基于深度学习的农业害虫图像智能识别系统的研究与实现

发布时间：2023-02-05 09:52

　　实时准确地识别出农业害虫种类是有效开展虫情防治工作的重要前提。目前,我国农作物害虫的诊断方法主要是依靠人工识别,主观因素大,实时性差,而且昆虫分类学家较少,农民专业知识又相对缺乏,在基层植保人员日益减少的情况下亟需便捷的农作物害虫智能识别工具。随着智能手机的普及和深度学习在图像识别中的成功应用,利用手机拍摄害虫图像并进行实时识别已成为许多学者研究的热点。本论文以34种常见农作物害虫为研究对象,建立了基于深度学习的农业害虫图像智能识别系统,包括手机客户端,云服务端和深度学习算法,实现了害虫图像高效、实时、准确的识别。主要研究内容与成果如下:(1)开发基于Andriod平台的客户端应用软件。可通过注册账号、短信验证或QQ验证进行登录。当在农业生产活动中遇到未知的害虫时,可通过客户端应用软件拍摄或选取相册中的害虫图像,经预览、裁剪等操作处理后上传至服务器进行识别诊断,同时可以通过信息确认的方式将识别结果同步到地图界面上,与广大用户共同了解身边以及全国范围内的害虫分布信息。用户还可以通过查询的方式进行农作物害虫的认识与了解,学习正确的化学防治与生物防治措施。此外还可在个人中心查看以往的识别记录...

【文章页数】：59 页

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景、目的与意义
        1.1.1 研究背景
        1.1.2 目的与意义
    1.2 国内外研究现状
        1.2.1 基于经典模式识别的农业害虫识别方法研究
        1.2.2 基于深度学习的农业害虫识别方法研究
        1.2.3 农业害虫智能识别应用现状
    1.3 论文研究内容
    1.4 技术路线
    1.5 论文安排
第二章 基于Andriod平台的农业害虫智能识别客户端的设计与实现
    2.1 程序架构设计
        2.1.1 MVC与 MVP架构模式
        2.1.2 程序项目结构分析
    2.2 Android开源库
        2.2.1 Ok Http网络通信框架
        2.2.2 Glide图片加载框架
    2.3 程序界面与功能开发
        2.3.1 登录界面设计
        2.3.2 主界面设计
        2.3.3 农业害虫信息查询模块
        2.3.4 农业害虫地图分布模块
        2.3.5 农业害虫智能诊断模块
        2.3.6 专家远程诊断模块
    2.4 本章小结
第三章 云服务平台的设计与实现
    3.1 服务端开发设计
        3.1.1 应用程序服务器搭建
        3.1.2 二进制流解析与图片压缩
        3.1.3 基于深度学习的农业害虫识别算法的调用
        3.1.4 云服务器部署
    3.2 数据库搭建
        3.2.1 数据库的访问与优化
        3.2.2 数据库表设计
    3.3 本章小结
第四章 基于深度学习的农业害虫图像识别算法的研究
    4.1 Caffe深度学习框架的搭建
    4.2 基于深度卷积神经网络的农业害虫识别模型的训练与测试
        4.2.1 农业害虫识别模型的训练
        4.2.2 农业害虫识别模型的测试
    4.3 本章小结
第五章 基于深度学习的农业害虫智能识别系统的测试与分析
    5.1 测试环境
    5.2 系统测试与分析
        5.2.1 功能测试
        5.2.2 性能测试
        5.2.3 识别响应时间
        5.2.4 系统依赖库测试
    5.3 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读硕士学位期间的科研成果



本文编号：3734761