基于卷积神经网络的病虫害可视化监测系统设计

发布时间：2022-10-30 20:26

　　病虫害监测是提高农业生产效率和产量的有效措施。提出一个基于卷积神经网络的农作物病虫害智能监测系统。该系统以移动端为媒介实现监测众包化,基于GIS平台对相关区域病虫害发展态势进行数据可视化分析,显示病虫害位置与规模,代替人工识别常见农作物病虫害。实验证明,该系统对农作物病虫害常见的10个物种与27种病虫种类识别率达95%,病虫害严重程度识别率达85%。移动端采集地理定位信息误差5～10m,系统还可对变化趋势进行可视化展示,为农作物病虫害识别、防治及决策提供有效方案。 

【文章页数】：5 页

【文章目录】：
0 引言
1 系统整体架构
2 系统设计
    2.1 病虫害识别模块
        2.1.1 数据采集及处理
        2.1.2 卷积神经网络识别
        2.1.3 效果验证
    2.2 病虫害监测可视化分析模块
        2.2.1 经纬度采集及坐标显示
        2.2.2 热力图绘制与显示
    2.3 用户信用评价模块
    2.4 数据库设计
3 系统实现
4 结语


【参考文献】：
期刊论文
[1]基于轻量级CNN的植物病害识别方法及移动端应用[J]. 刘洋,冯全,王书志.  农业工程学报. 2019(17)
[2]选择性卷积特征融合的花卉图像分类[J]. 尹红,符祥,曾接贤,段宾,陈英.  中国图象图形学报. 2019(05)
[3]作物病虫害预测机理与方法研究进展[J]. 张雪雪,王斌,田洋洋,袁琳,姜玉英,董莹莹,黄文江,张竞成.  中国农业科技导报. 2019(05)
[4]农作物病虫害遥感监测综述[J]. 简俊凡,何宏昌,王晓飞,李月.  测绘通报. 2018(09)
[5]基于改进AlexNet模型的油菜种植面积遥感估测[J]. 焦计晗,张帆,张良.  计算机测量与控制. 2018(02)
[6]基于智能手机的棉花苗情调查与决策支持系统[J]. 戴建国,王守会,赖军臣,赵庆展,马富裕.  农业工程学报. 2017(21)
[7]基于改进卷积神经网络的多种植物叶片病害识别[J]. 孙俊,谭文军,毛罕平,武小红,陈勇,汪龙.  农业工程学报. 2017(19)
[8]基于移动终端的遥感监测数据采集系统设计与实现[J]. 马艳娜,唐华,柯红军.  测绘与空间地理信息. 2017(04)
[9]图像技术在农作物病害识别中的应用研究[J]. 詹保坡,尚怡君.  无线互联科技. 2017(04)
[10]基于分层卷积深度学习系统的植物叶片识别研究[J]. 张帅,淮永建.  北京林业大学学报. 2016(09)



本文编号：3699426