基于機器視覺和卷積神經(jīng)網(wǎng)絡(luò)的東北寒地玉米害蟲識別方法
發(fā)布時間:2021-04-07 23:26
隨著農(nóng)業(yè)現(xiàn)代化進程在全國各地的推進,東北農(nóng)業(yè)經(jīng)濟正在快速地發(fā)展,眾多先進的科學(xué)技術(shù)如大數(shù)據(jù)、物聯(lián)網(wǎng)、移動互聯(lián)、人工智能等被應(yīng)用到東北農(nóng)業(yè)生產(chǎn)中,并且逐步深入細化。在農(nóng)業(yè)種植領(lǐng)域,東北寒地玉米害蟲的識別與蟲害的預(yù)防一直是專家學(xué)者們研究的重要課題。東北地區(qū)位于溫帶季風(fēng)氣候區(qū),夏季溫?zé)岫檀俣嘤?冬季寒冷漫長干燥,因此東北寒地玉米作物蟲害有其獨特的特征,常見的害蟲有玉米黏蟲、玉米螟、草地貪夜蛾、雙斑玉螢葉甲等。本研究基于機器視覺和卷積神經(jīng)網(wǎng)絡(luò)的東北寒地玉米害蟲識別方法進行研究,通過圖像采集的預(yù)置采集點、巡航周期等實現(xiàn)定點、定時獲取大量采集數(shù)據(jù),將機器視覺識別、卷積神經(jīng)網(wǎng)絡(luò)模型測試放到采集前端,降低無效圖像帶寬占用,優(yōu)化了網(wǎng)絡(luò)資源;通過對卷積神經(jīng)網(wǎng)絡(luò)進行海量的東北寒地玉米害蟲圖像訓(xùn)練,實現(xiàn)從訓(xùn)練集到測試集的轉(zhuǎn)化,建立起東北寒地玉米害蟲識別的網(wǎng)絡(luò)模型;跈C器視覺和卷積神經(jīng)網(wǎng)絡(luò)的東北寒地玉米害蟲識別方法研究具有很高的應(yīng)用價值,在監(jiān)測植物生長狀態(tài)的同時,能夠精準、及時、實時地智能識別玉米害蟲,做好東北寒地玉米蟲害預(yù)警及應(yīng)對措施,降低作物種植生產(chǎn)風(fēng)險、提升生產(chǎn)效率,對東北農(nóng)業(yè)智能化、持續(xù)化、梯度化發(fā)展...
【文章來源】:江蘇農(nóng)業(yè)科學(xué). 2020,48(18)
【文章頁數(shù)】:8 頁
【文章目錄】:
1 圖像采集過程
2 識別訓(xùn)練
2.1 圖像處理
2.1.1 灰度處理
2.1.2 圖像二值化
2.1.3 加權(quán)平均法
2.2 卷積層
2.3 ReLU激活層
2.4 池化層
2.5 隨機失活(Dropout)層
2.6 全連接層
2.7 關(guān)于卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練中函數(shù)
2.7.1 損失(loss)函數(shù)
2.7.2 滑動平均(影子)
2.7.3 正則化
3 識別測試
3.1 單通道處理
3.2 高斯濾波處理
3.3 二值化
3.4 距離變換
3.5 形態(tài)學(xué)處理
3.6 邊緣檢測
4 反饋更新與效果
4.1 反饋更新
4.2 效果
5 結(jié)論
本文編號:3124394
【文章來源】:江蘇農(nóng)業(yè)科學(xué). 2020,48(18)
【文章頁數(shù)】:8 頁
【文章目錄】:
1 圖像采集過程
2 識別訓(xùn)練
2.1 圖像處理
2.1.1 灰度處理
2.1.2 圖像二值化
2.1.3 加權(quán)平均法
2.2 卷積層
2.3 ReLU激活層
2.4 池化層
2.5 隨機失活(Dropout)層
2.6 全連接層
2.7 關(guān)于卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練中函數(shù)
2.7.1 損失(loss)函數(shù)
2.7.2 滑動平均(影子)
2.7.3 正則化
3 識別測試
3.1 單通道處理
3.2 高斯濾波處理
3.3 二值化
3.4 距離變換
3.5 形態(tài)學(xué)處理
3.6 邊緣檢測
4 反饋更新與效果
4.1 反饋更新
4.2 效果
5 結(jié)論
本文編號:3124394
本文鏈接:http://sikaile.net/nykjlw/dzwbhlw/3124394.html
最近更新
教材專著