温州市科技计划项目可行性研究报告 .pdfVIP

温州市科技计划项目可行性研究报告 .pdf

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

温州市科技计划项目可行性研究报告

(编写提纲)

项目名称:基于卷积神经网络和迁移学习的瓯柑病虫害自动

识别技术研究

一、立项的背景和意义;

瓯柑,浙江省温州市瓯海区特产,也是中国国家地理标志产品之一。在营养价值方面,

瓯柑含有多种维生素,还含有丰富的过氧化氢氧化酶,与扛衰老的歧化酶,以及多种人体所

需的纤维素等。在药用价值方面,瓯柑有降压、降温、耐缺氧和增加冠脉流量等有药效作用。

温州民间素有“端五瓯柑似羚羊”之说,并广泛流传瓯柑可退烧、治咽喉炎、头痛等热性疾

病。因此,瓯柑是名副其实的地方特产,也是历史名果,传承着瓯越历史文化和一代代温州

人的乡情。

瓯柑产量容易受到天气、病害、虫害等自然因素的影响,其中病虫害是制约瓯柑产量提

高的关键性因素,每年大约有10%的经济损失源自于病虫害。常见的瓯柑病害有柑橘黄龙病、

柑橘溃疡病、柑橘炭疽病、柑橘疮痂病等,常见的虫害有柑橘红蜘蛛、柑橘木虱、柑橘蚜虫

等。目前瓯柑病虫害的鉴定主要通过人工肉眼检测的方法实现,主观性强,容易造成误判,

并且该方法需要检测人员具有很强的专业知识和丰富的经验。此外,我国基层种植人员大部

分文化素质普遍较低,拥有瓯柑病虫害诊断和防治知识的专家极少,无法为广大农户提供及

时、高效的指导。因此,研究并设计一种准确、便捷的瓯柑病虫害诊断和防治工具(方法),

协助瓯柑种植农户开展病虫害防治,是解决该实际问题的有效方案。

近年,以深度学习为代表的人工智能技术发展迅猛,尤其是卷积神经网络在计算机视觉

领域的研究取得了非常大的突破,很多基于卷积神经网络的图像分类与识别方法已经广泛用

于现实中具体应用,如:银行ATM刷脸取钱、火车站扫人脸进站、基于深度学习的医疗图像

分类、车辆、行人识别等。因此,结合农业领域的关键问题,基于深度学习相关方法,开展

智能化应用研究具有十分重要的实际意义。

鉴于上述情况,本项目拟结合瓯柑病虫害特点,在深度学习框架下,改进并实现通过图

像信息辨别瓯柑病虫害种类的自动识别方法,实现对瓯柑病虫害得自动、准确、快速、即时

诊断。从而达到帮助果农认识和研究瓯柑病虫害发生规律,加强瓯柑病虫害防控措施,减少

病虫害造成的经济损失,加速瓯柑种植业发展的最终目的。

国内外研究现状和发展趋势

(一)国外研究现状

国外研究人员早在20世纪七八十年代便将深度学习技术与传统农业相结合。随着深度

学习技术的发展,国外研究人员对基于深度学习的病虫害识别技术进行了探索和研究,并获

得了很大的进展。

Fukushima学者首先认识到神经感知机的功能,这也是卷积神经网络的雏形。在研究中,

他最早发现了对于生物的神经网络,物体的识别具有旋转不变性,这一理论后来也被应用到

卷积神经网络中。MokhtarU等采用不同核函数的支持向量机分类计数,研究出一种对番茄

黄化曲叶病(TYLCD)及番茄斑点枯萎病(TSWV)进行识别的方法。该方法由输入图像、图像预

处理、病斑分割、特征提取及输出分类五个部分组成。数据集由200张被TYLCD和TSWV

侵染的番茄叶片图像构成,经训练和测试,平均诊断正确率为90%,单个种类病虫害的诊断

正确率最高达92%。KawasakiY等研究出了一个新的基于卷积神经网络的植物病害检测系

统,研究对象为3种类型的黄瓜叶片图像组成的数据集,共计800张图像,取得了94.9%的

平均识别准确率。

MohantySP等通过对AlexNet模型和GoogleNet模型进行迁移学习研究出一种鉴定作

物病情的模型,并将该模型部署到智能手机进行病情鉴定,对使用智能手机进行病虫害诊断

的研究具有重要意义。MwebazeE等设计了嵌入智能手机的基于叶片图像的植物病害严重程

度判别系统,研究对象为4种植物病害,将每种病害根据严重程度分别分为5级,其中1

级为健康植物,通过分析实验结果得出使用ORB提取特征方法的分类效果最好。

由于卷积神经网络的复杂性,利用卷积神经网络对数据集从头训练,要花费大量的时间,

很多研究采用了迁移学习的方法。AmandaRamcharan等人采用迁移学习的方法,使用包含3

种木薯疾病和2种虫害的2,756个图像的数据集对卷积神经网络Inceptionv3进行训练,

最终模型的总体准确度达到93%。RonnelR.Atole等人利用迁移学习对AlexNet深度网络进

行训练,实现了水稻植物健康、不健康

文档评论(0)

1637142147337d1 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档