本文選題：冬棗病害識(shí)別 + 冬棗病害圖像　； 參考：《浙江農(nóng)業(yè)學(xué)報(bào)》2017年11期

【摘要】：針對(duì)傳統(tǒng)的作物病害識(shí)別方法中人為提取的分類(lèi)特征,對(duì)復(fù)雜作物病害圖像的形狀、光照和背景比較敏感等問(wèn)題,提出一種基于物聯(lián)網(wǎng)和深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)的冬棗病害識(shí)別方法。DCNN由1個(gè)輸入層、4個(gè)卷積層、3個(gè)下采樣層、1個(gè)全連接層和1個(gè)輸出層組成。利用該方法能夠提取冬棗病害圖像的有效特征,并識(shí)別病害類(lèi)型,避免了傳統(tǒng)作物病害識(shí)別方法中繁瑣的特征提取過(guò)程。在4種冬棗病害果實(shí)數(shù)據(jù)庫(kù)上進(jìn)行了冬棗病害識(shí)別實(shí)驗(yàn),識(shí)別率達(dá)到92%以上。試驗(yàn)結(jié)果表明,該方法適合利用物聯(lián)網(wǎng)采集的大規(guī)模視頻病害圖像進(jìn)行冬棗病害識(shí)別。
[Abstract]:In view of the classification characteristics extracted by traditional crop disease identification methods, the shape, light and background of complex crop disease images are sensitive, and a new identification method based on Internet of things and deep convolution neural network (DCNN).DCNN is proposed, which consists of 1 input layers, 4 coiling layers, 3 down sampling layers, and 1 full connections. This method can extract the effective features of the winter jujube disease image and identify the disease type, and avoid the complicated feature extraction process in the traditional crop disease identification method. The experiment of identification of winter jujube disease on the 4 winter jujube disease fruit database is carried out, the recognition rate is up to 92%. The test results show that this method is more than 92%. The method is suitable for the identification of winter jujube disease by using large-scale video disease images collected by Internet of things.

【作者單位】： 西京學(xué)院信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61473237) 陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃(2016GY-141)
【分類(lèi)號(hào)】：S436.65;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 姜志剛,賀向輝,宋文東,胡廣波,王大明;劣質(zhì)農(nóng)藥的識(shí)別方法[J];煙臺(tái)果樹(shù);2004年04期

2 張春;;試論農(nóng)藥的選擇與識(shí)別方法[J];農(nóng)民致富之友;2010年04期

3 黃開(kāi)杰;李宏儒;;試論農(nóng)藥的選擇與識(shí)別方法[J];農(nóng)民致富之友;2012年14期

4 張國(guó)治;;土壤缺乏作物養(yǎng)分的識(shí)別方法(下)[J];云南農(nóng)業(yè)科技;1978年05期

5 萬(wàn)莉;農(nóng)藥質(zhì)量簡(jiǎn)易識(shí)別方法[J];四川農(nóng)業(yè)科技;2000年04期

6 馮旭東,陳方;神經(jīng)網(wǎng)絡(luò)在病蟲(chóng)害診斷中的應(yīng)用[J];電腦開(kāi)發(fā)與應(yīng)用;1999年01期

7 蘇超;方崇;黃偉軍;;SOM神經(jīng)網(wǎng)絡(luò)在農(nóng)業(yè)旱情評(píng)價(jià)中的應(yīng)用[J];人民黃河;2011年07期

8 張映梅,李修煉,趙惠燕;模擬人工神經(jīng)網(wǎng)絡(luò)對(duì)小麥吸漿蟲(chóng)發(fā)生程度的預(yù)測(cè)[J];西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年S1期

9 黎粵華,梁穎紅,王述洋;人工神經(jīng)網(wǎng)絡(luò)技術(shù)在林火重災(zāi)年預(yù)測(cè)中的應(yīng)用前景[J];林業(yè)勞動(dòng)安全;2001年01期

10 韋艷玲;;基于模糊聚類(lèi)的神經(jīng)網(wǎng)絡(luò)蟲(chóng)情預(yù)測(cè)[J];Agricultural Science & Technology;2009年04期

相關(guān)博士學(xué)位論文 前2條

1 吳翔;基于機(jī)器視覺(jué)的害蟲(chóng)識(shí)別方法研究[D];浙江大學(xué);2016年

2 熊雪梅;參數(shù)化模糊遺傳神經(jīng)網(wǎng)絡(luò)及在植物病害預(yù)測(cè)的應(yīng)用[D];南京農(nóng)業(yè)大學(xué);2004年

相關(guān)碩士學(xué)位論文 前3條

1 米雅婷;基于GA-BP神經(jīng)網(wǎng)絡(luò)的溫室番茄病害診斷研究[D];東北林業(yè)大學(xué);2016年

2 楊書(shū)顯;基于PSO算法的氧樂(lè)果合成過(guò)程建模與控制研究[D];鄭州大學(xué);2010年

3 饒丹丹;一種基于BP神經(jīng)網(wǎng)絡(luò)對(duì)水稻害蟲(chóng)預(yù)測(cè)的研究[D];武漢輕工大學(xué);2013年

，

本文編號(hào)：1812905