基于深度学习的柑橘病害智能在线监测系统研究.pdfVIP

摘要

柑橘是我国主要的经济林果之一，柑橘因种植区多在山区坡地，病虫害防治给

管理带来了很大困难，在线监测的智能识别是当前现代农业发展的方向。在柑橘生

长过程中，容易受到多种外界因素的影响从而产生各种病虫害，常发生在叶片器官

等部位，因此，针对柑橘植株叶片进行病害判别是病害防治的有效方法之一。伴随

着技术的进步，深度学习被广泛应用于农业领域，研究表明基于深度学习的图像处

理技术有着精度高、速度快等优点，可以实现病虫害的快速识别。为实现柑橘病虫

害的快速智能识别，本文采用深度学习方法结合物联网技术，利用尺度可变视频流

信息，设计并构建了一套柑橘病害智能在线监测系统。主要研究内容如下：

(1)基于深度学习的叶片检测算法研究

针对视频监测的视场下存在多张柑橘叶片的问题，本文提出了高实时性和高

检测精度的柑橘叶片检测算法，在YOLOv4的基础上进行改进，通过K-Means聚

类分析重新构建网络模型的目标候选框、优化网络结构等改进方法构建了柑橘叶

片检测算法，检测的MAP达到85.10%，实验结果表明本文提出的叶片检测算法

能够满足叶片检测的基本要求。

(2)基于卷积神经网络的柑橘病虫害识别算法研究

针对柑橘叶片病害识别的需求，本文以卷积神经网络为基础，综合实验多种分

类网络，如Inceptionv3、Xception、ResNet以及DenseNet，通过分析实验结果，提

出一种基于多路融合卷积神经网络的分类模型，将DenseNet和Xception融合起来

共同提取特征，引入迁移学习，减少了算法训练的时间，提高了模型检测的准确度，

最终模型的平均分类精度达到96.69%，实验结果表明提出的算法识别率较高，能

够满足病害智能识别的基本要求。

(3)柑橘病害智能在线监测系统研发

针对果园对于柑橘生长状况以及病害情况的实时监测需求，本文设计并研发

了基于深度学习的柑橘病害智能在线监测系统。该系统采用C/S架构设计，客户

端为用户提供人机交互界面，通过视频预览对果园的重点区域进行实时监测，并通

过图像截取功能实现图像实时采集，将采集的图像发送至服务端，系统服务端上搭

建算法服务，通过卷积神经网络实现病害智能识别，并将识别的结果发送至客户端，

实现了客户端中果园不同区域的检测结果实时呈现。

关键词：智能监测、深度学习、叶片检测、病害识别

ABSTRACT

Citrusisoneofthemaineconomicfruitsinourcountry.Becausecitrusplanting

areasaremostlyinmountainousslopes,thepreventionandcontrolofdiseasesandinsect

pestshasbroughtgreatdifficultiestomanagement.Intelligentidentificationofonline

monitoringisthecurrentdirectionofmodernagriculturaldevelopment.Duringthe

growthofcitrus,itissusceptibletoavarietyofexternalfactorstoproducevarious

diseasesandinsectpests,whichoftenoccurinleaforgansandotherparts.Therefore,

diseaseidentificationforcitrusplantleavesisoneoftheeffectivemethodsfordisease

preventionandcontrol.Withtheadvancementoftechnology,deeplearningiswidelyused

inthefieldofagriculture.Researchhasshownthatimageprocessingtechnologybased

ondeepl