典型作物叶病害远程智能诊断系统开发

发布时间：2021-10-22 16:13

　　目前,我国的经济发展一直呈现出稳定的增长态势。其中,农业的发展对于国家的经济意义重大。然而,我国每年因为农业病虫害的影响而带来的损失难以估量。因此,尽早发现和识别诊断病虫害是非常重要的,这样可以最大程度上减少因病虫害带来的经济损失。当下诊断病虫害的诊断主要采取人工识别的方式,有些经济欠发达地区的农民遇到病害时,由于自身缺乏相关知识,甚至会去请市里的农业专家到田里进行诊断。这样不仅非常不方便,而且也很容易延误诊断时机,错过治疗病虫害的黄金节点。本研究基于Android手机开发出了一个典型作物叶病害智能诊断系统,用户可以使用该系统识别几种典型作物的常见叶病害,测试表明叶片病害的识别准确率达到了90%以上。通过这种方式,极大地节约了农民诊断作物病害所需要的时间和成本,也可以早一步采取措施对病害进行治疗,避免更大的损失。主要研究内容和成果如下:（1）搜集水稻、小麦、玉米、棉花、大豆五种典型农作物的病害图片制作数据集。每种作物均选取5类最常见的叶病害,图片主要从Plantvillage数据库中下载,结合中国农业病虫网等互联网上的病害图片进行补充。（2）接着对搜集好的图片做预处理工作。因为图片在大... 

【文章来源】：浙江理工大学浙江省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

(a)-(f)裁剪后作物叶病害图像

（a）原图 （b）中值滤波后的图片图 2.3 棉花褐斑病中值滤波示意图数据归一化了降低计算量，提升网络识别性能，需要对作物叶病害图片作归一化处理，这网络训练过程中不可缺少的环节。常见的数据归一化方法有 3 种：简单缩放、和逐个样本平均消减法[42]。名思义，简单缩放是指通过对病害图片每一个像素值不同程度的调整，处理后出向量在一个区间范围内，例如[0,1]。这种方法的优点是避免了不同维度数据的影响，假设对一幅图像作缩放处理，它原本的像素值在[0,255]，将原来的像55 就能够缩放到[0,1]区间。通常情况下，区间[λ1,λ2]的像素值需满足以下公式minmax min1 2 1( )( )i iii iz zxz z 2-（2）

诊断系统开发13（a）原图 （b）中值滤波后的图片图 2.3 棉花褐斑病中值滤波示意图2.4.3 数据归一化为了降低计算量，提升网络识别性能，需要对作物叶病害图片作归一化处理，这是卷积神经网络训练过程中不可缺少的环节。常见的数据归一化方法有 3 种：简单缩放、特征标准化和逐个样本平均消减法[42]。顾名思义，简单缩放是指通过对病害图片每一个像素值不同程度的调整，处理后的图片的输出向量在一个区间范围内，例如[0,1]。这种方法的优点是避免了不同维度数据对最终结果的影响，假设对一幅图像作缩放处理，它原本的像素值在[0,255]，将原来的像素值除以 255 就能够缩放到[0,1]区间。通常情况下，区间[λ1,λ2]的像素值需满足以下公式：minmax min1 2 1( )( )i iii iz zxz z 2-（2）其中，iz 是任意的一个像素值，maxiz 和miniz 分别为图片中像素的最大值和最小值。如果数据维度差异较小

【参考文献】：
期刊论文
[1]TensorFlow Lite开发平台的研究与分析[J]. 高陆川.  电子测试. 2018(20)
[2]基于卷积神经网络与迁移学习的油茶病害图像识别[J]. 龙满生,欧阳春娟,刘欢,付青.  农业工程学报. 2018(18)
[3]基于卷积神经网络的草莓叶部白粉病病害识别[J]. 杨晋丹,杨涛,苗腾,朱超,沈秋采,彭宇飞,梅珀彰,党雨晴.  江苏农业学报. 2018(03)
[4]基于改进的Fisher准则玉米种子果穗检测方法[J]. 康智强,袁朝辉,程瑞锋.  西北工业大学学报. 2018(02)
[5]基于卷积神经网络的葡萄叶片病害检测方法[J]. 刘阗宇,冯全,杨森.  东北农业大学学报. 2018(03)
[6]一种基于卷积神经网络的小麦病害识别方法[J]. 张航,程清,武英洁,王亚新,张承明,殷复伟.  山东农业科学. 2018(03)
[7]卷积神经网络池化方法研究[J]. 周林勇,谢晓尧,刘志杰,任笔墨.  计算机工程. 2019(04)
[8]基于Caffe的嵌入式多核处理器深度学习框架并行实现[J]. 高榕,张良,梅魁志.  西安交通大学学报. 2018(06)
[9]卷积神经网络在黄瓜叶部病害识别中的应用[J]. 张善文,谢泽奇,张晴晴.  江苏农业学报. 2018(01)
[10]转型期农业发展对经济增长的影响[J]. 汤春强,邓思红.  农村经济与科技. 2018(04)

硕士论文
[1]基于深度学习和迁移学习的多任务图像分类[D]. 贺智超.华南理工大学 2017



本文编号：3451445