為了實現(xiàn)水稻飛虱蟲害診斷,解決傳統(tǒng)測報系統(tǒng)中存在的誤報率高的問題,利用深度學習算法從硬件和軟件兩個方面對水稻飛虱蟲害圖像測報系統(tǒng)進行優(yōu)化設(shè)計。測報硬件系統(tǒng)主要由主機、分機、傳感器以及圖像采集設(shè)備組成,并通過電源電路為硬件設(shè)備提供電力支持。在硬件設(shè)備安裝完成的基礎(chǔ)上,建立數(shù)據(jù)庫為軟件功能的實現(xiàn)提供基礎(chǔ)數(shù)據(jù),并利用深度學習算法通過采集圖像預(yù)處理、識別水稻飛虱蟲害和啟動異常報警程序三個步驟實現(xiàn)圖像測報功能。為了檢測設(shè)計的基于深度學習算法的水稻飛虱蟲害圖像測報系統(tǒng)的性能,設(shè)計系統(tǒng)測試實驗。經(jīng)過與傳統(tǒng)測報系統(tǒng)的對比可以發(fā)現(xiàn),設(shè)計的蟲害圖像測報系統(tǒng)的誤差率降低了0.19%,且平均時間消耗節(jié)省了0.64 s。 

【文章來源】：現(xiàn)代電子技術(shù). 2020,43(21)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

蟲害圖像測報硬件系統(tǒng)結(jié)構(gòu)圖

穩(wěn)壓電源電路圖

傳感器設(shè)備主要用來采集實時水稻稻田的圖像，然而不同的環(huán)境需要設(shè)置不同的圖像參數(shù)，例如，當?shù)咎锃h(huán)境處于陰天或光線較弱時需要調(diào)節(jié)圖像采集設(shè)備的光圈以及其他參數(shù)數(shù)值，因此需要在硬件系統(tǒng)中設(shè)置數(shù)據(jù)傳感器。其中包括溫度傳感器、濕度傳感器、光照強度傳感器、下雨情況判斷傳感器等[4]。多個傳感器按照自身的參數(shù)采集原理通過協(xié)調(diào)工作的方式得到相關(guān)的傳感數(shù)據(jù)，參考對應(yīng)的傳感結(jié)果提升采集圖像分辨率。其中，光照強度傳感器中的電路分布情況如圖3所示。1.4 圖像采集設(shè)備

【參考文獻】：
期刊論文
[1]佳多蟲情圖像自動信息采集測報燈對幾種水稻害蟲的圖像監(jiān)測效果評價[J]. 李廣香,辛德育,李旭林,覃德注,張世聯(lián),謝茂昌.  廣西植保. 2019(01)
[2]基于深度學習的糧庫蟲害實時監(jiān)測預(yù)警系統(tǒng)[J]. 羅強,黃睿嵐,朱軼.  江蘇大學學報(自然科學版). 2019(02)
[3]基于神經(jīng)網(wǎng)絡(luò)的高分辨率快速目標檢測方法[J]. 馮珂垚,饒鵬,陸福星,朱含露.  電子設(shè)計工程. 2018(22)
[4]農(nóng)業(yè)害蟲自動識別與監(jiān)測技術(shù)[J]. 封洪強,姚青.  植物保護. 2018(05)
[5]基于自適應(yīng)判別深度置信網(wǎng)絡(luò)的棉花病蟲害預(yù)測[J]. 王獻鋒,張傳雷,張善文,朱義海.  農(nóng)業(yè)工程學報. 2018(14)
[6]基于深度學習的植物病蟲害圖像識別[J]. 安強強,張峰,李趙興,張雅瓊.  農(nóng)業(yè)工程. 2018(07)
[7]基于RGB統(tǒng)計特征的農(nóng)作物蟲害圖像感知系統(tǒng)設(shè)計[J]. 周杰,潘宏俠,唐明軍,陶濤.  安徽農(nóng)業(yè)科學. 2017(27)
[8]淺談林區(qū)病蟲害數(shù)據(jù)庫的建立與共享[J]. 王惠.  中國林業(yè)產(chǎn)業(yè). 2017(02)
[9]分布式移動農(nóng)業(yè)病蟲害圖像采集與診斷系統(tǒng)設(shè)計與試驗[J]. 姚青,張超,王正,楊保軍,唐健.  農(nóng)業(yè)工程學報. 2017(S1)



本文編號：3599182