基于MySQL的玉米病害检索诊断系统数据库设计

玉米病害检索诊断系统的构建包括数据获取采集、数据整理加工、数据挖掘、数据库设计、检索算法设计、诊断算法设计、用户界面UI设计、管理界面UI设计等工作。本文从数据库设计切入,重点介绍了数据库E-R图的构建、基于MySQL的数据库物理设计及数据库表的设计与规范。     

一种基于多叉树的检索方法及其应用

计算机自动提示对于改善计算机人机界面友好性有着重要的作用。检索技术是计算机自动提示系统的关键,文章提出一种基于多叉树的检索方法。通过将基于多叉树检索的自动提示系统应用到实验室设备管理中,证明这种方法的可行性。     

图的广度优先搜索遍历算法的分析与实现

图的遍历方式有深度与广度两种,既适合于无向图,也适合于有向图.通过具体示例,详细分析以邻接矩阵为存储结构图的广度优先搜索遍历算法,并在机器上实现完整的程序.     

制种玉米自交系主要病害检索表

制种玉米自交系病害不仅严重影响杂交种子质量,而且严重制约杂交种子产量,给玉米种子生产造成无法挽回的损失。利用已发生病害在自交系植株叶片、茎秆、根系、雌雄穗上表现的症状,在田间开展早期诊断,确诊病害,为病害预防和防治提供科学依据。     

基于Lucid多途径检索的竹林害虫智能诊断系统研建

竹子是中国亚热带地区重要的经济林木。随着集约化经营的进一步深入,竹林害虫发生日益严重,威胁着竹笋竹材的产量和品质。竹林害虫种类识别、生物学及防治等基础研究成熟,但竹农和基层林业技术人员对害虫诊断的专业知识薄弱,经常需要专业人员鉴定才能实现有效防治。Lucid系统正好提供了链接知识与应用的良好平台。通过文献查阅和野外调查,共整理48种竹林害虫的基础生物学信息,包括笋期害虫12种、竹叶害虫23种、竹枝秆害虫13种,拍摄或收集824张高清照片,构建完成fact sheet fusion害虫基础数据库。在此基础上,提取为害时期为害部位为害竹种为害方式为害状和害虫形态特征等6个特征组,74个衍生特征,189个特征状态和典型照片,采用Lucid Professional Ⅴ3.5软件,以多途径检索的方式实现远程智能诊断,从而为竹林害虫的及时有效防治提供便捷可靠的信息服务,促进竹产业的持续健康发展。图4表1参29     

深度优先遍历算法、随机布点法及回溯法在迷宫游戏中的应用

在Eclipse平台下采用Java语言实现迷宫游戏的设计与开发。采用随机布点算法生成不规则迷宫地图,采用图的深度优先遍历算法随机生成规则地图。地图格的大小、不同在相同的窗口生成较低、中等、较高三种不同难度的规则或不规则地图。把走迷宫的对象设置成角色方块,使用键盘方向键控制当前移动点进行游戏。遍历规则地图的起点不同,把游戏分为简单、中等、高难3种难易程度。运用回溯法从入口一步步进行探索,最后找到迷宫出口,并在界面上显示出该路径。编写画布类函数Canvas(),实现游戏设置。游戏的成功开发表明,算法研究至关重要,应用这些算法开发游戏是有效的。     

基于BP神经网络的葡萄病害诊断系统研究

我国种植葡萄已经有两千多年的历史,葡萄病害严重影响了葡萄产品的产量和质量,葡萄病害的诊断对我国葡萄产业的发展具有重大意义。通过对葡萄病害知识和专家经验的研究,并将神经网络技术与计算机技术相结合,采用改进的BP算法,建立了BP神经网络诊断模型。以葡萄的发病部位、病斑形状、病斑颜色和主要症状为诊断参数输入,以病害名为输出,以诊断依据为训练样本。实验结果表明,该网络能够获得满意的诊断结果。采用MVC设计模式,利用JSP、Javabean、JDBC等技术,开发了基于WEB的葡萄病害诊断系统,实现了在线葡萄病害诊断的过程。     

基于深度学习的香蕉病害远程诊断系统

目的 实现香蕉病害的远程诊断。方法 基于深度学习方法对香蕉作物的7种常见病害进行诊断。收集了5944幅健康及染病香蕉植株图像,按7：1：2分为训练集、验证集和测试集。利用迁移学习对GoogLeNet深度卷积神经网络训练获取诊断模型。进一步开发了包含手机移动应用程序(APP)和远程服务器的软件系统。结果 通过对比不同迭代次数及不同优化器,最终采用了MomentumOptimizer迭代10000次的模型,平均测试精度达到了98%。设计的APP能够就地获取香蕉图像,并通过网络与集成了诊断模型的远程服务器通信,实时获取诊断结果。结论 该病害诊断模型识别主要病害的精度高,在线诊断系统简单易操作,可快速有效地在线诊断香蕉常见病害,具有良好的应用前景。     

几种玉米病害法

玉米在我国属于主要经济作物之一,但在其生长过程中常因病虫害的发生影响玉米的健康生长,对玉米造成减产,对农民带来经济损失,只有了解病虫害的发生规律及其特征做好预防和防治就能确保玉米高产稳产,现将几种玉米病害及防治方法介绍如下：     

几种玉米病害法

玉米在我国属于主要经济作物之一,但在其生长过程中常因病虫害的发生影响玉米的健康生长,对玉米造成减产,对农民带来经济损失,只有了解病虫害的发生规律及其特征做好预防和防治就能确保玉米高产稳产,现将几种玉米病害及防治方法介绍如下:     

基于图像识别的玉米叶部病害诊断研究

【目的】探讨利用图像技术实现玉米叶部病害自动识别的方法。【方法】根据玉米叶部病害特点，综合应用阈值法、区域标记方法与Freeman链码法，对玉米叶部病害图片进行图像分割、统计病斑个数、去除冗余斑点、计算病斑形状特征，最后根据二叉检索法推断病害。【结果】研究提取了五种玉米叶部主要病斑的识别特征，确定了诊断流程，并开发了识别系统。经检验，该系统对玉米叶部的锈病斑、弯孢菌病斑、灰斑、褐斑、小斑等五种主要病害的诊断准确率达80%以上。【结论】研究结果表明，用图像技术进行玉米叶部病害诊断是可行的，本研究开发的诊断系统为玉米病害自动识别与诊断奠定了基础。     

基于模糊推理的芒果病虫害诊断系统研究

为了满足实际病虫害诊断对专家系统韵需求,根据芒果病虫害特征诊断与防治的特点,结合芒果病虫害的相关信息,基于案例模糊推理的推理机制和结构框架,以VS2008和SQL Server 2000为开发工具,建立了芒果病虫害诊断系统的知识库规则库和案例库,并设计了推理机制,通过专家系统技术和计算机技术构建了面向农户的数字化芒果病虫害诊断系统.系统的实施对于推广植保知识、指导农户科学防治芒果病虫害有一定的现实意义.     

基于可信度推理的猪病诊断专家系统

针对猪病诊断过程中广泛存在的证据不确定性,建立了能够处理这种不确定性的推理模型基于证据可信度的推理模型,给出了证据可信度的表示方法、传递算法。该模型很好地体现了猪病诊断中存在的不确定性,减小了主观因素对诊断结论准确性的影响。     

基于图推理方法的玉米缺素诊断专家系统

针对决策树推理的专家系统局限于线性推理的问题,提出具有非线性推理功能的玉米缺素诊断专家系统。该系统采用有向无环图实现推理,可以从事实和结论两个方向进行正向及逆向推理,解决了玉米缺素诊断困难的问题,具有专家级的诊治水平,可以给出相应的解决方案和示例图片展示。实践证明,该系统预测结果直观,且具有实用性强、操作简单、界面友好等特点。     

基于G-MRF模型的玉米叶斑病害图像的分割

【目的】图像分割是作物病害自动识别系统实现的难点之一,前人研究大多采用基于阈值或聚类的分割算法,方法简单、易于实现,但分割精度较低。本文引入高斯模型的Markov随机场分割模型(G-MRF),对玉米叶部病斑图像进行分割试验,以期提高分割精度。【方法】在VC6.0下实现了G-MRF分割模型,G-MRF既利用了图像像素的灰度信息,又通过像素类别标记的Gibbs光滑先验概率引入了图像的空间信息,是能较好地分割含有噪声图像的算法。采用该算法对大斑病、小斑病、灰斑病和弯孢菌叶斑病等4种主要玉米叶部病害的图像进行了分割测试,并与基于阈值和基于Gauss模型的分割算法进行比较。【结果】基于G-MRF分割模型的分割,目标区域的一致性和边缘的清晰方面明显好于基于阈值和Gauss模型的分割算法,其平均正确分类率达96.35%,分别较基于阈值和基于Gauss模型的分割算法高出3.75%和4.03%,差异达到显著水平。【结论】基于G-MRF模型的分割算法鲁棒性高,能够有效地将病斑区域从叶片部分离,分割正确分类率达96.35%,可用于玉米叶斑类病害图像的分割。     

基于高光谱的玉米大斑病害监测

玉米大斑病是为害玉米生产的主要病害之一,其传统的诊断方法存在工作量大、效率低、主观性强的缺点,探索利用高光谱技术对玉米大斑病害进行快速诊断具有重要的意义。在玉米大田中采集105个玉米大斑病叶片样本,通过测定叶片光谱和病斑面积,开展玉米大斑病病斑面积的定量检测研究。结果表明,不同等级玉米大斑病病斑面积的高光谱差异明显,且多数高光谱区域与病斑面积的相关系数可以达到0.7以上,表明高光谱能够响应玉米大斑病病害;利用偏最小二乘法构建的玉米大斑病诊断模型的表现较好(R~2c=0.726,RMSEc=2.162,RPDc=2.530;R~2v=0.651,RMSEv=2.579,RPDv=2.198),能够实现玉米大斑病病斑面积较为准确的诊断。研究结果可为大田玉米大斑病病斑面积及病害等级的快速诊断提供有效的技术途径和理论探索。     

基于Fisher判别分析的玉米叶部病害图像识别

 【目的】利用计算机视觉技术实现玉米叶部病害的自动识别诊断。【方法】在大田开放环境下采集病害图像样本,综合应用基于H阈值分割、迭代二值化、图像形态学运算、轮廓提取等算法处理病害图像,抽取病斑,提取病害图像的纹理、颜色、形状等特征向量,采用遗传算法优化选择出分类特征,并利用费歇尔判别法识别普通锈病、大斑病和褐斑病3种玉米叶部病害。【结果】研究中提取了墒、相关信息测度、分形维数、H值、Cb值、颜色矩、病斑面积、圆度、形状因子等28个特征向量,利用遗传算法优选出H值、颜色矩、病斑面积、形状因子等4个独立、稳定性好、分类能力强的特征向量,应用费歇尔判别分析法识别病害,准确率达到90%以上。【结论】综合运用数字图像处理技术、图像纹理、颜色、形状特征分析方法、遗传算法、费歇尔判别分析方法可以有效识别基于田间条件下采集的病害图像,为田间开放环境下实现大田作物病虫害的快速智能诊断提供借鉴。     

基于Mathematica的符号计算方法

介绍了Mathematica软件符号计算功能，并根据初值问题数值计算方法，运用了Mathematica进行符号运算，建立了一种解初值问题的符号计算方法，算例表明该方法计算简单，易程序化，计算结果比传统的数值方法优越.     

Simulink平台在玉米病害视频图像中的实时诊断

为提高对玉米病害叶片的识别精度,达到快速诊断、智能决策和有效诊治的目的,提出了一种基于Simulink仿真平台的玉米病害视频图像远程实时诊断技术。该技术首先使用Simulink仿真平台将采集的实时视频进行平滑处理,以提高图像的清晰度和质量;再运用分割技术确定玉米病害的优选图像;最后进行优选图像的解析和诊断处理。对玉米灰斑病图像的研究结果表明:该优化技术处理后的图像质量明显提高,突出了玉米病害特征,增强了玉米病害远程视频图像诊断的实时性和准确性,为玉米生产的智能决策提供了技术支撑。