【摘要】：目前我國傳統(tǒng)的糧庫儲糧害蟲識別技術(shù)都是通過人工操作在單機的情況下進行的,在操作的過程中暴露了很多弊端,大量耗時、誤判高、成本高、效率低[1]。面對不斷擴大的糧倉規(guī)模,傳統(tǒng)的方法顯然已經(jīng)不能滿足對害蟲檢測識別的需求,為了能夠快速識別這些龐大的數(shù)據(jù),可以借助分布式處理云平臺進行處理。分布式處理平臺采用分布式計算技術(shù),擁有多個處理器和存儲系統(tǒng),可以對多個程序或者并發(fā)程序在松耦合或者集中控制的方式下進行計算,可以降低計算成本、存儲海量數(shù)據(jù)、按需獲取。本文采用了基于分布式云平臺的并行BP神經(jīng)網(wǎng)絡算法對害蟲進行圖像識別。該圖像識別系統(tǒng)采用了全局異步,局部同步的工作原理,當控制層收到用戶的請求后調(diào)用過渡層的算法集群,過渡層針對檢測到的不同的害蟲特征,在每個處理階段調(diào)用最優(yōu)的算法來提高圖像處理速率。然后將該系統(tǒng)部署到云平臺,云平臺收到用戶指令后會調(diào)用該系統(tǒng)并對圖像進行識別操作,將識別結(jié)果通過網(wǎng)絡反饋給用戶。本文通過實驗將該系統(tǒng)與傳統(tǒng)的單機識別系統(tǒng)做了性能上的對比分析,實驗證明該系統(tǒng)大大提高了害蟲檢測識別的速率,并在文章最后闡述了基于云平臺圖像檢測識別系統(tǒng)的具體實現(xiàn)。以下是論文的主要研究工作:(1)詳細分析了當下害蟲檢測技術(shù)的發(fā)展研究現(xiàn)狀,重點闡述了分布式文件系統(tǒng)和MapReduce并行框架的設計原則、架構(gòu)組成以及如何處理文件的讀取和寫入請求。(2)針對基于云平臺的害蟲圖像檢測識別系統(tǒng)進行設計分析,具體描述了圖像在預處理階段、圖像分割階段、特征值提取階段所采用的算法集群,系統(tǒng)根據(jù)樣本圖像的不同特征采用最合適的算法進行處理,同時系統(tǒng)還設置了算法參數(shù)列表,根據(jù)全局異步、局部同步的方法通過控制層對底層算法模塊進行具體調(diào)用,提高了處理效率,節(jié)約了處理成本。(3)設計基于并行BP神經(jīng)網(wǎng)絡的圖像分類器,并構(gòu)建網(wǎng)絡訓練模型,對神經(jīng)網(wǎng)絡的并行化過程進行了具體描述,根據(jù)實驗數(shù)據(jù)對樣本進行訓練。根據(jù)實驗的結(jié)果對基于并行化神經(jīng)網(wǎng)絡算法的識別系統(tǒng)與傳統(tǒng)的系統(tǒng)進行了性能的對比分析。(4)介紹了云平臺的服務流程以及整體設計,采用Hadoop搭建了云平臺,對Hadoop前置環(huán)境和集群模式進行了配置,并闡述了基于云平臺害蟲識別系統(tǒng)的具體實現(xiàn)。
【學位授予單位】：河南工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：S379.5;TP391.41
【圖文】：

鋸谷盜樣本圖像 圖 9 玉米象樣本圖像 圖 10 扁谷盜樣預處理集完樣本圖像之后需要對樣本數(shù)據(jù)進行預處理，是因為在數(shù)據(jù)圖像不同程度不同因素的噪聲污染和破損，為了使樣本數(shù)據(jù)能夠正常的

鋸谷盜樣本圖像 圖 9 玉米象樣本圖像 圖 10 扁谷盜樣預處理集完樣本圖像之后需要對樣本數(shù)據(jù)進行預處理，是因為在數(shù)據(jù)圖像不同程度不同因素的噪聲污染和破損，為了使樣本數(shù)據(jù)能夠正常的

【參考文獻】

相關(guān)期刊論文 前10條

1 楊曉雁;;基于Hadoop的海量數(shù)據(jù)的分布式存儲關(guān)鍵技術(shù)研究[J];自動化與儀器儀表;2016年10期

2 秦東霞;韋家驥;齊迎春;;基于Hadoop的云平臺設計與實現(xiàn)[J];智能計算機與應用;2016年04期

3 劉永;;云計算技術(shù)研究綜述[J];軟件導刊;2015年09期

4 王于丁;楊家海;徐聰;凌曉;楊洋;;云計算訪問控制技術(shù)研究綜述[J];軟件學報;2015年05期

5 祝玉華;李苗;黨豪;甄彤;;儲糧害蟲檢測識別技術(shù)研究現(xiàn)狀與展望[J];河南工業(yè)大學學報(自然科學版);2015年02期

6 張宏;馬巖;李勇;張銳利;張學軍;張銳;;基于遺傳BP神經(jīng)網(wǎng)絡的核桃破裂功預測模型[J];農(nóng)業(yè)工程學報;2014年18期

7 鞠訓光;邵曉根;鮑蓉;徐德蘭;王海鷹;;Hadoop下并行BP神經(jīng)網(wǎng)絡駱馬湖水質(zhì)分類[J];南京師大學報(自然科學版);2014年01期

8 路靜;傅洪亮;;儲糧害蟲檢測和分類識別技術(shù)的研究[J];糧食儲藏;2014年01期

9 張巖;郭松;趙國海;;基于Hadoop的云計算試驗平臺搭建研究[J];沈陽師范大學學報(自然科學版);2013年01期

10 沈國峰;程筱勝;戴寧;崔海華;;基于L-M算法優(yōu)化BP神經(jīng)網(wǎng)絡的儲糧害蟲分類識別研究[J];中國制造業(yè)信息化;2012年07期

相關(guān)博士學位論文 前1條

1 劉婷婷;面向云計算的數(shù)據(jù)安全保護關(guān)鍵技術(shù)研究[D];解放軍信息工程大學;2013年

相關(guān)碩士學位論文 前10條

1 喬娜娜;基于生物光子學小麥隱蔽性害蟲檢測機理及分類研究[D];河南工業(yè)大學;2016年

2 李苗;基于誘捕技術(shù)的儲糧害蟲生長趨勢模型研究[D];河南工業(yè)大學;2016年

3 楊文翰;基于數(shù)字圖像處理的棉花害蟲識別體系研究[D];四川農(nóng)業(yè)大學;2015年

4 王帥;面向多云盤的終端透明加密存儲系統(tǒng)研究與實現(xiàn)[D];解放軍信息工程大學;2015年

5 張巍;多源圖像的分割與識別算法研究[D];上海交通大學;2015年

6 李玉丹;并行BP神經(jīng)網(wǎng)絡多模式分類模型的研究[D];遼寧師范大學;2014年

7 王凡;藏儲物害蟲特征提取與識別分類研究[D];青島科技大學;2014年

8 王九各;基于圖像分割的織物疵點檢測與識別算法研究[D];中原工學院;2014年

9 趙洪昌;云計算下的關(guān)聯(lián)分析和模糊聚類研究[D];南京信息工程大學;2013年

10 張良將;基于Hadoop云平臺的海量數(shù)字圖像數(shù)據(jù)挖掘的研究[D];上海交通大學;2013年

本文編號：2728174