3、毕业论文（设计）开题报告.docVIP

西南林业大学

本科毕业论文(设计)开题报告

论文（设计）题目

基于yolo算法的水稻病虫害识别

专业名称

电子信息工程

年级

2019级

学生姓名

陈敏

学生学号

2019151020

指导教师(职称)

荣剑（副教授）

填表时间

2023年4月11日

西南林业大学教务处制

填表说明

一、开题报告各项内容要实事求是，逐条认真填写，表达要明确、严谨。外来语应用中文和英文同时表达，第一次出现的缩写词，须注出全称。

二、开题报告需用计算机打印，一律为A4开本，于左侧装订成册。各栏空格不够时，请自行加页。

三、开题报告需在第八学期开学之前完成。

四、开题报告需装入西南林业大学大学毕业论文（设计）档案袋。

指导教师基本情况

指导教师姓名

性

别

年

龄

学历或学位

专业技术

职务或职称

工作单位

荣剑

男

47

硕士

副教授

西南林业大学

题目来源

□科研项目□社会实践□大学生创新创业项目?其它来源

一、该研究的目的、意义

粮食安全是社会的根基，水稻是我国重要的粮食作物,其产量主要是是受病虫害的制约，受环境和作物特点的影响，在各个生长周期都很容易受到病虫害的侵害，此外，稻田病虫害种类繁多，部分农民相关专业知识匮乏，在无法准确识别病虫害种类的情况下常常盲目使用农药，病虫害抗药性增加，致使农药残留严重污染环境，造成了极大的经济损失。所以对水稻病害的类型进行快速、准确的识别尤为重要，传统的水稻病虫害识别采用主要是以肉眼观察为主，具有一定的主观性，而且需要人工去实地观察，如果养殖规模巨大还会耗时费力，不能确保数据的实时性。近年来,图像识别以及深度学习技术发展迅速，深度神经网络也逐步应用于水稻病虫害的特征抽取和自动识别。利用人工智能技术极大凸显了防治技术的优势，实现农业经济的良性、健康、持续性发展，可为农民提供方便快捷的水稻田间病虫害识别和病虫害分类，应用前景十分广阔。

综合考虑上述两个缘由，为了提高水稻产量，保护环境，本文基于YOLOv5网络并使用框架对病虫害图片进行目标检测及分类，可快速定位病虫害图像中的病虫以及快速分类，确保数据的时效性，以便对症下药，准确防治病虫害。

二、国内外研究现状及发展趋势

随着数字图像处理技术、计算机视觉等信息技术应用推广到对植物病害的诊断上，目前国内外对于图像识别和分类的技术已经取得了不少成果并广泛地运用于社会生活中的各个领域。其中基于深度学习的农作物病害识别方法比传统的识别方法速度更快，过程更简单，且识别精度有所提高，有的识别精度甚至达到100%，而且基于深度学习的分割方法和分类识别方法处理的数据量也更大，识别的准确性和可靠性更高。近几年，随着深度学习的兴起，大批研究工程师和学者将深度学习，尤其是卷积神经网络应用于农业病虫害的检测上面，从相关参考文献我们可以看到基于深度学习的病虫害检测方法的优势，如：可处理的数据量变大，速度上的提升，对于具有复杂背景的图像数据，处理效果更佳。

三、主要参考文献

[1]高雨亮.基于深度学习的水稻病虫害识别系统设计与实现[D].导师：李斌;孙振中.扬州大学,2022.

[2]宋大鹏.基于深度学习的水稻叶部病害检测研究与实现[D].导师：高玉琢;马自强.宁夏大学,2022.

[3]曾弟先,王宇,吴宏佳.基于卷积神经网络的水稻病虫害识别分类系统设计与实现[J].电脑与信息技术,2021,29(03):16-20.

[4]李泽轩.基于卷积神经网络的水稻病虫害识别算法的研究和应用[D].导师：彭红星.华南农业大学,2020.

[5]苏令涛,李瑞泽,张功磊,刘桂霞.基于深度学习的农作物病虫害识别研究[J].数学建模及其应用,2022,11(04):1-12.

[6]肖三湘.深度学习在农作物病虫害图像识别中的应用[J].集成电路应用,2022,39(01):240-241.

[7]李昊,刘海隆,刘生龙.基于深度学习的柑橘病虫害动态识别系统研发[J].中国农机化学报,2021,42(09):195-201+208.

[8]钟城,沈涛,张婧祎,马千里.基于深度学习航拍图像识别的农作物病虫害研究[J].信息与电脑(理论版),2020,32(03):104-105+108.

四、该研究的简要内容，重点解决的问题，预期结果或成果

（1）本文研究的主要内容：本文基于yolov5网络并使用Pytorch框架对病虫害图像进行目标检测，可以实现对水稻病虫图像中的病虫进行准确定位和快速识别，通过目标检测领域中计算速度快，体积较小的YOLOv5的网络进行检测任务，提升图像的检测速度，保证图像检测的实时性。该设计可为所提供的病虫害图像进行害虫定位与识别，从而快速对症下药，准确防治病虫，减少误用农药对环境造成不可逆转的危害，