基于机器视觉和卷积神经网络的东北寒地玉米害虫识别方法

发布时间：2021-04-07 23:26

　　随着农业现代化进程在全国各地的推进,东北农业经济正在快速地发展,众多先进的科学技术如大数据、物联网、移动互联、人工智能等被应用到东北农业生产中,并且逐步深入细化。在农业种植领域,东北寒地玉米害虫的识别与虫害的预防一直是专家学者们研究的重要课题。东北地区位于温带季风气候区,夏季温热短促多雨;冬季寒冷漫长干燥,因此东北寒地玉米作物虫害有其独特的特征,常见的害虫有玉米黏虫、玉米螟、草地贪夜蛾、双斑玉萤叶甲等。本研究基于机器视觉和卷积神经网络的东北寒地玉米害虫识别方法进行研究,通过图像采集的预置采集点、巡航周期等实现定点、定时获取大量采集数据,将机器视觉识别、卷积神经网络模型测试放到采集前端,降低无效图像带宽占用,优化了网络资源;通过对卷积神经网络进行海量的东北寒地玉米害虫图像训练,实现从训练集到测试集的转化,建立起东北寒地玉米害虫识别的网络模型。基于机器视觉和卷积神经网络的东北寒地玉米害虫识别方法研究具有很高的应用价值,在监测植物生长状态的同时,能够精准、及时、实时地智能识别玉米害虫,做好东北寒地玉米虫害预警及应对措施,降低作物种植生产风险、提升生产效率,对东北农业智能化、持续化、梯度化发展... 

【文章来源】：江苏农业科学. 2020,48(18)

【文章页数】：8 页

【文章目录】：
1 图像采集过程
2 识别训练
    2.1 图像处理
        2.1.1 灰度处理
        2.1.2 图像二值化
        2.1.3 加权平均法
    2.2 卷积层
    2.3 ReLU激活层
    2.4 池化层
    2.5 随机失活（Dropout）层
    2.6 全连接层
    2.7 关于卷积神经网络模型训练中函数
        2.7.1 损失（loss）函数
        2.7.2 滑动平均（影子）
        2.7.3 正则化
3 识别测试
    3.1 单通道处理
    3.2 高斯滤波处理
    3.3 二值化
    3.4 距离变换
    3.5 形态学处理
    3.6 边缘检测
4 反馈更新与效果
    4.1 反馈更新
    4.2 效果
5 结论



本文编号：3124394