基于web的亚热带常见自然林病虫害识别系统——开篇

这篇具有很好参考价值的文章主要介绍了基于web的亚热带常见自然林病虫害识别系统——开篇。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

前言

随着年底的到来,我相信越来越多的小伙伴也要开始着手自己的毕业设计,这里打算分享我自己的毕业设计,以及我的二次开发创作的项目,为大家的毕业设计提供一定的参考,如果有毕业问题相关的小伙伴也可以及时跟我沟通,我会及时回复大家!开篇我先介绍一下我的毕业设计——基于web的亚热带常见自然林病虫害识别系统。

概要

从我国建国以来,在我国共设立了二千七百五十个天然保护地,包括我国级的四百七十
四个,天然保护地的总土地建筑面积超过了 147 万平方公里,约占到中国陆域土地的百分之十五,而且林业生态保护整治一直是我国林业发展的重点之一。随着科技的不断进步和人工智能技术的不断成熟,机器学习和大数据技术得到了广泛的应用。

为实现对亚热带区域常见自然林木叶片病害识别,并做到有效防控、保护生态环境以及
减少因病虫害造成重大林场重大经济损失,文中建议了卷积式神经网络的模型和 WEB 服务器,并设计了亚热带自然林常见病害识别系统。该系统采用了 TensorFlow 架构,并提供了二层的 CNN+SoftMax 分层卷积神经网络模式,自动了解到八个病害的图形特性,并通过softmax 分级器辨识病害,识别准确率达 98%。与此同时,该系统使用 MySQL 轻量级数据库以及应用 Django 框架而开发的后台业务。主要功能是上传病害图像、提取病害结果功能,并为相关病虫害提出了完整的全栈式整治方法。

首先,对该系统所需亚热带常见自然林的叶片进行采集,该系统目前只挑选荔枝(无
患子科荔枝属植物)树叶,黄皮(芸香科黄皮属植物)树叶以及油茶(山茶科植物)树叶共计 5000 张叶片照片,对采样图像进行预处理。其次,使用卷积神经网络生成识别模型,测试模型的正确度,完成对系统的前端与后台总体设计以及代码编写。最后,通过系统进行整合测试,证明了该算法是非常有效的,能够 98%的准确度,有
效实现对采集的叶片进行病虫害的识别与诊断。
关键词:卷积神经网络;病虫害识别;亚热带自然林

论文组织结构

本文主要研究了基于卷积神经网络为亚热带常见 3 种植物的病虫害进行识别与
提供解决方案,这三种植物分别是野生荔枝、油茶与黄皮。针对实际应用的场
景首先收集数据集,其次设计卷积神经网络结构,并进行多次训练。最后,对该方
法的实用性进行了测试,且给出了该种训练方法的综合评价和结果。
论文组织结构和具体研究内容如下:

  • 第 1 章绪论。重点论述了文章选题的历史背景及其意义,文章科学研究的内容及
    其在国外的一个科学研究现象、重点剖析了本文章成果的现实应用价值,及其它的研究结论和内容。

  • 第二章 相关理论简介。详细介绍了论文中使用的各种技术,包括深度学习、
    卷积神经网络,python等知识

  • 第三章 亚热带常见自然林病虫害识别系统的需求分析。主要从系统可行性、客
    户需求两个方面着手分析需求。

  • 第四章 信息系统的总体设计与完成。本文着重说明数据库系统的总体架构,数
    据库模型的结构。

  • 第五章 系统的实现与测试。主要从数据采集,算法设计、模型构建以及系统的
    界面、功能等模块进行详细描述与介绍。

  • 第六章 总结与发展。对本论文研究的重点内容作出了归纳与汇总,以及对于未
    来的工作作出展望。

相关理论技术简介

Tensorflow

TensorFlow[可以使用这个 API 把计算工作安装在桌面设备、服务器或移动设备上的一个或多个 CPU 或 GPU 当中。在目前众多的深度学习框架中,它具有以下优点:
(1)高度的灵活性
TensorFlow 允许人们利用计算图的方法还建一个网站,同时也能够非常简单的对网络进行运算。
(2)真正的可移植性
TensorFlow 也能够同时在 CPU 或是 GPU 上工作,能够同时在台式机,服务器设备, 以及移动机器上工作。
(3)多语言支持
TensorFlow 通过极其易用的编程语言 python 来构造并运行我们的计算图,同样也支援 C++的编程语言。
(4)丰富的算法库
TensorFlow 给出了在整个开放的学习架构里,最全的计算库,同时也持续的在增加最新的计算库。在使用过程当中基本不用自己定义就能实现全部该系统的功能

Django web 开发框架

Django是一个基于 MVC 构造 python 的 Web 开发框架。MVC 职责如下:1.模式
(Model),亦即在数据存储层负责与数据关联的各种事务。2.模板(Template),为表现
层进行与表达有关的选择。3.视图(View),亦即从业务逻辑层中存取模块或调取恰当
模块的有关逻辑。该框架由如下优点:

  1. 开发速度快。
  2. 囊括了网站开发中的用户管理、内容管理、网站地图、RSS 等常用的众
    插件。
  3. 安全性强,比如Django默认解决了SQL 注入、跨站攻击等问题。
  4. 应用广泛,类型多样化,使用Django 开发的网站包括公司提供的各类
    在线服务网站、社会组织和政府机构网站等,其类型包括但不限于管理系统、社
    交网站、计算平台等

图像的分类的发展感受

近年来随着人工智能在围棋上战胜人类,人工智能这个概念也逐渐开始走进大众的视野,人工智能更是快速与各个行业与领域进行了不同程度的融合。图像分类顾名思义就是将所指定的一个图片,采用一个分类算法来确定该图片的所属类别。图象类型的一般流程包括图象预处理、特征抽取及其分类器设计工作。目前,研发人员已经针对图象分类问题给出了以下几种处理算法,即决策树、SVM(Support Vector Machines 支持向量机)、KNN(k-Nearest Neighbors k 近邻)等。但是这类算法仅适用于小规模数据集,并不适合在在大规模图像数据集上使用,在现实生活当中,每人每天会产生大量的数据,而只有大量的数据训练出来的模型才更具有实用性。因此,针对大规模图像分类的深度学习方法更加贴近于生活。其中,卷积神经网络是目前所应用的最为广泛的深度学习方法之一,同时具有高效的局部结构和优良的分类性能,也是本文选择该神经网络的主要原因。

绪论

研究背景与意义

从建国以来,我国就是个森林国家,共形成了约二千七百五十个自然保护区,其中国家有四百七十四个,自然保护区的总土地建筑面积超过了 147 万平方公里,约占到中国领土陆地面积的百分之十五。目前,保护区的病虫害识别主要还是有病虫害专家进行人工识别,而在万物互联的时代加持下,互联网+林业也逐渐引起人们的关注与研究。同时,由于世界天气与地理环境的持续改变,植物病虫害的出现日益频繁,对保护区的自然森林产生重大影响。对植物病虫害的正确认识能够有效的维护环境防止重大损失。本文采用基于卷积神经网络的植物病害识别方法,一定程度上解决了多类型植物病害辨识问题,并且进行了系统的应用实现。但仍必须完成以下探索。

首先,对于模型训练速率的优化问题,在模拟训练速率方面,是否能够采用比较先
进的并行处理方法,以缩短模拟的练习时长。其次,由于网络信息技术的发达,即时采
集植物病害图片和录像技术已经可以实际使用了,在今后的科研中可考虑通过接入
视频技术从而进行植物即时预警,更加快速准确的发现保护区的病虫害病给予解决。
同时,国有林场护林人员在保护林木的时候最重要的二个目标,一是对林木的防
火,另外便是对林木的植被病虫害识别,一旦没有能快速准确的植被病虫害,将会造
成所种植的林木成片污染,并带来巨大损失。传统上依赖于人类研究专家来鉴定因疫
病、害虫、营养缺乏或极端天气导致的植物异常,然而它们是价格昂贵且费时。因
为适应这种技术挑战,利用图像处理技术进行植株病虫害鉴定,也变成了一种很热
门的研究课题,且非常有科研价值和意义。

国内外研究现状

在国内,病虫害识别系统更多的是运用于亚热带常见自然林植物,目的是为了提高亚热带常见自然林植物的产量,当前,我国内只有少部分农民会使用到相关专业的软件或者小程序,大型农产品生产基地会使用定制的企业级智能病虫害防治系统,保证与提高亚热带常见自然林植物的生产,也有较多相关的论文研究过各种农产品。反观,病虫害在林业当中的运用少之又少,林场、个人种植基地与花木种植园等等,公司或者个体户都基本都是采取人工识别的方法解决病虫害识别的问题,相关的识别软件与小程序很少,相关的论文在该领域的研究也相对较少,具有很大的研究价值。在国外,林业基本以大型林场庄园为主,以墨西哥与美国为例,他们的农场正在用人工智能来种植西红柿,测报病虫害的发生,并将农产品的产量提高了 4%。2021年,以色列林业科技公司 Prospera 在亚利桑那州 Nature Sweet 的一座农场测试了这项技术。他们已经将 Nature Sweet 计划将这项技术推广到所有农场。同样,在林业保护方向却很少有这方面的研究,同时林业方面的病虫害识别系统也不多见。文章来源地址https://www.toymoban.com/news/detail-809244.html

到了这里,关于基于web的亚热带常见自然林病虫害识别系统——开篇的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 基于卷积神经网络的农作物病虫害图像识别(Opencv,Pytorch,Tensorflow,MobileNetV3)

    最近做了一个农作物虫害图像识别的程序,在此分享一下。本文用到的深度学习框架为Tensorflow2,Opencv等等!使用的数据集共有61种类别,分别代表不同的虫害类别。使用的网络模型为moblienetv3. Bi 设 Dai 坐 效果视频如下所示: 农作物虫害图像识别 代码如下所示:

    2024年02月11日
    浏览(30)
  • 毕业设计-基于深度学习玉米叶病虫害识别系统 YOLO python 机器学习 目标检测 人工智能 算法

    目录 前言 设计思路 一、课题背景与意义 二、算法理论原理 2.1 卷积神经网络 2.2 YOLOv5算法 三、检测的实现 3.1 数据集 3.2 实验环境搭建 3.3 实验及结果分析 实现效果图样例 最后        📅大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准

    2024年02月03日
    浏览(47)
  • 基于YOLOv8/YOLOv7/YOLOv6/YOLOv5的玉米病虫害检测系统(Python+PySide6界面+训练代码)

    摘要:本文介绍了一种基于深度学习的玉米病虫害检测系统系统的代码,采用最先进的YOLOv8算法并对比YOLOv7、YOLOv6、YOLOv5等算法的结果·,能够准确识别图像、视频、实时视频流以及批量文件中的玉米病虫害。文章详细解释了YOLOv8算法的原理,并提供了相应的Python实现代码、

    2024年02月22日
    浏览(42)
  • YOLO目标检测——棉花病虫害数据集+已标注txt格式标签下载分享

    实际项目应用 :棉花病虫害防治 数据集说明 :棉花病虫害检测数据集,真实场景的高质量图片数据,数据场景丰富 标签说明 :使用lableimg标注软件标注,标注框质量高,含voc(xml)、coco(json)和yolo(txt)三种格式标签,分别存放在不同文件夹下,可以直接用于YOLO系列的目标检测

    2024年02月09日
    浏览(34)
  • 番茄病虫害检测系统:融合感受野注意力卷积(RFAConv)改进YOLOv8

    项目参考AAAI Association for the Advancement of Artificial Intelligence 研究背景与意义 番茄是全球重要的蔬菜作物之一,具有广泛的经济和营养价值。然而,番茄病虫害的严重威胁导致了产量和质量的损失。因此,开发一种高效准确的番茄病虫害检测系统对于农业生产的可持续发展至关

    2024年02月04日
    浏览(36)
  • 高光谱 | 矿物识别和分类标签数据制作、农作物病虫害数据分类、土壤有机质含量回归与制图、木材含水量评估和制图

    本课程提供一套基于Python编程工具的高光谱数据处理方法和应用案例。 本课程涵盖高光谱遥感的基础、方法和实践。基础篇以学员为中心,用通俗易懂的语言解释高光谱的基本概念和理论,旨在帮助学员深入理解科学原理。方法篇结合Python编程工具,专注于解决高频技术难题

    2024年02月12日
    浏览(30)
  • 常见的Web应用中间件(基于Linux)

            在整理常用的Web中间件时,我发现自己对于Web服务器、Web中间件和Web容器的概念容易混淆,所以在整理常见的Web应用中间件时,我想先区别一下Web服务器、Web中间件和Web容器。          Web服务器 也可以称为网站服务器,时提供Web服务的软件或主机,Web服务器

    2024年02月06日
    浏览(34)
  • 自然语言处理从入门到应用——自然语言处理的常见任务

    分类目录:《自然语言处理从入门到应用》总目录 语言模型(Language Model,LM)(也称统计语言模型)是描述自然语言概率分布的模型,是一个非常基础和重要的自然语言处理任务。利用语言模型,可以计算一个词序列或一句话的概率,也可以在给定上文的条件下对接下来可

    2024年02月07日
    浏览(45)
  • 中文自然语言处理(NLP)的命名实体识别(NER)任务常见序列标注方法

    中文NLP的NER任务中的数据集序列标注方法,主要有以下几种常用的标注方案: BIO标注法(Begin-Inside-Outside) : B (Begin)表示实体的开始部分。 I (Inside)表示实体的中间部分。 O (Outside)表示非实体部分。 例如,“北京是中国的首都”,如果要标注“北京”为地名,会标

    2024年01月23日
    浏览(38)
  • 常见Web十大漏洞,常见Web漏洞

    目录 一、SQL注入漏洞 分为以下五种注入方式: 查找SQL注入漏洞 Union注入  布尔盲注  报错注入 时间盲注 时间型盲注的加速方式 二、任意文件下载 漏洞原理: 产生原因: 利用条件: 漏洞发现: 漏洞利用方法: 漏洞防护: 三、敏感文件 四、文件包含 漏洞利用 PHP中的封装

    2024年02月05日
    浏览(34)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包