共查询到20条相似文献,搜索用时 46 毫秒
1.
为了提高农作物病虫害识别的精度,本文将3D-CNN和2D-CNN与空间残差网络相结合,软阈值化作为非线性层嵌入空间残差网络以消除病虫害图像不重要的图像特征,提出一种基于空间残差收缩网络的农作物病虫害识别模型。与3D-CNN和ResNet相比,基于空间残差收缩网络的农作物病虫害识别模型具有更高的精度和鲁棒性,总体分类精度为99.41%,增强了图像特征与病虫害类别的关系,可以识别多种农作物病虫害图像。 相似文献
2.
基于性能改善深度信念网络的棉花病虫害预测方法 总被引:1,自引:0,他引:1
针对与棉花病虫害发生相关的环境信息数据具有大容量、多样性的特点,提出一种基于环境信息和改进深度信念网络(MDBN)相结合的棉花病虫害预测模型。该模型由3层限制玻尔兹曼机(RBM)网络和1个BP网络组成。利用MDBN提取与病虫害发生相关的特征变量,并利用BP神经网络进行病虫害预测。该方法的特点是将自适应学习率引入到DBN的无监督预训练阶段,并从训练数据批次的选择、参数调优的迭代周期以及在线学习训练等多个方面对MDBN的性能进行优化和改善,从而能够利用MDBN充分挖掘数据集中病虫害预测的特征向量,提高网络的预测精度。对实际棉花病虫害的预测结果表明,MDBN比传统预测模型具有更高的预测精度,是一种有效的农作物病虫害预测方法。 相似文献
3.
4.
基于Kinect的农作物长势深度图像实时获取算法 总被引:2,自引:0,他引:2
快速、准确、实时获取农作物长势形态图像信息已经成为数字农业生产管理的趋势和必要手段,而深度图像信息包含彩色图像所没有的三维信息,可为农作物的生长模型三维重建以及实时长势形态监测提供有价值的数据。本研究采用微软公司开发的一款廉价体感游戏设备Kinect,尝试了对农作物长势形态深度图像进行实时监测研究,在介绍Kinect深度成像原理的基础上,提出了采用Kinect获取农作物长势深度图像的算法以及提取3D点云世界坐标的算法,并开展了初步试验。试验结果表明,该方法可以获取良好的三维图像数据信息,能够为后期农作物的生长模型三维重建、长势状态分析、病虫害实时监测等研究提供有价值的数据依据。 相似文献
5.
基于农业技术与信息化技术的不断发展与融合,针对当前河北省农作物害虫识别准确率和效率低等问题,提出了一种基于Asp.NET Core MVC架构的残差神经网络害虫图像识别系统。该系统首先通过移动采集终端和网络图片爬虫收集目标分类图片信息,再使用数据增强技术扩充样本库,得到神经网络训练模型的数据集;然后通过搭建机器学习框架,分别引入ResNet-50、ResNet-101、ResNet-152残差网络模型,对数据集执行训练并验证其准确度;最后将准确度最高的训练结果模型运用至农作物害虫分类服务系统。经验证,该识别模型具有良好的适用性和鲁棒性,可为河北省主要农作物虫害提供识别及诊断功能。 相似文献
6.
基于BP神经网络的麦蚜最大虫株率预测 总被引:1,自引:0,他引:1
《山西农业大学学报(自然科学版)》2015,(4)
农业病虫害严重制约着农作物的产量和质量,准确的病虫害测报是科学防治害虫的前提,因此建立准确且稳定的预测模型,对于提前采取措施进行病虫害防治、减少农作物经济损失具有重要意义。为探索建立更加准确和稳定的病虫害测报模型,本实验以山西省运城市芮城县1980—2006年麦蚜最大虫株率和气象因子数据为基础,建立BP神经网络预测模型,对1980—2006年数据进行网络训练,预测2007—2011年麦蚜最大虫株率,并与逐步回归法进行比较。结果表明,BP神经网络的预测准确率超过96%,从预测准确率和模型稳性定上都远好于逐步回归法预测结果。基于BP神经网络预测模型处理非线性问题的能力、良好的自学习、自组织和自适应性、良好的推广能力,其可作为农作物病虫害预测预报的一种有效方法继续探索。 相似文献
7.
8.
为了快速、准确判别农作物叶片病害图像的病害类型及病害程度,提出基于多任务学习的诊断方法。引入通道和空间注意力模型,对经典的MobileNetV3网络模型进行改进,并在此基础上构建基于特征金字塔的多任务深度卷积神经网络模型,实现作物类型、病害类型和病害程度的精准识别。采用多种图像增强方法对农作物叶片病害图像进行扩展,对改进前后模型与其他图像识别模型在农作物病害叶片识别性能上进行对比试验,并探究在有无数据增强处理条件下不同模型的性能。结果表明:该模型在作物类型识别、病害类型识别与病害程度识别任务上,平均准确率比原模型分别提升1.38、2.24和2.03个百分点;召回率比原模型分别提升2.38、1.62和1.18个百分点;对比MobileNetV3,InceptionV3、YOLOv7模型,该模型在上述3个任务上平均识别准确率和召回率均达到最高。 相似文献
9.
10.
基于优化卷积神经网络的玉米螟虫害图像识别 总被引:4,自引:2,他引:2
【目的】随着人工智能和大数据技术的不断发展,针对常规玉米虫害识别方法存在的准确率和效率低等问题,本文提出了一种基于改进GoogLeNet卷积神经网络模型的玉米螟虫害图像识别方法。【方法】首先通过迁移学习将GoogLeNet的Inception-v4网络结构知识转移到玉米螟Pyrausta nubilalis虫害识别的任务上,构建模型的训练方式;然后通过数据增强技术对玉米螟虫图像进行样本扩充,得到神经网络训练模型的数据集;同时利用Inception模块拥有多尺度卷积核提取多尺度玉米螟虫害分布特征的能力构建网络模型,并在试验过程中对激活函数、梯度下降算法等模型参数进行优化;最后引入批标准化(BN)操作加速优化模型网络训练,并将该模型运用到玉米螟虫害识别中。【结果】基于TensorFlow框架下的试验结果表明,优化后的神经网络算法对玉米螟虫害图像平均识别准确率达到了96.44%。【结论】基于优化的卷积神经网络识别模型具有更强的鲁棒性和适用性,可为玉米等农作物虫害识别、智能诊断提供参考。 相似文献
11.
12.
《湖北农业科学》2021,60(9)
快速有效检测农作物病理对于农业具有重大的意义,不仅能提高自动化识别病理效率,还可以提高农作物产量。以土豆、番茄等农作物作为病理研究对象,提出一种基于卷积神经网络的农作物病理分类模型MFCPNet。首先构建深度卷积神经网络模型,分别通过卷积层、激活层、池化层全连接层进行组建,然后将提取到的图像病理特征进行多特征融合,从而有效增强农作物病理的特征丰富度。同时对原数据集进行数据增强从而消除样本分布不均的问题。结果表明,所提出农作物病理分类模型的各项标准均优于AlexNet、VGG16、VGG19模型,达到了94.92%的准确率,同时省去人工搭建复杂的特征工程,对推动农业自动化具有一定的价值。 相似文献
13.
14.
在对2003—2013年30个省(市、自治区)面板数据进行单位根检验的基础上,采用面板数据随机效应模型就农药使用强度对农作物病虫害发生面积的影响进行实证分析。结果表明:农药使用强度对农作物病虫害发生面积具有显著的正向促进作用,农药使用强度越大,农作物病虫害发生面积越大。农药使用强度每增加1个单位会显著增加农作物病虫害发生面积0.2308个单位,并且在全部样本、东部地区样本和中部地区样本均表现显著,反映出通过增加农药使用强度防治农作物病虫害发生的传统认识有待改变。而作物多样性对农作物病虫害发生面积的影响为负。根据研究结论,提出科学使用农药、保护作物多样性、东部地区和中部地区亟待先行等对策建议。 相似文献
15.
【目的】为快速准确检测密集遮挡环境下农作物病虫害情况,满足大规模、高效率的识别需求。研究提出了一种改进RetinaNet的农作物病虫害检测模型。【方法】结合DenseNet改造RetinaNet的特征提取网络,强化特征重用,提高深度网络模型对农作物害虫的识别率,准确、快速地识别出病虫害的种类。其非极大抑制算法采用了DIoU策略,有效降低了在目标密集的情况下农作物病虫害的漏检率,提高了检测精度。【结果】改进后的算法模型具有较高的检测精度和良好的实时性,对作物密集遮挡情况有较好的适应性,mmAP达到了49.8%。【结论】将模型应用于复杂的农作物生长环境中,能有效提升病虫害智能检测能力。 相似文献
16.
17.
农作物病虫害数据具有多源、异构和海量等特征,传统的数据存储方法和系统存在存储效率低和扩展性弱等问题。针对这些问题,本文设计与实现了一种基于HBase的农作物病虫害数据存储系统,并将其应用于山东省小麦和玉米病虫害数据存储中。该系统能够对病虫害数据进行持久化存储,对多源异构数据进行统一管理,对新型数据可扩展性强,弥补了传统关系数据库的不足,为大数据环境下的小麦和玉米病虫害数据存储提供了新方法。 相似文献
18.
基于WEB的广西智能农业专家管理系统设计与实现 总被引:3,自引:0,他引:3
本文重点介绍广西智能农业专家系统基础数据库的设计和系统功能的实现过程。该系统是基于Web的网络智能农业专家管理系统。由历史和实时气象资料基础数据的收集、天气预报信息的发布管理、专家用语库、农作物病虫害、推理诊断、系统维护、Web查询等7个子系统组成,采用SQL-SYBASE和VB6、PHP相结合的技术方式,实现广西主要农作物智能决策系统与广西各县、市气象信息的互联,即通过选择县、市名称,可自动提取最新发布气象信息数据进行农作物动态智能辅助决策的目标。 相似文献
19.
农作物病虫害地面调查前端系统的设计与实现 总被引:2,自引:0,他引:2
农作物病虫害地面调查前端系统是对长期田间观察和调查数据维护的重要工具。讨论了系统设计的基本思路,以及给出系统的结构和功能设计和网络环境下的实现方法,对推动农作物病虫害地面调查数据的信息化管理有积极的意义。 相似文献
20.
病虫害影响水稻质量和产量,快速、准确地检测出水稻病虫害有利于及时防治。针对传统图像识别方法存在特征提取繁琐、识别率低以及对田间环境下的作物病虫害识别困难等问题,本文提出一种以DenseNet121为基础网络,结合迁移学习与坐标注意力机制的水稻病虫害识别模型。该模型引入坐标注意力学习图像特征的通道间关系和空间位置的重要性以增强模型的特征提取能力,采用迁移学习策略训练模型以缓解模型在小数据集上的过拟合现象、减小计算资源以及提升模型的识别性能。利用从田间复杂环境收集的水稻病虫害数据集,对该模型与ResNet50、Xception、InceptionV3、InceptionResNetV2及原DenseNet121等卷积神经网络模型的识别效果进行比较,结果表明,该模型能有效识别出水稻常见8种病虫害和健康植株,识别准确率达到98.95%,模型参数量仅为7.23 M,识别效果优于其他模型。这可为田间环境下的其他作物病虫害识别提供参考。 相似文献