本文選題：冬棗病害識別 + 冬棗病害圖像��； 參考：《浙江農(nóng)業(yè)學(xué)報》2017年11期

【摘要】：針對傳統(tǒng)的作物病害識別方法中人為提取的分類特征,對復(fù)雜作物病害圖像的形狀、光照和背景比較敏感等問題,提出一種基于物聯(lián)網(wǎng)和深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)的冬棗病害識別方法。DCNN由1個輸入層、4個卷積層、3個下采樣層、1個全連接層和1個輸出層組成。利用該方法能夠提取冬棗病害圖像的有效特征,并識別病害類型,避免了傳統(tǒng)作物病害識別方法中繁瑣的特征提取過程。在4種冬棗病害果實數(shù)據(jù)庫上進行了冬棗病害識別實驗,識別率達到92%以上。試驗結(jié)果表明,該方法適合利用物聯(lián)網(wǎng)采集的大規(guī)模視頻病害圖像進行冬棗病害識別。
[Abstract]:In view of the classification characteristics extracted by traditional crop disease identification methods, the shape, light and background of complex crop disease images are sensitive, and a new identification method based on Internet of things and deep convolution neural network (DCNN).DCNN is proposed, which consists of 1 input layers, 4 coiling layers, 3 down sampling layers, and 1 full connections. This method can extract the effective features of the winter jujube disease image and identify the disease type, and avoid the complicated feature extraction process in the traditional crop disease identification method. The experiment of identification of winter jujube disease on the 4 winter jujube disease fruit database is carried out, the recognition rate is up to 92%. The test results show that this method is more than 92%. The method is suitable for the identification of winter jujube disease by using large-scale video disease images collected by Internet of things.

【作者單位】： 西京學(xué)院信息工程學(xué)院;
【基金】：國家自然科學(xué)基金項目(61473237) 陜西省自然科學(xué)基礎(chǔ)研究計劃(2016GY-141)
【分類號】：S436.65;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 姜志剛,賀向輝,宋文東,胡廣波,王大明;劣質(zhì)農(nóng)藥的識別方法[J];煙臺果樹;2004年04期

2 張春;;試論農(nóng)藥的選擇與識別方法[J];農(nóng)民致富之友;2010年04期

3 黃開杰;李宏儒;;試論農(nóng)藥的選擇與識別方法[J];農(nóng)民致富之友;2012年14期

4 張國治;;土壤缺乏作物養(yǎng)分的識別方法(下)[J];云南農(nóng)業(yè)科技;1978年05期

5 萬莉;農(nóng)藥質(zhì)量簡易識別方法[J];四川農(nóng)業(yè)科技;2000年04期

6 馮旭東,陳方;神經(jīng)網(wǎng)絡(luò)在病蟲害診斷中的應(yīng)用[J];電腦開發(fā)與應(yīng)用;1999年01期

7 蘇超;方崇;黃偉軍;;SOM神經(jīng)網(wǎng)絡(luò)在農(nóng)業(yè)旱情評價中的應(yīng)用[J];人民黃河;2011年07期

8 張映梅,李修煉,趙惠燕;模擬人工神經(jīng)網(wǎng)絡(luò)對小麥吸漿蟲發(fā)生程度的預(yù)測[J];西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版);2003年S1期

9 黎粵華,梁穎紅,王述洋;人工神經(jīng)網(wǎng)絡(luò)技術(shù)在林火重災(zāi)年預(yù)測中的應(yīng)用前景[J];林業(yè)勞動安全;2001年01期

10 韋艷玲;;基于模糊聚類的神經(jīng)網(wǎng)絡(luò)蟲情預(yù)測[J];Agricultural Science & Technology;2009年04期

相關(guān)博士學(xué)位論文 前2條

1 吳翔;基于機器視覺的害蟲識別方法研究[D];浙江大學(xué);2016年

2 熊雪梅;參數(shù)化模糊遺傳神經(jīng)網(wǎng)絡(luò)及在植物病害預(yù)測的應(yīng)用[D];南京農(nóng)業(yè)大學(xué);2004年

相關(guān)碩士學(xué)位論文 前3條

1 米雅婷;基于GA-BP神經(jīng)網(wǎng)絡(luò)的溫室番茄病害診斷研究[D];東北林業(yè)大學(xué);2016年

2 楊書顯;基于PSO算法的氧樂果合成過程建模與控制研究[D];鄭州大學(xué);2010年

3 饒丹丹;一種基于BP神經(jīng)網(wǎng)絡(luò)對水稻害蟲預(yù)測的研究[D];武漢輕工大學(xué);2013年

，

本文編號：1812905