面向移动终端的农业害虫图像智能识别系统的研究与开发

【目的】农作物田间害虫种类繁多,存在种间相似和种内差异的现象,容易混淆。本研究开发一个面向移动终端的农业害虫图像智能识别系统,为广大农户和基层测报人员提供一个便捷准确的农业害虫智能识别工具。【方法】农业害虫图像智能识别系统包括装有系统APP的移动客户端、服务器和基于深度学习的农业害虫识别模型。APP是在Android环境下开发的,可安装于Android系统的移动设备中。APP包括登录模块、害虫信息查询模块、害虫智能识别模块、害虫地图标记模块和害虫专家远程鉴定模块,UI界面采用底部导航栏形式。移动终端与服务器间的信息交互采用HTTP协议,害虫采集地信息显示使用百度的Android地图SDK来实现,用户和害虫信息使用MySQL数据库进行保存。在相同训练集和测试集条件下,比较了不同深度卷积神经网络模型,筛选出基于DenseNet121的农业害虫识别模型具有最高的精准度和最低的虚警率。农业害虫识别模型的程序部署在阿里云远程服务器上,当服务器端接收到移动客户端上传的害虫图像时,运行害虫识别模型,识别结果通过服务器反馈给客户端,同时将上传的图像和识别结果保存在数据库中,便于害虫图像的追溯。【结果】当用户在农田遇到不认识的害虫时,可通过装有该系统APP的移动设备(如手机或平板)拍摄害虫图像,并上传到服务器,识别结果和害虫防治信息在1—2 s内反馈至用户移动终端的屏幕上,对识别结果不满意还可远程请求专家鉴定。该系统对66种常见农业害虫图像平均识别率为93.9%,平均虚警率为8.2%。【结论】面向移动终端的农业害虫图像智能识别系统实现了66种常见农业害虫信息查询、自动识别,害虫采集地的地图显示和专家远程鉴定等功能。为农民和基层测报人员提供了一个农业害虫便捷准确的自动识别工具,无需专家到田间即可实现了用户"一对一"的防治指导,大大节省了经济和时间成本。     

基于VGG-16卷积神经网络的水稻害虫智能识别研究

为了实现自然场景下水稻害虫实时精准被识别,构建基于VGG-16卷积神经网络的水稻害虫智能识别模型。该模型采用VGG-16卷积神经网络为核心网络结构,根据水稻害虫的个体特征和自然场景,对VGG-16网络的卷积层局部调整,优化主要模型参数,实现水稻害虫的智能识别,其识别的平均准确率是90.7%,实现对沙叶蝉、大螟、斑须蝽、点蜂缘蝽和白背飞虱的准确识别。研究结果显示,采用卷积神经网络技术可以实现自然场景下害虫图像的精准识别,代替人工辨认,提高水稻害虫防治率,实现实时、精准防治的目标。     

基于Android智能移动终端的农资安全监管系统设计与实现

在农资市场监管部门执法过程中,针对检查手段信息化和现场证据采集便捷、及时、有效的现实需求,综合采用基于Android平台的移动互联网技术、Web Service技术、QR二维码技术,构建农资市场安全监管的业务模型,在此模型基础上研发了基于Android移动终端的农资安全监管系统,并在北京市某区成功应用示范。     

基于智能移动终端的教育软件用户体验设计与实现

随着移动互联网的发展和移动学习研究的深入,基于智能移动终端的教育软件的关注重点从关注软件的内容设计和功能开发逐步过渡到用户体验设计。研究从移动智能终端交互特征和教育软件用户需求出发,提出基于智能移动终端的教育软件设计和开发的基本原则、框架、关键任务等。在此基础上,基于平板电脑IPAD的《几何之美》数学教育软件设计开发为例,展示复杂信息结构移动软件产品用户体验的设计思路和关键技术。     

基于机器视觉的茶园害虫智能识别系统研究与实现

针对茶园害虫依靠人工识别方法存在效率低、需人工干预的局限,不利于茶叶植保过程中害虫的自动识别及精准施药的信息化、机械化的问题,提出采用机器视觉技术实现茶园害虫的智能识别。本文对其技术路线、处理流程、研究与实现平台和方法进行研究,采用HSV空间的阈值分割、SIFT特征提取、SVM分类等算法实现茶园害虫智能识别系统,并以茶尺蠖为例验证了该识别系统研究与实现方法的可行性和有效性。结果可为茶叶植保过程中的自动、精准施药提供依据,促进农业机械向着智能化方向发展。     

基于改进YOLOv7的水稻害虫识别方法

为解决水稻害虫体型小且不同类型害虫外观差异小、同类型害虫不同生长过程中外观差异大导致水稻害虫难以识别的问题,将卷积块注意力和特征金字塔模块引入图像识别网络YOLOv7。以湖北省鄂州市水稻种植基地为样本采集点,构建一个具有挑战性的大规模水稻虫害数据集;根据样本分布特点进行数据增强,引入随机噪声、Mixup、Cutout等数据增强方法,使深度学习模型从更深的维度学习害虫判别力视觉特征;将MobileNetv3作为主干网络,对YOLOv7网络进行改进,并构建基于特征金字塔的多尺度神经网络模型,提升小个体害虫的识别精度。试验结果显示,基于改进YOLOv7的水稻虫害检测平均准确率为85.46%,超越YOLOv7、EfficientNet-B0等网络。改进YOLOv7模型大小为20.6 M,检测速度为92.2 帧/s,检测速度是原始YOLOv7算法的5倍以上。结果表明,该方法能用于实现水稻虫害远程实时自动化识别。     

基于双线性注意力网络的农业灯诱害虫细粒度图像识别研究

【目的】智能虫情测报灯诱捕到的农业害虫因种类繁多、虫体姿态多样、鳞片脱落等原因造成有些害虫图像存在种间相似和种内差异的现象。为了提高农业灯诱害虫识别率,针对YOLOv4检测模型检测到且容易混淆的19种灯诱害虫,本文提出了基于双线性注意力网络的农业灯诱害虫细粒度图像识别模型。【方法】首先,根据灯诱害虫外观图像的相似性和检测误检的情况,将19种害虫分为6类;将所有害虫图像通过补边操作使得长宽相等,并缩放至统一尺寸224×224像素。为了提高模型的鲁棒性和泛化能力,对害虫图像进行镜像翻转、旋转180度、高斯噪声和均值滤波的数据增强,训练集、验证集和测试集样本量按照8:1:1比例划分。然后,针对6类19种农业灯诱害虫细粒度图像,建立了基于双线性注意力网络的农业灯诱害虫识别模型（bilinear-attention pest net,BAPest-net）,模型包括双线性特征提取、注意力机制和分类识别3个模块;通过修改特征提取模块的下采样方式提高特征提取能力;添加注意力机制模块让整个模型更关注于局部细节的特征,将双线性结构中的上下两个注意力机制的输出进行外积运算增加细粒度特征的权重,提高识别的准确性和学习效率;模型优化器使用随机梯度下降法SGD,分类模块中使用全局平均池化,旨在对整个网络从结构上做正则化防止过拟合。最后,在同一个训练集训练VGG19、Densenet、ResNet50、BCNN和BAPest-net 5个模型,对6类相似的19种农业灯诱害虫进行识别,以精准率、Precision-Recall（PR）曲线和平均识别率作为模型的评价指标。【结果】BAPest-net对6类相似的19种农业灯诱害虫平均识别率最高,达到94.9%;BCNN次之,为90.2%;VGG19模型最低,为82.1%。BAPest-net识别的6类害虫中4类鳞翅目害虫的平均识别率均大于95%,表明该模型能较好地识别出鳞翅目害虫。测试结果中仍存在少数相似度较高的害虫误判,特别当害虫腹部朝上或侧身,种类特征不够明显的时候容易引起相似害虫的误判。对于区分度较低的相似害虫需要更多的训练样本以获取更多的特征,提高模型的识别率和泛化能力。【结论】基于双线性注意力网络的农业灯诱害虫细粒度图像识别模型可以自动识别6类相似的19种农业灯诱害虫,提高了农业灯诱害虫自动识别的准确率。     

基于机器视觉和卷积神经网络的东北寒地玉米害虫识别方法

随着农业现代化进程在全国各地的推进,东北农业经济正在快速地发展,众多先进的科学技术如大数据、物联网、移动互联、人工智能等被应用到东北农业生产中,并且逐步深入细化。在农业种植领域,东北寒地玉米害虫的识别与虫害的预防一直是专家学者们研究的重要课题。东北地区位于温带季风气候区,夏季温热短促多雨;冬季寒冷漫长干燥,因此东北寒地玉米作物虫害有其独特的特征,常见的害虫有玉米黏虫、玉米螟、草地贪夜蛾、双斑玉萤叶甲等。本研究基于机器视觉和卷积神经网络的东北寒地玉米害虫识别方法进行研究,通过图像采集的预置采集点、巡航周期等实现定点、定时获取大量采集数据,将机器视觉识别、卷积神经网络模型测试放到采集前端,降低无效图像带宽占用,优化了网络资源;通过对卷积神经网络进行海量的东北寒地玉米害虫图像训练,实现从训练集到测试集的转化,建立起东北寒地玉米害虫识别的网络模型。基于机器视觉和卷积神经网络的东北寒地玉米害虫识别方法研究具有很高的应用价值,在监测植物生长状态的同时,能够精准、及时、实时地智能识别玉米害虫,做好东北寒地玉米虫害预警及应对措施,降低作物种植生产风险、提升生产效率,对东北农业智能化、持续化、梯度化发展...     

基于神经网络的水稻三化螟识别系统的研究

本文给出了一种基于图像处理和神经网络技术进行水稻三化螟识别的方法，即利用图像处理技术提取特征，利用MATLAB神经网络包进行识别。文中给出了系统的总体设计和实现方案，研究结果表明，该系统获得了理想的检测效果。这一思路为农田害虫自动识别提供了一种新方法。     

基于移动智能终端的信息个性化服务研究

信息服务的实现是以个性化服务系统为前提的。从移动智能终端的基本概念出发,分析了信息个性化服务的概念与特点,以及信息个性化服务的内容,指出了国内数字图书馆信息个性化服务的不足,提出了国内数字图书馆基于移动终端信息个性化服务的改进思路与措施。     

�����ƶ���������ũ����ѯ����ϵͳ�Ŀ���

随着我国经济的发展,农民知识文化水平的整体提高,加上农业技术被动推广方式时效性差,已经不能够满足农户以及基层农技人员的要求.随着大数据时代的到来,传统农业逐渐向现代农业过渡,基层农户和农技人员对农业技术知识的需求日趋上升,信息服务在农技推广中的地位和作用逐步提高.在当今移动互联网快速发展的新局势下,智能手机的普及与移动互联网的广泛覆盖,采用新时代的传播手段,研究基于移动互联网技术的基层农技推广与服务,主要以研究符合贵州农业省情的基于移动互联网技术的智能化农技推广方式和手段为主,研发一套基层农技推广服务平台,使得贵州农业技术推广更具时效性和高效性.     

基于GIS系统的垦区农业智能管理平台研究与开发

系统以九三管理局的农业生产及管理为研究对象。系统利用3S技术及无线传输技术对农场的农事作业进行规划及预算、对农事作业实施过程监控,对选茬轮作的空间数据进行了分析,对气象、作物生长、病虫害、肥料、农药、农机设备等数据进行信息化管理。系统能为黑龙江垦区更好、更快的实现智能农业提供有力的技术支持和保障。     

互联网+背景下智慧农机大数据平台发展策略研究

随着“互联网＋”时代的到来,数据挖掘、数据共享、云计算等信息技术为农机的智能化和信 息化管理提供有效方法和手段。为更好的推动农业经济发展,有必要借助先进的信息技术手段,搭建 一个基于“互联网＋”的智慧农机管理信息数据共享平台,使我国农机管理进入大数据时代,推进智慧 农业发展。     

昆虫病原真菌在农林害虫生物防治中的应用

长期以来,昆虫病原真菌作为一类重要的生防资源,在农林害虫种群自然调节中发挥了重要作用。综述了昆虫病原真菌资源的利用情况、对害虫的侵染致病机理及主要属种在农林害虫生防中的应用现状,分析了昆虫病原真菌防治中的限制因素,并指出了今后昆虫病原真菌研究利用中应加强的方面。     

农业生物多样性防控作物病虫害的研究进展

农业生物多样性对维系农业系统的生态平衡和保障农业可持续发展起到重要的作用,为防治农作物的病虫害以提高作物产量,该文综述了农业种质资源多样性、农业物质多样性和农业景观多样性对农作物病虫害防控的研究进展,提出在现代农业防治中应尽量减少高毒农药的使用,利用农业生态中的生物多样性来持续控制农业病虫害发生的思路,以充分利用农业生物多样性在作物病虫害防控方面的作用。     

移动视频在农机人员教育培训中的应用研究

随着规模化、现代化农业的发展,对农机技术人员的素质要求越来越高,创新农机技术人员教育培训方式势在必行,本文提出了适合农机技术人员特点的移动视频培训方法并对其在农机技术教育培训中的应用进行了深入探讨。     

农业专家系统在植物病虫害防治中的研究进展

农业专家系统自产生以来越来越为人们所认识,并在农业中得到了非常广泛的应用。从20世纪60年代至今,人们研制、开发了大量的农业各领域的专家系统。随着信息技术的发展,农业专家系统开发技术的日趋完善,农业专家系统在现代农业发展中的地位将无可替代。在此,简单总结了农业专家系统的产生和国内外的研究进展。阐述了农业专家系统在植物病虫害防治中的研究概况。简单介绍了中国近几年来研发的植物病虫害防治专家系统及其主要技术特征。分析了植物病虫害防治专家系统研究中主要存在的问题,即对基础研究不够重视、使用“门槛”过高,并提出了相应的解决方案。指出植物病虫害防治专家系统的发展趋势是:与“3S”技术的结合,网络化,综合化。展示了农业专家系统未来的应用前景。