【摘 要】
：
准确判断农作物病害是监控农作物长势长情的重要的环节,计算机视觉图像技术和深度学习技术的发展,为精准农业提供了技术条件,为农业发展智能化提供了可能性。本文以番茄图像病害分类为切入点,采用一系列的图像处理技术优化图像数据集,在此基础上提出两种神经网络算法完成番茄叶片图像的病害分类和病害程度分类研究。本文的主要内容包括:（1）对数据进行预处理。本文的实验数据来源于Plantvillage工程提供的番茄图
论文部分内容阅读
准确判断农作物病害是监控农作物长势长情的重要的环节,计算机视觉图像技术和深度学习技术的发展,为精准农业提供了技术条件,为农业发展智能化提供了可能性。本文以番茄图像病害分类为切入点,采用一系列的图像处理技术优化图像数据集,在此基础上提出两种神经网络算法完成番茄叶片图像的病害分类和病害程度分类研究。本文的主要内容包括:（1）对数据进行预处理。本文的实验数据来源于Plantvillage工程提供的番茄图像数据集。首先,对该数据集进行数据清洗与筛选,去除冗余数据;其次,为了满足神经网络训练要求,达到良好的训练效果,采用简单的物理手段对图像数量进行扩充,并选择一系列的传统数据图像处理方法,用来去除图像中阴影等表现不良的部分。本文还对网络训练中用到的番茄病害类别图像进行进一步的图像裁剪,通过分块操作,提取出只有症状的图像中心位置,制作了症状数据集并用于网络输入,在提出的算法实验部分,该症状数据集确实对提升网络训练效果有积极作用。原始数据集和番茄病害症状数据集共同构成本文网络训练的番茄病害数据集。（2）结合迁移学习算法,建立以预训练模型ResNet-34为网络架构的番茄叶片图像病害分类模型。保存在大型数据集ImageNet上训练好的ResNet-34的网络参数,在原网络结构上,添加全连接层进一步优化特征,用于本文的番茄病害分类,使得网络模型在训练时可以快速收敛,在此基础上引入Sample Pairing数据增强方法,改善网络分类性能。在实验部分,通过超参数组合实验调整网络效果,冻结不同网络模块的迁移参数,验证迁移学习算法的有效性,最终通过与三种常见的网络模型和同样是在迁移学习背景下对番茄病害分类的两个相关模型做对比,在不同的评价指标上对本文分类结果进行评价,验证该算法的有效性,最终网络对于番茄病害的分类准确率可以达到97.06%。（3）结合番茄叶片图像数据标签层次结构,建立了以ResNet-50网络模块构成的多任务学习病害程度分类模型。网络由三部分构成:共享网络负责提供网络训练共性特征,粗粒度网络负责对番茄病害类别进行分类,细粒度网络添加SE模块采用三个并行网络模块,负责对番茄病害程度进行分类,其中粗粒度网络和细粒度网络之间采用级联操作传递信息。网络可以有效的对番茄病害程度进行分类,分类精度达到93.97%。在实验部分,通过对共享网络中的特征图进行可视化输出,验证级联操作对网络的影响,引入SE模块操作的有效性以及对并行网络分组的判定进行实验说明,来解释本文网络结构的可行性。最后以主任务病害程度分类为目标,通过与三种常见的扁平型架构网络做对比,验证提出的层次网络模型架构的优越性与有效性。
其他文献
胚胎体外生产和冷冻保存技术在家畜种质资源保存方面有重要应用价值。近年来,随着动物转基因技术研究的不断推进,各种转基因动物育种新材料不断出现,部分转基因动物已经进入安全性评价阶段,转基因动物新品种培育在家畜种业创新领域具有重要应用价值。目前,所有转基因动物育种材料均在封闭性条件下饲养管理,建立一套转基因动物种质材料保存和利用方法,对促进转基因育种研究有重要意义。口蹄疫病毒的抗原表位大部分集中在VP1
植被净初级生产力（Net Primary Production,NPP）是陆地生态系统碳通量的重要组成部分,也是植物自身生理特性和外界环境共同作用的结果。研究其时空变化特征和气候驱动因子,可为应对全球性气候和环境变化提供科学依据。本研究基于黄土高原2000-2015年气象栅格数据、MOD17A3 NPP数据、土地利用数据、省级区划数据,采用线性回归分析了气象要素时空变化特征;借助分段线性回归和变异
奶牛乳房炎是一种由于乳腺组织损伤感染而导致的奶牛所产牛奶品质下降、产量降低的疾病。各地区养殖场的病原菌由于气候、饲养管理情况以及奶牛自身因素等的影响表现出较大的差异。目前临床上对乳房炎的治疗仍存在未明确主要病原菌的情况下滥用抗生素的情况,造成了极大程度的药物残留以及病原菌的耐药性增高。本研究采集了陕西地区的3个奶牛养殖场的126份奶牛乳房炎乳样,分离鉴定乳样中的主要病原菌并对高检出的蜡样芽孢杆菌、
目前,无线传感器网络（Wireless Sensor Networks,WSNs）广泛应用于军事反恐、环境监测、精细农业、医疗健康、智能家居和工业生产控制领域。在WSNs中使用不同类型的节点进行监测时,会形成异构无线传感器网络（Heterogeneous Wireless Sensor Networks,HWSNs）。在HWSNs中,覆盖空洞是一个关键基础性问题,传感器节点被飞行器随机抛洒于指定区
图像降噪是图像处理中的一项基础技术,同时它也是图像处理中一项热门研究。图像处理在医学图像中应用广泛,医学图像是医生判断病灶、诊断病情的依据和辅助工具,所以研究如何更好去除医学图像噪声具有重要的现实意义。在分析和研究现有图像降噪方法基础上,发现已有方法仍然存在一些不足,诸如,降噪后出现纹理模糊、对多种噪声情况研究较少、缺乏对真实图像应用等问题。论文主要研究用神经网络如何对图像进行降噪,主要内容有神经
共享单车因其便捷和环保等优点,作为城市公共交通的辅助手段,近年来备受青睐。然而,在实际使用中,共享单车极易出现资源分配不平衡的现象,即在一些区域“供不应求”的同时,其他区域则又可能“供大于求”。因此,探讨共享单车的资源分配问题,对于降低运营成本,提高用户满意度具有重要意义。本文针对现有研究,缺乏对共享单车系统复杂时空关系挖掘的问题,探索研究基于时空聚类的单车停放站点划分方法及其单车需求预测模型。（
基于大量的电子病历数据,智慧医疗使用现代计算机技术手段结合现有医疗数据辅助医生进行诊疗。本文通过深度学习方法结合电子病历数据构建深度学习模型,从而帮助医生对患者完成疾病诊断以及后续的药品推荐,进而提高医生的治疗效率。主要完成了以下工作:（1）构建了1D-DLSTM疾病诊断模型。首先,通过结合ICD-10构建了医学领域的专业词库,并使用Jieba分词法联合医学词库对病历进行分词。其次,利用Skipg
糖尿病性视网膜病变是导致成人视力障碍的主要原因,及早发现并治疗对于降低患者的致盲风险至关重要。基于深度卷积神经网络（CNN）的方法可以有效地通过对患者视网膜眼底图像进行分类,实现病变的分类检测。此类方法通常需要一个大型的已标注数据集来支持模型训练,但在实际应用中,高质量、大规模的标注数据集获取往往面临诸多挑战。同时,深层CNN模型,不仅训练耗时,而且容易导致过拟合等问题。因此,探索一种基于CNN且
无线传感器网络（Wireless Sensor Networks,WSNs）作为智能科技领域研究开发的基础设施,因其具有感知性能强和运算处理快速等特点而被广泛应用于众多领域。随着网络应用环境的不断变化,传感器节点的种类变得多样化,节点性能得到高质量的提升。人工智能时代的到来,涌现了大量的智能产品,无线传感器网络作为基础构件,被广泛应用于物联网智慧城市、智能家居、自然灾害监测预报预警、智能医疗与健康
图像去模糊技术不仅是计算机视觉范畴内的研究热点之一,也是最基本且具有研究意义的课题。手持设备和被拍摄物体之间的相对运动会使图像产生模糊效应,而将复杂的模糊图像通过算法模型复原出清晰的图像是图像去模糊的主要目标。由于模糊核的生成不满足唯一性,因此图像盲去模糊即是一种不适定性问题,也是一种病态问题。随着深度学习技术在图像处理领域的不断应用,图像去模糊技术在评价指标、视觉效果上均有所提升。深度神经网络通