水稻在生長(zhǎng)過(guò)程中易受到害蟲(chóng)的攻擊,威脅水稻的產(chǎn)量和品質(zhì),為了有效地控制蟲(chóng)害,本文針對(duì)害蟲(chóng)的在線識(shí)別與定向施藥問(wèn)題進(jìn)行研究。研究?jī)?nèi)容和實(shí)驗(yàn)結(jié)果如下:1.針對(duì)YOLOv3網(wǎng)絡(luò),通過(guò)對(duì)骨干網(wǎng)絡(luò)的縮減、引入改進(jìn)的密集連接網(wǎng)絡(luò)與改進(jìn)的空間金字塔池化、擴(kuò)展檢測(cè)尺寸的數(shù)量、改進(jìn)邊框選擇等方面來(lái)構(gòu)建改進(jìn)后的YOLOv3網(wǎng)絡(luò)——DS-YOLOv3（Dense Net-SPPNet-YOLOv3）)網(wǎng)絡(luò),以增強(qiáng)對(duì)小目標(biāo)害蟲(chóng)特征的提取,提高對(duì)遮擋害蟲(chóng)識(shí)別的速度與準(zhǔn)確率,并從對(duì)小目標(biāo)檢測(cè)、遮擋物體檢測(cè),模型檢測(cè)性能等方面與YOLOv3網(wǎng)絡(luò)進(jìn)行對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明:當(dāng)水稻害蟲(chóng)的尺寸在40pixel×80pixel以下時(shí),相比于YOLOv3網(wǎng)絡(luò),DS-YOLOv3網(wǎng)絡(luò)具有明顯的優(yōu)勢(shì);當(dāng)害蟲(chóng)在遮擋50%～80%,DS-YOLOv3依然維持能夠進(jìn)行識(shí)別,而YOLOv3網(wǎng)絡(luò)識(shí)別準(zhǔn)確率嚴(yán)重下降,出現(xiàn)不能識(shí)別現(xiàn)象;DS-YOLOv3在水田復(fù)雜環(huán)境下的平均檢測(cè)準(zhǔn)確率達(dá)82.3%,平均檢測(cè)速度35幀/s,相對(duì)YOLOv3的平均檢測(cè)準(zhǔn)確率提高7.4%,相對(duì)YOLOv3的平均檢測(cè)速度提高了9幀/s,其他的檢測(cè)項(xiàng)也均優(yōu)于YOLOv... 

【文章來(lái)源】：安徽農(nóng)業(yè)大學(xué)安徽省

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

草莓采摘機(jī)器人Fig.1-1Strawberryrobot

3圖1-1草莓采摘機(jī)器人圖1-2黃瓜采摘機(jī)器人Fig.1-1StrawberryrobotFig.1-2Cucumberpickingrobot美國(guó)新荷蘭的一款自動(dòng)化聯(lián)合收割機(jī)器人，如圖1-3所示，可以在整齊的農(nóng)田里收割莊稼[17]。美國(guó)波士頓的育苗機(jī)器人，如圖1-4所示，只要將其預(yù)設(shè)好位置參數(shù)，機(jī)器人就可以感應(yīng)到盆栽，自動(dòng)把它們移動(dòng)到預(yù)設(shè)位置。圖1-3自動(dòng)聯(lián)合收割機(jī)器人圖1-4育苗機(jī)器人Fig.1-3AutomaticjointharvestingrobotFig.1-4Seedlingrobot美國(guó)明尼蘇迭州的一款施肥機(jī)器人，如圖1-5所示。它可以根據(jù)泥土的具體實(shí)際情況，制定不同的施肥策略，使得肥料不會(huì)被過(guò)量使用。它甚至還可以根據(jù)肥料學(xué)知識(shí)，將肥料對(duì)環(huán)境的影響降到最校圖1-5施肥機(jī)器人Fig.1-5Fertilizationrobot美國(guó)AbundantRobotics公司有一款采摘蘋(píng)果機(jī)器人，如圖1-6所示[18]，不同于傳統(tǒng)的農(nóng)業(yè)機(jī)械設(shè)備用機(jī)械爪進(jìn)行水果采摘，易對(duì)水果造成損傷，該機(jī)器人通過(guò)機(jī)器視覺(jué)技術(shù)可以準(zhǔn)確識(shí)別樹(shù)上已成熟的蘋(píng)果，并用類似真空吸塵器的機(jī)械手前端，將蘋(píng)果從樹(shù)上吸下來(lái)[19]，從而避免損傷蘋(píng)果和果樹(shù)。并且機(jī)器人采摘蘋(píng)果的速度可以達(dá)到

3圖1-1草莓采摘機(jī)器人圖1-2黃瓜采摘機(jī)器人Fig.1-1StrawberryrobotFig.1-2Cucumberpickingrobot美國(guó)新荷蘭的一款自動(dòng)化聯(lián)合收割機(jī)器人，如圖1-3所示，可以在整齊的農(nóng)田里收割莊稼[17]。美國(guó)波士頓的育苗機(jī)器人，如圖1-4所示，只要將其預(yù)設(shè)好位置參數(shù)，機(jī)器人就可以感應(yīng)到盆栽，自動(dòng)把它們移動(dòng)到預(yù)設(shè)位置。圖1-3自動(dòng)聯(lián)合收割機(jī)器人圖1-4育苗機(jī)器人Fig.1-3AutomaticjointharvestingrobotFig.1-4Seedlingrobot美國(guó)明尼蘇迭州的一款施肥機(jī)器人，如圖1-5所示。它可以根據(jù)泥土的具體實(shí)際情況，制定不同的施肥策略，使得肥料不會(huì)被過(guò)量使用。它甚至還可以根據(jù)肥料學(xué)知識(shí)，將肥料對(duì)環(huán)境的影響降到最校圖1-5施肥機(jī)器人Fig.1-5Fertilizationrobot美國(guó)AbundantRobotics公司有一款采摘蘋(píng)果機(jī)器人，如圖1-6所示[18]，不同于傳統(tǒng)的農(nóng)業(yè)機(jī)械設(shè)備用機(jī)械爪進(jìn)行水果采摘，易對(duì)水果造成損傷，該機(jī)器人通過(guò)機(jī)器視覺(jué)技術(shù)可以準(zhǔn)確識(shí)別樹(shù)上已成熟的蘋(píng)果，并用類似真空吸塵器的機(jī)械手前端，將蘋(píng)果從樹(shù)上吸下來(lái)[19]，從而避免損傷蘋(píng)果和果樹(shù)。并且機(jī)器人采摘蘋(píng)果的速度可以達(dá)到

【參考文獻(xiàn)】：
期刊論文
[1]基于LoRa集成北斗通信技術(shù)的應(yīng)急響應(yīng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 尹小俊,陳崇成,李瑞興,王鳳姣.  福州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(02)
[2]基于CS-SVM的谷子葉片病害圖像識(shí)別[J]. 張紅濤,李藝嘉,譚聯(lián),許帥濤.  浙江農(nóng)業(yè)學(xué)報(bào). 2020(02)
[3]基于項(xiàng)目驅(qū)動(dòng)的物聯(lián)網(wǎng)工程綜合實(shí)訓(xùn)教學(xué)方法探索[J]. 焦俊,張鋒,邵睿,王永梅,李斌,陶浩兵,辜麗川.  皖西學(xué)院學(xué)報(bào). 2019(05)
[4]基于無(wú)人機(jī)航跡大視場(chǎng)攝像機(jī)標(biāo)定算法研究[J]. 黎才鑫,李天偉,黃謙.  海洋測(cè)繪. 2019(04)
[5]LoRa通信在分布式電網(wǎng)故障檢測(cè)系統(tǒng)中的應(yīng)用研究[J]. 劉鐸.  國(guó)網(wǎng)技術(shù)學(xué)院學(xué)報(bào). 2019(03)
[6]基于改進(jìn)殘差網(wǎng)絡(luò)的黑毛豬肉新鮮度識(shí)別方法[J]. 焦俊,王文周,侯金波,孫裴,何嶼彤,辜麗川.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(08)
[7]基于Caffe的豬肉新鮮度分級(jí)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 邱洪濤,孫裴,侯金波,辜麗川,喬焰,焦俊.  江蘇農(nóng)業(yè)學(xué)報(bào). 2019(02)
[8]基于反饋機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)絕緣子狀態(tài)檢測(cè)方法[J]. 張倩,王建平,李帷韜.  電工技術(shù)學(xué)報(bào). 2019(16)
[9]PMSM伺服電機(jī)在高速積放無(wú)線控制系統(tǒng)中的應(yīng)用研究[J]. 蘇軍偉.  物流技術(shù)與應(yīng)用. 2019(01)
[10]遙感圖像中飛機(jī)的改進(jìn)YOLOv3實(shí)時(shí)檢測(cè)算法[J]. 戴偉聰,金龍旭,李國(guó)寧,鄭志強(qiáng).  光電工程. 2018(12)

博士論文
[1]攝影測(cè)量影像快速立體匹配關(guān)鍵技術(shù)研究[D]. 李迎松.武漢大學(xué) 2018
[2]基于數(shù)字圖像的蝴蝶種類自動(dòng)識(shí)別研究[D]. 李凡.北京林業(yè)大學(xué) 2015
[3]農(nóng)業(yè)機(jī)器人視覺(jué)導(dǎo)航系統(tǒng)及其光照問(wèn)題的研究[D]. 安秋.南京農(nóng)業(yè)大學(xué) 2008

碩士論文
[1]基于優(yōu)化YOLOv3神經(jīng)網(wǎng)絡(luò)的硅片隱裂檢測(cè)算法研究[D]. 田曉杰.中北大學(xué) 2019
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的車(chē)輛檢測(cè)與測(cè)距[D]. 張玉鵬.北京郵電大學(xué) 2019
[3]復(fù)雜光照環(huán)境下的單目視覺(jué)位姿測(cè)量技術(shù)研究[D]. 馬一凡.山東大學(xué) 2019
[4]基于深度學(xué)習(xí)的輔助駕駛系統(tǒng)中行人檢測(cè)跟蹤研究[D]. 姜昊.北京郵電大學(xué) 2019
[5]基于YOLOv3的危險(xiǎn)物品檢測(cè)模型研究與改進(jìn)[D]. 徐晨玉.蘭州大學(xué) 2019
[6]基于圖像的水稻燈誘害蟲(chóng)智能識(shí)別與計(jì)數(shù)技術(shù)的研究[D]. 馬鵬鵬.浙江理工大學(xué) 2018
[7]安徽省水稻病蟲(chóng)害監(jiān)測(cè)預(yù)警系統(tǒng)預(yù)測(cè)模塊的設(shè)計(jì)與實(shí)現(xiàn)[D]. 張守網(wǎng).安徽農(nóng)業(yè)大學(xué) 2017
[8]基于TensorFlow的卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究[D]. 姜新猛.華中師范大學(xué) 2017
[9]基于毫米波雷達(dá)和視覺(jué)的車(chē)輛檢測(cè)識(shí)別方法研究[D]. 楊曉康.解放軍信息工程大學(xué) 2017
[10]基于自動(dòng)聚焦技術(shù)的探針臺(tái)Z向距離測(cè)量系統(tǒng)[D]. 武祥吉.浙江大學(xué) 2017



本文編號(hào)：3292495