番茄作為我國重要的農(nóng)作物,其產(chǎn)量會受到葉霉病、花葉病、斑枯病等數(shù)十種番茄常見病害的影響。如果能夠在番茄發(fā)病早期對病害進(jìn)行準(zhǔn)確的診斷識別,及時采取措施對病株進(jìn)行針對性治療,便可以在一定程度上減少番茄產(chǎn)量的損失,這一過程的重點在于如何對番茄病蟲害進(jìn)行快速準(zhǔn)確的診斷。傳統(tǒng)的番茄病害檢測診斷是以專業(yè)技術(shù)人員為核心,利用技術(shù)人員的知識經(jīng)驗來對番茄病蟲害進(jìn)行診斷。然而傳統(tǒng)的檢測方式在技術(shù)人員的數(shù)量、檢測的速度、防治面積以及檢測的準(zhǔn)確性等方面存在一定的局限性,并不能充分滿足農(nóng)業(yè)現(xiàn)代化、信息化的需求。為了克服以上局限性、實現(xiàn)農(nóng)業(yè)信息化,本文基于深度學(xué)習(xí)中數(shù)字圖像識別的理論,構(gòu)建了深層卷積神經(jīng)網(wǎng)絡(luò),并使用網(wǎng)絡(luò)模型對番茄葉片進(jìn)行分類試驗,研究結(jié)果表明,新的診斷方案對番茄常見的十種病蟲害具有很高的識別準(zhǔn)確率。本文首先構(gòu)建了具有18個卷積層,2個殘差塊,1個最大值池化層,1個扁平化全連接層還有1個分類層的殘差神經(jīng)網(wǎng)絡(luò)模型,構(gòu)建的模型獲得了 86.9%的測試準(zhǔn)確率�；诜讶~片對病蟲害進(jìn)行分類屬于細(xì)粒度分類任務(wù),因此對原殘差神經(jīng)網(wǎng)絡(luò)模型進(jìn)行改進(jìn),構(gòu)建了雙線性殘差神經(jīng)網(wǎng)絡(luò)模型,新的網(wǎng)絡(luò)模型在測試數(shù)據(jù)集上獲得了 9... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．】番茄早疫病葉片??

?第１章緒論???■?ｉ．?，?Ｉ?．激贏■?％??：Ｉ＇?ｘ?，４＜?ｊ?ｆ：?？?Ｉ??：：：滅?ｍｍ??圖１．２番茄健康葉片??番茄健康葉片：番茄成株葉片顏色質(zhì)地均勻，為深綠或者淺綠色，無大小病??斑，無殘缺，無孔洞，無扭曲，無枯萎等異常特征。??ｙｌｌ？??■參匿Ｉ??圖１．３番茄葉霉病葉片??番茄葉霉病葉片：病變部位在宏觀上表現(xiàn)為比正常葉片顏色較淺，形狀大小??不規(guī)則的病斑。??齡＿??圖１．４番茄花葉病葉片??番茄花葉病葉片：花葉病主要發(fā)生在葉片上。番茄葉片會出現(xiàn)顏色深淺分布??７??

?第１章緒論???■?ｉ．?，?Ｉ?．激贏■?％??：Ｉ＇?ｘ?，４＜?ｊ?ｆ：?？?Ｉ??：：：滅?ｍｍ??圖１．２番茄健康葉片??番茄健康葉片：番茄成株葉片顏色質(zhì)地均勻，為深綠或者淺綠色，無大小病??斑，無殘缺，無孔洞，無扭曲，無枯萎等異常特征。??ｙｌｌ？??■參匿Ｉ??圖１．３番茄葉霉病葉片??番茄葉霉病葉片：病變部位在宏觀上表現(xiàn)為比正常葉片顏色較淺，形狀大小??不規(guī)則的病斑。??齡＿??圖１．４番茄花葉病葉片??番茄花葉病葉片：花葉病主要發(fā)生在葉片上。番茄葉片會出現(xiàn)顏色深淺分布??７??

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的玉米品種識別[J]. 徐巖,劉林,李中遠(yuǎn),高照,李曉振.  江蘇農(nóng)業(yè)學(xué)報. 2020(01)
[2]半監(jiān)督學(xué)習(xí)研究的述評[J]. 韓嵩,韓秋弘.  計算機(jī)工程與應(yīng)用. 2020(06)
[3]基于深度學(xué)習(xí)的推薦系統(tǒng)應(yīng)用綜述[J]. 呂剛,張偉.  軟件工程. 2020(02)
[4]基于深度學(xué)習(xí)的目標(biāo)檢測技術(shù)的研究綜述[J]. 羅元,王薄宇,陳旭.  半導(dǎo)體光電. 2020(01)
[5]全卷積多并聯(lián)殘差神經(jīng)網(wǎng)絡(luò)[J]. 李國強(qiáng),張露.  小型微型計算機(jī)系統(tǒng). 2020(01)
[6]基于VGG16網(wǎng)絡(luò)的茶葉嫩芽自動檢測研究[J]. 羅浩倫,馮澤霖,冉鐘南,馬杰,呂軍.  農(nóng)業(yè)與技術(shù). 2020(01)
[7]深度學(xué)習(xí)在計算機(jī)視覺領(lǐng)域的應(yīng)用進(jìn)展[J]. 曾子力.  計算機(jī)產(chǎn)品與流通. 2020(01)
[8]基于半監(jiān)督學(xué)習(xí)的SAR目標(biāo)檢測網(wǎng)絡(luò)[J]. 杜蘭,魏迪,李璐,郭昱辰.  電子與信息學(xué)報. 2020(01)
[9]機(jī)器學(xué)習(xí)綜述[J]. 孔欣然.  電子制作. 2019(24)
[10]基于深度學(xué)習(xí)的圖像分類研究綜述[J]. 蘇賦,呂沁,羅仁澤.  電信科學(xué). 2019(11)

博士論文
[1]圖像物體的精細(xì)化分類方法研究[D]. 侯賽輝.中國科學(xué)技術(shù)大學(xué) 2019
[2]基于圖像識別的作物病蟲草害診斷研究[D]. 王克如.中國農(nóng)業(yè)科學(xué)院 2005

碩士論文
[1]基于全卷積網(wǎng)絡(luò)改進(jìn)的圖像語義分割應(yīng)用研究[D]. 李昊東.南京郵電大學(xué) 2019
[2]深度神經(jīng)網(wǎng)絡(luò)的歸一化技術(shù)研究[D]. 王巖.南京郵電大學(xué) 2019
[3]端到端自動語音識別技術(shù)研究[D]. 蔣竺芳.北京郵電大學(xué) 2019
[4]弱監(jiān)督學(xué)習(xí)下的多標(biāo)簽圖像分類[D]. 林春煥.西安電子科技大學(xué) 2019
[5]深度主動半監(jiān)督學(xué)習(xí)的目標(biāo)檢測[D]. 華佳燊.浙江大學(xué) 2019
[6]基于遷移學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)檢測方法研究[D]. 趙玥.東北財經(jīng)大學(xué) 2018
[7]基于深度學(xué)習(xí)的植物識別研究[D]. 劉園.北京林業(yè)大學(xué) 2018
[8]基于遷移學(xué)習(xí)的人臉識別方法研究[D]. 張秋穎.哈爾濱工程大學(xué) 2018
[9]卷積神經(jīng)網(wǎng)絡(luò)圖像分類應(yīng)用研究[D]. 柯小龍.深圳大學(xué) 2017
[10]基于葉表圖片的番茄病蟲害自動檢測[D]. 劉海波.大連交通大學(xué) 2017



本文編號：3343992