植物病害問(wèn)題是限制植物健康生長(zhǎng)的關(guān)鍵因素。為了解決植物的病害問(wèn)題,人們做了大量的研究工作。植物葉片中蘊(yùn)含著大量的生長(zhǎng)信息,基于深度學(xué)習(xí)技術(shù)的圖像分類、檢測(cè)、識(shí)別等任務(wù)均取得了很好的效果。本文對(duì)植物病害檢測(cè)算法進(jìn)行了研究及設(shè)計(jì)實(shí)現(xiàn)了植物病害檢測(cè)系統(tǒng)。本文以植物病害檢測(cè)為背景,以黃瓜葉片的枯死病檢測(cè)為例,以收集的1500張包括健康葉片和患有黃瓜枯死病的黃瓜葉片圖像為數(shù)據(jù)集,針對(duì)復(fù)雜背景下黃瓜枯死病病害圖像的分類檢測(cè)問(wèn)題,設(shè)計(jì)了植物病害雙網(wǎng)絡(luò)檢測(cè)模型,通過(guò)模型優(yōu)化和參數(shù)訓(xùn)練,實(shí)現(xiàn)了對(duì)黃瓜枯死病圖片的分類檢測(cè)。將VGG16模型和支持向量機(jī)算法應(yīng)用到黃瓜枯死病圖片的分類檢測(cè),與雙網(wǎng)絡(luò)檢測(cè)模型進(jìn)行實(shí)驗(yàn)對(duì)比。結(jié)果表明,在黃瓜枯死病圖片檢測(cè)任務(wù)中,本文提出的雙網(wǎng)絡(luò)檢測(cè)模型分類精度可以達(dá)到98.32%,配置優(yōu)化器并設(shè)置最優(yōu)參數(shù),檢測(cè)精度可以高達(dá)98.79%�；陔p網(wǎng)絡(luò)檢測(cè)模型,設(shè)計(jì)實(shí)現(xiàn)了植物病害檢測(cè)系統(tǒng)。系統(tǒng)功能包括:系統(tǒng)界面模塊、系統(tǒng)注冊(cè)登錄模塊、病害檢測(cè)模塊、可視化模塊和管理員模塊。系統(tǒng)界面模塊主要給用戶提供一個(gè)病害檢測(cè)按鈕,以及展示常見(jiàn)病害的預(yù)防與治理措施;系統(tǒng)注冊(cè)登錄模塊主要給管理員提供注冊(cè)和登... 

【文章來(lái)源】：寧夏大學(xué)寧夏回族自治區(qū) 211工程院校

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

經(jīng)典魁積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圈

寧夏大學(xué)碩士學(xué)位論文?第二章相關(guān)理論介紹??要由５ｔｎ／／ｓ、■以及Ｈｉｂｅｒｎａｔｅ組成。在Ｕ？體的幵發(fā)仟?jiǎng)?wù)中，三大框架應(yīng)用的側(cè)重點(diǎn)不同。??為了更加高效地進(jìn)行ｊａｖａ?ｗｅｂ軟件項(xiàng)目的開(kāi)發(fā)，ＳＳＨ、ＭＶＣ、ＳＳＭ等一系列的開(kāi)發(fā)框架被提??出�？蚣艿膽�(yīng)用使得軟件開(kāi)發(fā)的效率提高的同時(shí)節(jié)約了開(kāi)發(fā)成本，因此植物病害檢測(cè)系統(tǒng)的開(kāi)??發(fā)使用ＳＳＨ框架來(lái)實(shí)現(xiàn)。??２．４．１?Ｓｔｒｕｔｓ?框架??Ｓｔｍｔｓ是一個(gè)由ＡＳＦ贊助的開(kāi)源項(xiàng)目。起初，它只是隸屬于Ｊａｋａｒｔａ項(xiàng)目的一個(gè)普通子項(xiàng)目，??后來(lái)逐漸成熟，變成頂級(jí)項(xiàng)目。Ｓｔｒｕｔｓ借助ＪａｖａＳｅｒｖ丨ｅｔ／ＪＳＰ，實(shí)現(xiàn)了?ＭＶＣ應(yīng)用框架。該框架的??主要優(yōu)勢(shì)是開(kāi)發(fā)靈活。Ｓｔｒｕｔｓ技術(shù)改進(jìn)后產(chǎn)生了?Ｓｔｒｕｔｓ２技術(shù)。Ｓｔｒｕｔｓ２技術(shù)是ＳｔｒｕＭ與ｒＴｅｂｆｆｂ／ｉ??的整合升級(jí)。Ｓｔｍｔｓ２汲取保留了?Ｓｔｒｕｈ與的長(zhǎng)處，拋棄了它們的缺點(diǎn)。更加有利于??項(xiàng)目的開(kāi)發(fā)。ＳｔｒｕＧ］工作原理如圖２－７所示。??ＨｔｔｐＳｅｒｖｌｅｔＲｅｑｕｅｓｔ

網(wǎng)上農(nóng)業(yè)網(wǎng)頁(yè)圖片一共１５００張復(fù)雜背景下黃瓜葉子圖片。其中包括健康和患有黃瓜枯死病的黃??瓜葉子圖片。數(shù)據(jù)集中健康黃瓜葉子圖片１２００張，患有枯死病的黃瓜葉子圖片３００張，存在樣??本數(shù)據(jù)分布不均勻的問(wèn)題。ｇ雜背景下光照不均勻的健康黃瓜葉ｆ閣片部分?jǐn)?shù)據(jù)集樣本如圖３－１??所示，葉片均無(wú)黃褐色病斑，且邊緣均無(wú)卷縮現(xiàn)象：患有不同程度的黃瓜枯死病葉片圖片如圖??３－２聽(tīng)示，葉片均有黃褐色病斑只是覆蓋面積不同且大部分葉片邊緣出現(xiàn)卷縮現(xiàn)象。??ｓ：：秦”??＾?－?１１１—＾??圖３－１健康黃瓜葉子圖片數(shù)據(jù)集??？?１４－??

【參考文獻(xiàn)】：
期刊論文
[1]基于遷移學(xué)習(xí)和Mask R-CNN的稻飛虱圖像分類方法[J]. 林相澤,朱賽華,張俊媛,劉德?tīng)I(yíng).  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(07)
[2]聚合CNN特征的遙感圖像檢索[J]. 葛蕓,江順亮,葉發(fā)茂,姜昌龍,陳英,唐祎玲.  國(guó)土資源遙感. 2019(01)
[3]基于遷移學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的電纜隧道銹蝕識(shí)別算法[J]. 周自強(qiáng),紀(jì)揚(yáng),蘇燁,蔡鈞宇.  中國(guó)電力. 2019(04)
[4]基于遷移學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)的控制圖識(shí)別[J]. 徐旭東,馬立乾.  計(jì)算機(jī)應(yīng)用. 2018(S2)
[5]TensorFlow在圖像識(shí)別系統(tǒng)中的應(yīng)用[J]. 邢艷芳,段紅秀,何光威.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(05)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)與遷移學(xué)習(xí)的油茶病害圖像識(shí)別[J]. 龍滿生,歐陽(yáng)春娟,劉歡,付青.  農(nóng)業(yè)工程學(xué)報(bào). 2018(18)
[7]基于時(shí)序圖像跟蹤的葡萄葉片病害動(dòng)態(tài)監(jiān)測(cè)[J]. 喬虹,馮全,張芮,劉闐宇.  農(nóng)業(yè)工程學(xué)報(bào). 2018(17)
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的溫室黃瓜病害識(shí)別系統(tǒng)[J]. 馬浚誠(chéng),杜克明,鄭飛翔,張領(lǐng)先,孫忠富.  農(nóng)業(yè)工程學(xué)報(bào). 2018(12)
[9]基于WT-Otsu算法的植物病害葉片圖像分割方法[J]. 張會(huì)敏,謝澤奇,張善文,張?jiān)讫?  江蘇農(nóng)業(yè)科學(xué). 2017(18)
[10]基于EM和K-means混合聚類方法的植物葉片病害區(qū)域自動(dòng)提取[J]. 夏永泉,王兵,支俊,黃海鵬,孫靜茹.  浙江農(nóng)業(yè)學(xué)報(bào). 2017(08)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)VGG模型的小規(guī)模圖像分類[D]. 馮國(guó)徽.蘭州大學(xué) 2018
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的可見(jiàn)光圖像農(nóng)作物病蟲(chóng)害的檢測(cè)[D]. 衛(wèi)智熠.哈爾濱工業(yè)大學(xué) 2017



本文編號(hào)：3442748