發(fā)布時間：2021-03-16 08:20

　　長期以來,我國將農(nóng)業(yè)作為國民經(jīng)濟發(fā)展的基礎(chǔ)。近些年來,受氣候變化、農(nóng)作物布局調(diào)整等因素的影響,農(nóng)作物病蟲害種類越來越多,發(fā)生面積越來越廣,受災(zāi)程度越來越嚴重,而過度地使用農(nóng)藥,會對環(huán)境造成破壞,并且農(nóng)產(chǎn)品質(zhì)量安全難以保證。健全病蟲害監(jiān)測體系,可以減少農(nóng)藥的使用,提高農(nóng)作物病蟲害的防治水平。蟲害監(jiān)測是病蟲害監(jiān)測體系的重要組成部分,而害蟲識別與計數(shù)是蟲害監(jiān)測的基礎(chǔ)。傳統(tǒng)的人眼觀察判斷方法,效率低,人力成本大,而聲測法、紅外傳感器監(jiān)測等方法對設(shè)備的要求很高,而且不適應(yīng)于農(nóng)業(yè)害蟲監(jiān)測。隨著計算機技術(shù)的發(fā)展,基于圖像的害蟲識別與計數(shù)方法已成為研究熱點。目前使用的方法大都是利用人工進行設(shè)計提取特征,再結(jié)合傳統(tǒng)的機器學習算法進行識別,這種人工設(shè)計特征的方法受人為主觀性的制約。深度學習的提出,憑借其自動提取特征的優(yōu)勢,極大促進了機器學習的發(fā)展。本文將深度學習引進農(nóng)作物害蟲識別與計數(shù)領(lǐng)域,通過改進現(xiàn)有的目標檢測框架實現(xiàn)粘蟲板圖像害蟲識別,并在識別的基礎(chǔ)上實現(xiàn)分類計數(shù)。本文主要研究內(nèi)容如下:（1）由于本文采集的粘蟲板害蟲圖像分辨率較低,且圖像中包含的害蟲體積小,形狀紋理結(jié)構(gòu)較為復(fù)雜,普通相機受像素、焦距和... 

【文章來源】：中國礦業(yè)大學江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：89 頁

【學位級別】：碩士

【部分圖文】：

本文研究技術(shù)路線圖

采集現(xiàn)場圖

實驗對象放大圖


本文編號：3085731