實(shí)時(shí)準(zhǔn)確地識(shí)別出農(nóng)業(yè)害蟲種類是有效開展蟲情防治工作的重要前提。目前,我國農(nóng)作物害蟲的診斷方法主要是依靠人工識(shí)別,主觀因素大,實(shí)時(shí)性差,而且昆蟲分類學(xué)家較少,農(nóng)民專業(yè)知識(shí)又相對(duì)缺乏,在基層植保人員日益減少的情況下亟需便捷的農(nóng)作物害蟲智能識(shí)別工具。隨著智能手機(jī)的普及和深度學(xué)習(xí)在圖像識(shí)別中的成功應(yīng)用,利用手機(jī)拍攝害蟲圖像并進(jìn)行實(shí)時(shí)識(shí)別已成為許多學(xué)者研究的熱點(diǎn)。本論文以34種常見農(nóng)作物害蟲為研究對(duì)象,建立了基于深度學(xué)習(xí)的農(nóng)業(yè)害蟲圖像智能識(shí)別系統(tǒng),包括手機(jī)客戶端,云服務(wù)端和深度學(xué)習(xí)算法,實(shí)現(xiàn)了害蟲圖像高效、實(shí)時(shí)、準(zhǔn)確的識(shí)別。主要研究?jī)?nèi)容與成果如下:(1)開發(fā)基于Andriod平臺(tái)的客戶端應(yīng)用軟件�？赏ㄟ^注冊(cè)賬號(hào)、短信驗(yàn)證或QQ驗(yàn)證進(jìn)行登錄。當(dāng)在農(nóng)業(yè)生產(chǎn)活動(dòng)中遇到未知的害蟲時(shí),可通過客戶端應(yīng)用軟件拍攝或選取相冊(cè)中的害蟲圖像,經(jīng)預(yù)覽、裁剪等操作處理后上傳至服務(wù)器進(jìn)行識(shí)別診斷,同時(shí)可以通過信息確認(rèn)的方式將識(shí)別結(jié)果同步到地圖界面上,與廣大用戶共同了解身邊以及全國范圍內(nèi)的害蟲分布信息。用戶還可以通過查詢的方式進(jìn)行農(nóng)作物害蟲的認(rèn)識(shí)與了解,學(xué)習(xí)正確的化學(xué)防治與生物防治措施。此外還可在個(gè)人中心查看以往的識(shí)別記錄...

【文章頁數(shù)】：59 頁

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景、目的與意義
        1.1.1 研究背景
        1.1.2 目的與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于經(jīng)典模式識(shí)別的農(nóng)業(yè)害蟲識(shí)別方法研究
        1.2.2 基于深度學(xué)習(xí)的農(nóng)業(yè)害蟲識(shí)別方法研究
        1.2.3 農(nóng)業(yè)害蟲智能識(shí)別應(yīng)用現(xiàn)狀
    1.3 論文研究?jī)?nèi)容
    1.4 技術(shù)路線
    1.5 論文安排
第二章 基于Andriod平臺(tái)的農(nóng)業(yè)害蟲智能識(shí)別客戶端的設(shè)計(jì)與實(shí)現(xiàn)
    2.1 程序架構(gòu)設(shè)計(jì)
        2.1.1 MVC與 MVP架構(gòu)模式
        2.1.2 程序項(xiàng)目結(jié)構(gòu)分析
    2.2 Android開源庫
        2.2.1 Ok Http網(wǎng)絡(luò)通信框架
        2.2.2 Glide圖片加載框架
    2.3 程序界面與功能開發(fā)
        2.3.1 登錄界面設(shè)計(jì)
        2.3.2 主界面設(shè)計(jì)
        2.3.3 農(nóng)業(yè)害蟲信息查詢模塊
        2.3.4 農(nóng)業(yè)害蟲地圖分布模塊
        2.3.5 農(nóng)業(yè)害蟲智能診斷模塊
        2.3.6 專家遠(yuǎn)程診斷模塊
    2.4 本章小結(jié)
第三章 云服務(wù)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)
    3.1 服務(wù)端開發(fā)設(shè)計(jì)
        3.1.1 應(yīng)用程序服務(wù)器搭建
        3.1.2 二進(jìn)制流解析與圖片壓縮
        3.1.3 基于深度學(xué)習(xí)的農(nóng)業(yè)害蟲識(shí)別算法的調(diào)用
        3.1.4 云服務(wù)器部署
    3.2 數(shù)據(jù)庫搭建
        3.2.1 數(shù)據(jù)庫的訪問與優(yōu)化
        3.2.2 數(shù)據(jù)庫表設(shè)計(jì)
    3.3 本章小結(jié)
第四章 基于深度學(xué)習(xí)的農(nóng)業(yè)害蟲圖像識(shí)別算法的研究
    4.1 Caffe深度學(xué)習(xí)框架的搭建
    4.2 基于深度卷積神經(jīng)網(wǎng)絡(luò)的農(nóng)業(yè)害蟲識(shí)別模型的訓(xùn)練與測(cè)試
        4.2.1 農(nóng)業(yè)害蟲識(shí)別模型的訓(xùn)練
        4.2.2 農(nóng)業(yè)害蟲識(shí)別模型的測(cè)試
    4.3 本章小結(jié)
第五章 基于深度學(xué)習(xí)的農(nóng)業(yè)害蟲智能識(shí)別系統(tǒng)的測(cè)試與分析
    5.1 測(cè)試環(huán)境
    5.2 系統(tǒng)測(cè)試與分析
        5.2.1 功能測(cè)試
        5.2.2 性能測(cè)試
        5.2.3 識(shí)別響應(yīng)時(shí)間
        5.2.4 系統(tǒng)依賴庫測(cè)試
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間的科研成果



本文編號(hào)：3734761