棉花是我國(guó)主要的農(nóng)作物、經(jīng)濟(jì)作物,棉花在生長(zhǎng)過(guò)程中會(huì)不斷地受到病蟲害的侵襲,我國(guó)棉花每年大約有15%的經(jīng)濟(jì)損失源于病蟲害。目前針對(duì)棉花病蟲害的識(shí)別主要依賴于人工識(shí)別,勞動(dòng)力成本大,識(shí)別過(guò)程中主觀性因素較強(qiáng)。開(kāi)發(fā)一種智能識(shí)別棉花病蟲害的軟件系統(tǒng)有著十分重要的意義。為適應(yīng)智慧農(nóng)業(yè)發(fā)展需要,解決我國(guó)病蟲害棉葉檢測(cè)識(shí)別效率低,可靠性差的問(wèn)題,結(jié)合機(jī)器學(xué)習(xí)方法和棉花病蟲害發(fā)生特點(diǎn)本研究主要做了以下內(nèi)容:（1）采集健康、紅葉莖枯、紅蜘蛛、枯萎、黃萎、雙斑螢葉甲棉花葉片圖像各975張作為樣本集。訓(xùn)練不同的機(jī)器學(xué)習(xí)模型:支持向量機(jī)模型、極限學(xué)習(xí)機(jī)模型、卷積神經(jīng)網(wǎng)絡(luò)模型。（2）對(duì)三種機(jī)器學(xué)習(xí)模型進(jìn)行對(duì)比研究分析得出:支持向量機(jī)模型在核函數(shù)為多項(xiàng)式核函數(shù)時(shí),模型對(duì)病蟲害棉葉圖像的融合特征（灰度共生矩陣+Hu7+顏色直方圖）的訓(xùn)練準(zhǔn)確率為:99.99%,測(cè)試準(zhǔn)確率為:96.11%;激活函數(shù)為Sigmoid的極限學(xué)習(xí)機(jī)在隱層神經(jīng)元數(shù)目為200時(shí)對(duì)病蟲害棉葉顏色直方圖特征的訓(xùn)練準(zhǔn)確率為:98.33%,測(cè)試準(zhǔn)確率為:95.55%;遷移學(xué)習(xí)方式下學(xué)習(xí)率取0.001的微調(diào)CaffeNet模型對(duì)病蟲害棉葉的訓(xùn)練準(zhǔn)確率為... 

【文章來(lái)源】：石河子大學(xué)新疆維吾爾自治區(qū) 211工程院校

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

近十年全國(guó)棉花及新疆棉花單位面積產(chǎn)量統(tǒng)計(jì)圖

機(jī)器學(xué)習(xí)結(jié)合Android手機(jī)的病蟲害棉葉識(shí)別研究7之后再利用Caffe深度學(xué)習(xí)對(duì)AlexNet以及CaffeNet網(wǎng)絡(luò)模型進(jìn)行微調(diào)遷移訓(xùn)練，確定訓(xùn)練模型的主要參數(shù)。并且對(duì)所得模型進(jìn)行測(cè)試；最后將訓(xùn)練所得的機(jī)器學(xué)習(xí)模型進(jìn)行比較，以模型訓(xùn)練的準(zhǔn)確率為標(biāo)準(zhǔn)對(duì)三種機(jī)器學(xué)習(xí)方法（支持向量機(jī)、極限學(xué)習(xí)機(jī)、卷積神經(jīng)網(wǎng)絡(luò)）進(jìn)行比較得到較優(yōu)的適用于病蟲害棉葉識(shí)別的模型。（2）主功能界面的設(shè)計(jì)開(kāi)發(fā)利用Androidstudio開(kāi)發(fā)圖形用戶界面，滿足用戶需求。（3）模型移植使用JNI技術(shù)，并利用OpenCV中的Dnn模塊將本論文中訓(xùn)練好的較優(yōu)機(jī)器學(xué)習(xí)模型移植于Android手機(jī)。實(shí)現(xiàn)病蟲害棉葉圖像識(shí)別。本論文以棉花為主要研究對(duì)象，圍繞機(jī)器學(xué)習(xí)及移動(dòng)平臺(tái)開(kāi)發(fā)相關(guān)技術(shù)，采取理論分析，模型測(cè)試與試驗(yàn)相結(jié)合的方法開(kāi)展研究。通過(guò)由淺入深、循序漸進(jìn)、分步推進(jìn)的方式使得本論文包含的復(fù)雜科學(xué)問(wèn)題得以解決，并最終形成一個(gè)完整、系統(tǒng)的軟件。本論文的總體研究設(shè)計(jì)如圖1-2所示：首先，對(duì)采集的病蟲害棉葉進(jìn)行顏色特征提取，并在此基礎(chǔ)上建立病蟲害棉葉的數(shù)據(jù)庫(kù)模型以為后續(xù)的機(jī)器學(xué)習(xí)模型提供數(shù)據(jù)支撐。其次，對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行標(biāo)簽分類，借助深度學(xué)習(xí)（機(jī)器學(xué)習(xí)方法中的一種）框架搭建并訓(xùn)練得到適用于病蟲害棉葉識(shí)別的機(jī)器學(xué)習(xí)模型。再次，在以上的研究工作基礎(chǔ)上，利用AndroidStudio平臺(tái)開(kāi)發(fā)軟件所需的圖形用戶界面并將訓(xùn)練好的深度學(xué)習(xí)模型移植于識(shí)別軟件，最終完成病蟲害棉葉識(shí)別軟件的開(kāi)發(fā)。并且對(duì)所建立的模型進(jìn)行對(duì)比試驗(yàn)驗(yàn)證。圖1-2總體研究設(shè)計(jì)Fig.1-2Overallstudydesign

技術(shù)路線

【參考文獻(xiàn)】：
期刊論文
[1]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(cè)[J]. 王獻(xiàn)鋒,張傳雷,張善文,朱義海.  農(nóng)業(yè)工程學(xué)報(bào). 2018(14)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的草莓葉部白粉病病害識(shí)別[J]. 楊晉丹,楊濤,苗騰,朱超,沈秋采,彭宇飛,梅珀彰,黨雨晴.  江蘇農(nóng)業(yè)學(xué)報(bào). 2018(03)
[3]基于SVM和區(qū)域生長(zhǎng)結(jié)合算法的南方主要蔬菜害蟲分類識(shí)別（英文）[J]. 潘春華,肖德琴,林探宇,王春桃.  農(nóng)業(yè)工程學(xué)報(bào). 2018(08)
[4]深度學(xué)習(xí)文獻(xiàn)綜述[J]. 常立娜.  開(kāi)放學(xué)習(xí)研究. 2018(02)
[5]機(jī)器學(xué)習(xí)技術(shù)在療養(yǎng)數(shù)據(jù)挖掘中的應(yīng)用初探[J]. 李盼盼,譚慶平,曾平,王重,張浩宇,謝勤政,顏穎.  中國(guó)醫(yī)療設(shè)備. 2018(04)
[6]新媒體聯(lián)盟地平線報(bào)告:2017高等教育版[J]. S·亞當(dāng)斯貝克爾,M·卡明斯,A·戴維斯,A·弗里曼,C·霍爾給辛格,V·安娜塔娜額亞婻,殷丙山,高茜,任直,劉鑫馳,曹紅巖,王濟(jì)軍,趙廣元,邵恒.  開(kāi)放學(xué)習(xí)研究. 2017(02)
[7]基于圖像顯著性分析與卷積神經(jīng)網(wǎng)絡(luò)的茶園害蟲定位與識(shí)別[J]. 楊國(guó)國(guó),鮑一丹,劉子毅.  農(nóng)業(yè)工程學(xué)報(bào). 2017(06)
[8]基于機(jī)器學(xué)習(xí)的落葉松毛蟲發(fā)生面積預(yù)測(cè)模型[J]. 張文一,景天忠,嚴(yán)善春.  北京林業(yè)大學(xué)學(xué)報(bào). 2017(01)
[9]基于分層卷積深度學(xué)習(xí)系統(tǒng)的植物葉片識(shí)別研究[J]. 張帥,淮永建.  北京林業(yè)大學(xué)學(xué)報(bào). 2016(09)
[10]新媒體聯(lián)盟地平線報(bào)告:2016高等教育版[J]. L·約翰遜,S·亞當(dāng)斯·貝克爾,M·卡明斯,V·埃斯特拉達(dá),A·弗里曼,C·霍爾,殷丙山,高茜,趙廣元,李院春,李志強(qiáng),馮振振.  開(kāi)放學(xué)習(xí)研究. 2016(02)

博士論文
[1]棉蚜發(fā)生量信息快速獲取方法與監(jiān)測(cè)模型的建立研究[D]. 張國(guó)龍.石河子大學(xué) 2017

碩士論文
[1]基于智能手機(jī)黃曲霉菌毒素的快速檢測(cè)[D]. 張利永.電子科技大學(xué) 2019
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的病蟲害檢測(cè)算法及移動(dòng)客戶端的研究與實(shí)現(xiàn)[D]. 杜冉.安徽大學(xué) 2018
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的可見(jiàn)光圖像農(nóng)作物病蟲害的檢測(cè)[D]. 衛(wèi)智熠.哈爾濱工業(yè)大學(xué) 2017
[4]基于Android的黃瓜病蟲害檢測(cè)系統(tǒng)[D]. 郭彥麟.寧夏大學(xué) 2017
[5]基于決策樹(shù)的棉花病蟲害識(shí)別研究[D]. 王興國(guó).華北水利水電大學(xué) 2017
[6]基于Android的水稻病蟲害圖像識(shí)別與診斷系統(tǒng)的研究[D]. 張永玲.浙江理工大學(xué) 2018
[7]基于Android的棉花紅蜘蛛蟲害檢測(cè)技術(shù)研究[D]. 王靜.石河子大學(xué) 2016
[8]基于iOS的棉蚜蟲害信息采集與主動(dòng)服務(wù)系統(tǒng)研發(fā)[D]. 周文杰.石河子大學(xué) 2016
[9]基于Android移動(dòng)終端的煙草病蟲害圖像智能識(shí)別系統(tǒng)研究[D]. 吳子龍.云南農(nóng)業(yè)大學(xué) 2015
[10]基于Android的手機(jī)農(nóng)業(yè)專家系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 王安煒.山東大學(xué) 2011



本文編號(hào)：3555429