基于卷积神经网络的水稻虫害识别

发布时间：2018-03-12 13:44

  本文选题：深度学习　切入点：卷积神经网络　出处：《江苏农业科学》2017年20期 　论文类型：期刊论文

【摘要】：针对水稻虫害识别问题,提出一种基于卷积神经网络模型的水稻二化螟虫害识别方法。图像预处理后,选择包含水稻二化螟成虫、幼虫、卵或蛹的图片1 658张作为正样本,不含水稻二化螟的农作物图片1 652张作为负样本构建了模型训练测试数据集。设计一个10层的卷积神经网络模型,采用Torch 7在Ubuntu 14.04系统上实现模型系统的开发和运行。Holdout交叉验证结果显示,模型命中率、精度分别为86.21%、89.14%,误测率8.67%,AUC(area under the receiver operating characteristic curve)值0.95。试验结果表明,模型可有效地提取图像的特征,对水稻二化螟害虫识别具有很好的抗干扰性和鲁棒性。
[Abstract]:Aiming at the problem of rice pest identification, a new method of rice stem borer pest identification based on convolution neural network model was proposed. After image preprocessing, 1,658 images containing adults, larvae, eggs or pupae of rice stem borer were selected as positive samples. A model training test data set was constructed with 1,652 images of crops without rice stem borer as negative samples. A 10-layer convolution neural network model was designed. Using Torch 7 to realize the development and operation of the model system on Ubuntu 14.04 system. The results show that the accuracy of the model is 86.21 and 89.14, and the error rate is 8.67. The under area under the receiver operating characteristic is 0.95.The experimental results show that the model can extract the features of the image effectively. It has good anti-interference and robustness to rice stem borer pest identification.
【作者单位】： 江苏省农业科学院农业经济与信息研究所;
【基金】：江苏省农业科技自主创新资金[编号:CX(15)1002];江苏省农业科技自主创新资金探索类项目[编号:CX(13)5060] 江苏省农业科学院基金(编号:6111646)
【分类号】：S435.112;TP183

【相似文献】

相关期刊论文 前10条

1 杨连志,李瑞丛,史继宝,郑维莲,闫士环;飞机除治水稻虫害应注意的问题[J];天津农林科技;2005年03期

2 叶盛;王俊;;水稻虫害信息快速检测方法实验研究——基于电子鼻系统[J];农机化研究;2010年06期

3 林潇;李绍稳;张友华;辜丽川;朱诚;倪冬平;;基于本体推理的水稻虫害诊断系统研究[J];农业网络信息;2011年01期

4 葛道阔;曹宏鑫;杨余旺;刘岩;;基于水稻生长模型的水稻虫害决策调控模型[J];江苏农业学报;2011年05期

5 王红高;万春山;;水稻虫害的防治[J];农民致富之友;2013年08期

6 宋卫兵;刘建平;刘文英;史小金;方体秀;王泽松;;2009年水稻虫害与气象因子关系解析[J];安徽农学通报(上半月刊);2010年11期

7 张华超;;水稻虫害的发生及防治[J];现代农业科技;2010年23期

8 ;用昆虫性气味治水稻虫害[J];河北农业;1994年03期

9 王中元;;水稻和蔬菜虫害的无公害防治技术[J];现代农业科技;2010年12期

10 童卫忠;欧阳承;;2011宁国市水稻虫害发生预测分析与防治策略[J];安徽农学通报(下半月刊);2011年24期

相关会议论文 前10条

1 吴加伦;朱勇军;樊德方;;安全合理使用农药防治水稻虫害专家系统[A];“植物保护21世纪展望”——植物保护21世纪展望暨第三届全国青年植物保护科技工作者学术研讨会文集[C];1998年

2 蒋耀培;郭玉人;王桂荣;顾室根;谭秀芳;袁联国;;上海地区水稻二化螟的发生与防治初探[A];水稻螟虫灾变规律及治理对策研讨会论文集[C];2001年

3 李金栋;王国权;候桂荣;李霖萍;;水稻二化螟防治药剂替代技术的研究[A];辽宁省昆虫学会2006年年会论文集[C];2006年

4 程德武;朱友根;高洁;;水稻二化螟发生规律和演变及综防对策(摘要)[A];纪念六足学会创建八十周年、江苏省昆虫学会四十周年论文集粹[C];2000年

5 蒋学辉;钱冬兰;;浙江省水稻二化螟发生现状分析[A];水稻螟虫灾变规律及治理对策研讨会论文集[C];2001年

6 王秋芽;廖标龙;;耒阳市水稻二化螟发生、演变及其防治措施[A];水稻螟虫灾变规律及治理对策研讨会论文集[C];2001年

7 叶建人;黄贤夫;李云明;瞿伯友;江国炜;陈海波;;温岭市水稻二化螟回升原因及防治对策[A];水稻螟虫灾变规律及治理对策研讨会论文集[C];2001年

8 陆永钦;沈洪坤;;无锡市水稻二化螟发生原因分析与防治对策探讨[A];水稻螟虫灾变规律及治理对策研讨会论文集[C];2001年

9 沈晋良;曹明章;;水稻二化螟抗药性现状及对策[A];水稻螟虫灾变规律及治理对策研讨会论文集[C];2001年

10 彭丽年;徐翔;蒋凡;李德;袁鸣;;四川稻区水稻二化螟的抗药性现状及治理[A];第二十一届全国农药械“双交会”论文集[C];2005年

相关重要报纸文章 前10条

1 通讯员 虞立胜;黄梅县全面防控水稻虫害[N];黄冈日报;2008年

2 黄俊华;切实抓好水稻虫害防控 确保粮食生产目标实现[N];湖北日报;2008年

3 王宇;北方水稻虫害的防治要点[N];农民日报;2013年

4 李远霖;金沙十六万亩水稻虫害得到有效控制[N];毕节日报;2008年

5 欣欣;水稻虫害防治药剂及使用技术(一)[N];新农村商报;2007年

6 欣欣;水稻虫害防治药剂及使用技术（三）[N];新农村商报;2007年

7 记者 蒋善军;水稻虫害加重 企业积极生产[N];农资导报;2012年

8 记者　 吴美章;害虫迁飞稻田 水稻虫害严重[N];福建日报;2006年

9 欣欣;水稻虫害防治药剂及使用技术(二)[N];新农村商报;2007年

10 水稻栽培专家 严光彬;水稻二化螟防治方法[N];吉林农村报;2014年

相关博士学位论文 前1条

1 熊雪梅;参数化模糊遗传神经网络及在植物病害预测的应用[D];南京农业大学;2004年

相关硕士学位论文 前10条

1 吴笛;基于图像识别水稻虫害预警系统的研究[D];湖南农业大学;2015年

2 米雅婷;基于GA-BP神经网络的温室番茄病害诊断研究[D];东北林业大学;2016年

3 李冉;水稻虫害诱导表达基因OsSABATH的克隆、表达特征及启动子研究[D];浙江大学;2008年

4 陈国平;水稻虫害的地面高光谱分析及其检测软件的设计[D];江苏大学;2007年

5 方龙发;Cry9Aa和Vip3Aa蛋白对水稻二化螟毒理的协同增效机理研究[D];安徽农业大学;2014年

6 唐洁;水稻二化螟灾变风险分析多水平模型研究[D];浙江大学;2006年

7 李苹;替代高毒农药防治水稻二化螟技术的研究[D];湖南农业大学;2010年

8 石谋军;湖南省水稻二化螟抗药性监测及对三唑磷抗性机理初探[D];湖南农业大学;2005年

9 杨书显;基于PSO算法的氧乐果合成过程建模与控制研究[D];郑州大学;2010年

10 辛文;二化螟水稻、茭白种群的比较研究[D];中国农业科学院;2001年

，

本文编号：1601819