论文部分内容阅读
银杏是一种重要的经济林木,具有极高的药用价值和观赏价值,其特有的萜烯类成分让它在医药领域不可替代,因此具有很大的发展潜力。在林业防护工作方面,随着互联网与计算机技术的发展,林业数字化管理和“智慧林业”已成为趋势,机器视觉对实现林区实时监控,和推动林业信息数字化管理有重大意义。在这样的背景下,探索通过电子移动设备实现对银杏健康状态的监测和识别,让林区管理者能够尽早掌握苗木状态,对患病林木及早进行救治成为了必要。本文选取患有不同程度轮纹病的银杏叶片作为实验样本,设计卷积神经网络对叶片样本的五种健康状态进行分级。根据银杏轮纹病患病后的叶片特点,本文设计18层卷积神经网络,包含四组特征提取层,两个全连接层,通过调节卷积核参数、学习率和样本集,对网络性能进行多方面测试。采用数据增强的方法实现样本扩充至原始样本集的5倍,其中包含为测试网络鲁棒性而设计的模糊化处理样本。通过调节卷积核大小参数,可以在范围内增加特征映射层来提高识别精度。卷积神经网络识别样本集中五种不同程度患病叶片时的正确率平均可以达到94.85%,最高可达100%。选取训练良好的模型统计模型中对每类的绿色得分,并以此值作为数字化判断叶片患病等级分类的标准。在电脑端实现分级识别功能后将其封装,通过模型转换后使用Java语言设计手机程序,程序在手机端安装好后就实现了移动客户端对银杏叶片的患病等级检测。另外,本文设计两组对比实验,分别是经典的Alex-net和基于K-Means聚类特征提取的BP神经网络,综合对比实验数据后表明本文设计的卷积神经网络最优。