基于深度卷积网络的农业病虫害图像分类识别应用

• 作 者: 顾文璇
• 出 处: 武汉轻工大学
• 发表日期: 2017年01期
• 关键词: 机器学习 深度卷积神经网络 分类识别 农业病虫害

随着现代数字技术的发展,中国作为一个农业大国也要实现向数字化农业的方向进行转变。比如在农业种植过程中会需要及时准确的分析农作物病虫情况,从而做出快速准确的反应,采用有严格针对性且剂量精准的农药进行喷洒到受害部位,并保证农作物的健康部分尽量不接受农药喷洒。确保农药的高效性,并对农作物的整个生长过程进行数字化检测,实现高产高效,全面实现农业种植和管理数字化。本文以大豆叶子作为农业研究对象。由于大豆容易在种植中受到各类病虫害的侵害,特别是灰霉病和细菌性斑霉病是最常见的容易造成大豆减产的原因。如何及时发现这两种病虫害并迅速做出精准的措施是关键。首先,本文介绍了农业信息化过程中相关的信息技术和算法,并进行了国内外发展状况的详细分析。其次,随着深度学习技术的不断发展,卷积神经网络在图像分类和识别领域有一定的优势。希望借助于卷积神经网络技术,使其应用于防治农业病虫害的应用中。本文介绍了卷积神经网络的发展,包括卷积神经网络的研究历史、研究意义、工作原理和关键技术。再次,本文详细介绍了农作物健康区域与病虫害区域分割识别时涉及到的基本算法,包括图像预处理、图像增强算法、特征向量提取方法(主成分分析法和独立主成分分析法)、相关优化算法、特征波长提取方法和支持向量机算法。并采用实际样本,使用其相关算法做出初步实验结果,并对其进行分析。最后,研究了基于传统机器学习算法深度卷积神经网络,将深度卷积神经网络应用于大豆叶片病虫害的识别,针对于不同大小的输入数据设计不同网络结构以及所得到分割和识别结果。并与其它传统分类方法进行对比,发现深度学习的算法更为有效。