【摘要】：隨著當(dāng)今社會(huì)科技與經(jīng)濟(jì)的發(fā)展,傳統(tǒng)農(nóng)業(yè)種植與管理模式已不能滿足當(dāng)今農(nóng)業(yè)發(fā)展需求,傳統(tǒng)農(nóng)業(yè)模式必須進(jìn)行信息化改革。因此,一套集智能化、信息化、便捷化于一體的農(nóng)業(yè)遠(yuǎn)程監(jiān)控系統(tǒng)的設(shè)計(jì)與開發(fā),對(duì)現(xiàn)代化農(nóng)業(yè)的發(fā)展顯得尤為重要。市面上已有并投入應(yīng)用的農(nóng)業(yè)遠(yuǎn)程監(jiān)控系統(tǒng),多以PC端為主,移動(dòng)客戶端數(shù)量較少且功能有限,多以溫濕度檢測(cè)為主,缺乏病蟲害檢測(cè)功能。為此,本文分析整個(gè)農(nóng)業(yè)遠(yuǎn)程監(jiān)控系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn),開展如下兩個(gè)部分的研究:(1)重點(diǎn)對(duì)系統(tǒng)客戶端進(jìn)行設(shè)計(jì)與實(shí)現(xiàn),從而方便用戶能隨時(shí)隨地的掌握農(nóng)作物的生長(zhǎng)信息,對(duì)農(nóng)作物進(jìn)行有效、準(zhǔn)確的遠(yuǎn)程監(jiān)管,本系統(tǒng)充分結(jié)合Android系統(tǒng)的移動(dòng)性與操作便捷性,設(shè)計(jì)實(shí)現(xiàn)的農(nóng)業(yè)遠(yuǎn)程監(jiān)控系統(tǒng)移動(dòng)客戶端,包括環(huán)境檢測(cè)模塊,視頻監(jiān)控模塊,設(shè)備控制模塊,病蟲害檢測(cè)模塊等核心功能模塊。移動(dòng)客戶端的設(shè)計(jì)采用分模塊設(shè)計(jì)形式,并利用MVC設(shè)計(jì)模式,對(duì)各個(gè)模塊在程序上實(shí)現(xiàn)數(shù)據(jù)與視圖層面的分離,提高程序可擴(kuò)展性和可維護(hù)性。在界面設(shè)計(jì)上,采用Fragment構(gòu)建tab標(biāo)簽式的滑動(dòng)導(dǎo)向型布局界面,使用方便且適用性強(qiáng)。設(shè)計(jì)與農(nóng)業(yè)遠(yuǎn)程監(jiān)控系統(tǒng)對(duì)應(yīng)的SQLServer數(shù)據(jù)庫,存儲(chǔ)各種關(guān)鍵信息。服務(wù)端采用多線程技術(shù),可以充分利用多核CPU的優(yōu)勢(shì),使得服務(wù)端擁有高并發(fā)處理能力。(2)為了進(jìn)一步完善整個(gè)系統(tǒng)的功能,深入研究了基于卷積神經(jīng)網(wǎng)絡(luò)的病蟲害識(shí)別算法,并應(yīng)用于病蟲害檢測(cè)模塊中。該算法相比于傳統(tǒng)的圖像處理技術(shù)和基本分類器等識(shí)別方法,具有很大的優(yōu)勢(shì):一是使用圖像處理中Haar特征提取算法結(jié)合機(jī)器學(xué)習(xí)中經(jīng)典的Adaboost算法對(duì)視頻中是否含有農(nóng)作物果實(shí)進(jìn)行判斷,這樣可以過濾沒有的視頻信息而提取實(shí)驗(yàn)所需的樣本,從而獲得含有作物的圖片,方便收集作物樣本;二是在測(cè)試集上測(cè)試達(dá)到了 98.8%的準(zhǔn)確度的同時(shí),進(jìn)行訓(xùn)練分類的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)相對(duì)簡(jiǎn)單。從而達(dá)到了比現(xiàn)有具備病蟲害檢測(cè)系統(tǒng)更加快速、準(zhǔn)確地識(shí)別農(nóng)作物病蟲害的目的。為未來農(nóng)作物病蟲害的預(yù)警,以及對(duì)農(nóng)作物全生命周期過程中的信息掌握與管理,提供指導(dǎo)和幫助。綜上,本文結(jié)合基于神經(jīng)網(wǎng)絡(luò)的病蟲害檢測(cè)算法,設(shè)計(jì)了并實(shí)現(xiàn)包含移動(dòng)端的農(nóng)業(yè)遠(yuǎn)程監(jiān)控系統(tǒng),該系統(tǒng)功能完備,病蟲害檢測(cè)準(zhǔn)確、穩(wěn)定。病蟲害信息數(shù)據(jù)的存儲(chǔ)與分析,為未來農(nóng)作物病蟲害防治和預(yù)警提供數(shù)據(jù)基礎(chǔ),且為制定病蟲害防治方案提供分析手段,對(duì)推動(dòng)未來農(nóng)業(yè)現(xiàn)代化的發(fā)展起到一定作用,市場(chǎng)前景廣闊。
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP311.52;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王志彬;王開義;王書鋒;王曉鋒;潘守慧;;基于動(dòng)態(tài)集成的黃瓜葉部病害識(shí)別方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2017年09期

2 李妍;朱景福;羅文博;王孟博;高寒;于成江;;玉米葉片病斑多光譜特征提取及識(shí)別方法[J];江蘇農(nóng)業(yè)科學(xué);2017年09期

3 路陽;衣淑娟;張勇;安杏杏;邵曉光;;基于PCA和Whitening算法的水稻病害圖像預(yù)處理研究[J];黑龍江八一農(nóng)墾大學(xué)學(xué)報(bào);2017年02期

4 牛沖;牛昱光;李寒;鄭文剛;卜云龍;周增產(chǎn);;基于圖像灰度直方圖特征的草莓病蟲害識(shí)別[J];江蘇農(nóng)業(yè)科學(xué);2017年04期

5 周兆永;何東健;張海輝;雷雨;蘇東;陳克濤;;基于深度信念網(wǎng)絡(luò)的蘋果霉心病病害程度無損檢測(cè)[J];食品科學(xué);2017年14期

6 趙玉偉;徐翠芳;許懷萍;張驊;黃鉆華;;設(shè)施草莓常見病蟲害的識(shí)別與綜合防治技術(shù)[J];長(zhǎng)江蔬菜;2016年20期

7 師韻;王旭啟;張善文;;基于主分量分析的蘋果葉部3種常見病害識(shí)別方法[J];江蘇農(nóng)業(yè)科學(xué);2016年09期

8 臧賀藏;張杰;王來剛;胡峰;李國(guó)強(qiáng);楊春英;;基于物聯(lián)網(wǎng)技術(shù)的糧食作物生長(zhǎng)遠(yuǎn)程監(jiān)控與診斷平臺(tái)研究[J];中國(guó)農(nóng)機(jī)化學(xué)報(bào);2015年04期

9 許良鳳;徐小兵;胡敏;王儒敬;謝成軍;陳紅波;;基于多分類器融合的玉米葉部病害識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2015年14期

10 韓紅蓮;張敏;;發(fā)達(dá)國(guó)家農(nóng)業(yè)物聯(lián)網(wǎng)模式對(duì)中國(guó)的啟示與借鑒[J];世界農(nóng)業(yè);2015年07期

相關(guān)碩士學(xué)位論文 前7條

1 趙雯雯;智慧科技館服務(wù)與管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];安徽大學(xué);2017年

2 劉馮俊;糧情測(cè)控與預(yù)警系統(tǒng)移動(dòng)客戶端的設(shè)計(jì)與實(shí)現(xiàn)[D];安徽大學(xué);2016年

3 姜秀平;基于Android平臺(tái)的位置隱私保護(hù)系統(tǒng)的技術(shù)研究[D];北京交通大學(xué);2015年

4 吳子龍;基于Android移動(dòng)終端的煙草病蟲害圖像智能識(shí)別系統(tǒng)研究[D];云南農(nóng)業(yè)大學(xué);2015年

5 王建輝;基于高性能網(wǎng)絡(luò)庫Asio的測(cè)控服務(wù)器設(shè)計(jì)與實(shí)現(xiàn)[D];安徽大學(xué);2015年

6 趙特木;基于Android平臺(tái)的NFC信息管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];大連理工大學(xué);2013年

7 陳晨;基于Android的統(tǒng)一通信移動(dòng)終端技術(shù)研究[D];西安電子科技大學(xué);2013年

，

本文編號(hào)：2595077