程监控系统,多以PC端为主,移动客户端数量较少且功能有限,多以温湿度检测为主,缺乏病虫害检测功能。为此,本文分析整个农业远程监控系统的设计与实现,开展如下两个部分的研究:(1)重点对系统客户端进行设计与实现,从而方便用户能随时随地的掌握农作物的生长信息,对农作物进行有效、准确的远程监管,本系统充分结合Android系统的移动性与操作便捷性,设计实现的农业远程监控系统移动客户端,包括环境检测模块,视频监控模块,设备控制模块,病虫害检测模块等核心功能模块。移动客户端的设计采用分模块设计形式,并利用MVC设计模式,对各个模块在程序上实现数据与视图层面的分离,提高程序可扩展性和可维护性。在界面设计上,采用Fragment构建tab标签式的滑动导向型布局界面,使用方便且适用性强。设计与农业远程监控系统对应的SQLServer数据库,存储各种关键信息。服务端采用多线程技术,可以充分利用多核CPU的优势,使得服务端拥有高并发处理能力。(2)为了进一步完善整个系统的功能,深入研究了基于卷积神经网络的病虫害识别算法,并应用于病虫害检测模块中。该算法相比于传统的图像处理技术和基本分类器等识别方法,具有很大的优势:一是使用图像处理中Haar特征提取算法结合机器学习中经典的Adaboost算法对视频中是否含有农作物果实进行判断,这样可以过滤没有的视频信息而提取实验所需的样本,从而获得含有作物的图片,方便收集作物样本;二是在测试集上测试达到了 98.8%的准确度的同时,进行训练分类的卷积神经网络结构相对简单。从而达到了比现有具备病虫害检测系统更加快速、准确地识别农作物病虫害的目的。为未来农作物病虫害的预警,以及对农作物全生命周期过程中的信息掌握与管理,提供指导和帮助。综上,本文结合基于神经网络的病虫害检测算法,设计了并实现包含移动端的农业远程监控系统,该系统功能完备,病虫害检测准确、稳定。病虫害信息数据的存储与分析,为未来农作物病虫害防治和预警提供数据基础,且为制定病虫害防治方案提供分析手段,对推动未来农业现代化的发展起到一定作用,市场前景广阔。
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP311.52;TP183

【参考文献】