基于卷积神经网络的农作物叶片病害诊断

农作物病害诊断对于及时发现并采取防控措施具有重要意义。本研究针对苹果、玉米、番茄、葡萄等典型农作物的常见叶片病害问题,使用了两种目前使用最广泛的卷积神经网络——VGG16及Resnet50,对典型农作物叶片病害进行识别。使用AI Challenger比赛的农作物叶片病害数据集图像,并对这些图像进行预处理,构建了47285张图片的数据集。分析两种卷积神经网络的性能,实验结果表明:VGG16及Resnet50分别达到了82.57%和86.34%的准确率,且Resnet50收敛速度更快,更适合农作物叶片病害的诊断识别。     

基于拟脑智能系统的烤烟烟叶分级研究

对烟叶进行检测与分级是控制烟叶质量的重要手段之一.研究烟叶质量的合理表征参数及其自动提取方法,以及烟叶辅助分级系统,是迫切需要解决的问题.应用人工智能方法和计算机技术进行烤烟烟叶自动分级,提出一种借鉴生物脑信息处理结构的烤烟烟叶智能分级系统.该系统由思维模型、感觉模型和行为模型3个子系统构成,分别模拟分级专家的思维智能、感知智能和行为智能,具有学习与记忆、判断与模糊推理、分级决策等多种思维功能,以及图像自动采集、上下位机通信等协调与控制功能.应用该系统进行烟叶分级试验的结果与分级专家分级结果的平均一致率可达到85%,与人工分级水平相当.     

烤烟烟叶自动分级的智能技术

研究烤烟烟叶自动分级中的几种智能技术,提出应用图像处理技术提取烟叶质量特征参数,应用模糊统计技术确定特征参数对各组与各级的隶属度,以及应用综合评判技术判定样本的组别与级别等方法,并给出对云南产烟区烟叶样本的分级结果。分级结果表明,该系统已达到人类专家分级水平,并具有积累分级经验的智能特性