基于云平台的储粮害虫检测识别技术研究

发布时间：2020-06-24 17:35

【摘要】：目前我国传统的粮库储粮害虫识别技术都是通过人工操作在单机的情况下进行的,在操作的过程中暴露了很多弊端,大量耗时、误判高、成本高、效率低[1]。面对不断扩大的粮仓规模,传统的方法显然已经不能满足对害虫检测识别的需求,为了能够快速识别这些庞大的数据,可以借助分布式处理云平台进行处理。分布式处理平台采用分布式计算技术,拥有多个处理器和存储系统,可以对多个程序或者并发程序在松耦合或者集中控制的方式下进行计算,可以降低计算成本、存储海量数据、按需获取。本文采用了基于分布式云平台的并行BP神经网络算法对害虫进行图像识别。该图像识别系统采用了全局异步,局部同步的工作原理,当控制层收到用户的请求后调用过渡层的算法集群,过渡层针对检测到的不同的害虫特征,在每个处理阶段调用最优的算法来提高图像处理速率。然后将该系统部署到云平台,云平台收到用户指令后会调用该系统并对图像进行识别操作,将识别结果通过网络反馈给用户。本文通过实验将该系统与传统的单机识别系统做了性能上的对比分析,实验证明该系统大大提高了害虫检测识别的速率,并在文章最后阐述了基于云平台图像检测识别系统的具体实现。以下是论文的主要研究工作:(1)详细分析了当下害虫检测技术的发展研究现状,重点阐述了分布式文件系统和MapReduce并行框架的设计原则、架构组成以及如何处理文件的读取和写入请求。(2)针对基于云平台的害虫图像检测识别系统进行设计分析,具体描述了图像在预处理阶段、图像分割阶段、特征值提取阶段所采用的算法集群,系统根据样本图像的不同特征采用最合适的算法进行处理,同时系统还设置了算法参数列表,根据全局异步、局部同步的方法通过控制层对底层算法模块进行具体调用,提高了处理效率,节约了处理成本。(3)设计基于并行BP神经网络的图像分类器,并构建网络训练模型,对神经网络的并行化过程进行了具体描述,根据实验数据对样本进行训练。根据实验的结果对基于并行化神经网络算法的识别系统与传统的系统进行了性能的对比分析。(4)介绍了云平台的服务流程以及整体设计,采用Hadoop搭建了云平台,对Hadoop前置环境和集群模式进行了配置,并阐述了基于云平台害虫识别系统的具体实现。
【学位授予单位】：河南工业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：S379.5;TP391.41
【图文】：

锯谷盗样本图像 图 9 玉米象样本图像 图 10 扁谷盗样预处理集完样本图像之后需要对样本数据进行预处理，是因为在数据图像不同程度不同因素的噪声污染和破损，为了使样本数据能够正常的

锯谷盗样本图像 图 9 玉米象样本图像 图 10 扁谷盗样预处理集完样本图像之后需要对样本数据进行预处理，是因为在数据图像不同程度不同因素的噪声污染和破损，为了使样本数据能够正常的

【参考文献】

相关期刊论文 前10条

1 杨晓雁;;基于Hadoop的海量数据的分布式存储关键技术研究[J];自动化与仪器仪表;2016年10期

2 秦东霞;韦家骥;齐迎春;;基于Hadoop的云平台设计与实现[J];智能计算机与应用;2016年04期

3 刘永;;云计算技术研究综述[J];软件导刊;2015年09期

4 王于丁;杨家海;徐聪;凌晓;杨洋;;云计算访问控制技术研究综述[J];软件学报;2015年05期

5 祝玉华;李苗;党豪;甄彤;;储粮害虫检测识别技术研究现状与展望[J];河南工业大学学报(自然科学版);2015年02期

6 张宏;马岩;李勇;张锐利;张学军;张锐;;基于遗传BP神经网络的核桃破裂功预测模型[J];农业工程学报;2014年18期

7 鞠训光;邵晓根;鲍蓉;徐德兰;王海鹰;;Hadoop下并行BP神经网络骆马湖水质分类[J];南京师大学报(自然科学版);2014年01期

8 路静;傅洪亮;;储粮害虫检测和分类识别技术的研究[J];粮食储藏;2014年01期

9 张岩;郭松;赵国海;;基于Hadoop的云计算试验平台搭建研究[J];沈阳师范大学学报(自然科学版);2013年01期

10 沈国峰;程筱胜;戴宁;崔海华;;基于L-M算法优化BP神经网络的储粮害虫分类识别研究[J];中国制造业信息化;2012年07期

相关博士学位论文 前1条

1 刘婷婷;面向云计算的数据安全保护关键技术研究[D];解放军信息工程大学;2013年

相关硕士学位论文 前10条

1 乔娜娜;基于生物光子学小麦隐蔽性害虫检测机理及分类研究[D];河南工业大学;2016年

2 李苗;基于诱捕技术的储粮害虫生长趋势模型研究[D];河南工业大学;2016年

3 杨文翰;基于数字图像处理的棉花害虫识别体系研究[D];四川农业大学;2015年

4 王帅;面向多云盘的终端透明加密存储系统研究与实现[D];解放军信息工程大学;2015年

5 张巍;多源图像的分割与识别算法研究[D];上海交通大学;2015年

6 李玉丹;并行BP神经网络多模式分类模型的研究[D];辽宁师范大学;2014年

7 王凡;藏储物害虫特征提取与识别分类研究[D];青岛科技大学;2014年

8 王九各;基于图像分割的织物疵点检测与识别算法研究[D];中原工学院;2014年

9 赵洪昌;云计算下的关联分析和模糊聚类研究[D];南京信息工程大学;2013年

10 张良将;基于Hadoop云平台的海量数字图像数据挖掘的研究[D];上海交通大学;2013年

本文编号：2728174