枸杞病虫害识别方法的研究与设计

发布时间：2020-08-08 21:06

【摘要】：农作物病虫害的精准识别是病虫害预报及防控的重要前提。图像识别以高效率、低成本、易操作等优势,成为近年来病虫害防治工作的研究热点和主要技术手段。枸杞产业作为宁夏特色优势产业,在宁夏各区的农村经济中占有十分重要的地位。除了市场价格的影响之外,对宁夏枸杞产量影响最大的因素有两个:一是气候,二是病虫害。实验结果表明,本文提出的改进MobileNet V2目标识别算法,可以有效识别11种枸杞病虫害。本文针对枸杞病虫害图像识别算法的研究,将为枸杞病虫害的防治打下一定的基础。本文所做的工作主要分为以下几点:(1)收集并制作枸杞病虫害的图像数据集。根据本文的研究需求,收集了共1955张包含11类枸杞病虫害的图像样本集。为了减轻过拟合现象,本文采用部分图像空间变换算法和添加高斯噪声等操作对原始样本的训练集进行了扩充,扩充后的样本集总数量为19115。(2)选取适合本文枸杞病虫害图像识别研究的网络模型。从理论和实验两个方面进行分析和对比,选择了 MobileNet V2作为枸杞病虫害图像分类识别的网络模型,该网络模型在识别精度、模型参数和计算时间之间取得了很好的平衡,同时选取VggNet、Inception、ResNet这3个经典的卷积神经网络作为对比网络模型,并使用本文制作的枸杞病虫害图像数据集进行了相关实验与分析。(3)本文设计了一种改进的MobileNet V2目标识别算法,即在MobileNet V2网络中嵌入SE模块得到新网络模型SE-MobileNet V2,该网络模型实现了特征通道的自适应校准。实验结果证明,改进的网络模型收敛更快,且使得枸杞病虫害图像分类识别精度提升了约2.46%。(4)基于本文制作的枸杞病虫害图像数据集,在改进的网络模型SE-MobileNet V2上,选取不同的优化方法进行多次训练,以确定出适合该网络模型的优化算法、网络参数及激活函数,使得识别精度进一步提升了 1.02%,最终达到97.67%。并以训练好的模型在网页端进行了枸杞病虫害图像分类识别的测试,单幅图像的识别时间在15ms以内。
【学位授予单位】：宁夏大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：S435.671;TP391.41
【图文】：

机器人,百度

深度学习被广泛用于与人们生活息息相关的各种领域，可以实现语音识别、图像识逡逑别、智能交通、机器翻译、信号恢复、商业推荐、金融分析和医疗辅助等。例如：在语音识别方逡逑面，如图１－１所示，百度的小度机器人依靠强大的人工智能技术，可以处理包括自然语言的转换逡逑处理、完善的对话、语音视觉等。因此，百度推出的小度机器人可以和用户进行信息、服务、情逡逑感等沟通。２０１８年小度机器人惊艳亮相央视网络春晚，和主持人妙对飞花令，既展示了百度强大逡逑的人工智能技术，又宣扬了中国的传统文化；在图像识别方面，以阿里巴巴为代表的图像搜索识逡逑别技术取得了优异的成绩，在此技术之上研制出一系列的商业产品，如：基于图像搜索的“拍立逡逑淘”等；在智能交通方面，如图１－２所示，以百度为代表的无人驾驶汽车研发成功，其中将以深逡逑度学习为基础的计算机视觉、听觉等识别技术应用到“百度无人驾驶汽车”系统研发中，通过一逡逑系列的测试，最终，百度无人车亮相央视春晚，并且在港珠澳大桥上完成无人驾驶首跑ｗ。这些逡逑ｉ邋上我们生活更便利的技术

非线性数据,建模,识别方法,浅层

浅层神经网络是基于非线性数据建模的各种困难和失败结果，而兴起的一种建模识别方法。逡逑经典的浅层人工神经网络为ＢＰ神经网络。以ＢＰ神经网络为例，它是典型的３层神经网络，如逡逑图１－３所示，主要是由输入层、隐藏层、以及输出层三大主要部分组成。在传统的图像识别研宄逡逑中是比较常见的一种网络结构，在此图中，Ｘ表示输入，相对应的少则是输出。一般情况下，ＢＰ逡逑神经网络对图像识别有着较高的准确率，但是如果情况比较复杂，或者光照比较繁杂，这种图像逡逑－３－逡逑

【相似文献】