基于迁移学习的番茄叶片病害图像分类

针对卷积神经网络对番茄病害识别需训练参数较多,训练非常耗时的问题,将迁移学习应用于AlexNet卷积神经网络,对病害叶片和健康叶片共10种类别的番茄叶片进行分类研究。使用14 529张番茄叶片病害图像,随机选择70%作为训练集,30%作为验证集,对AlexNet卷积神经网络模型结构进行迁移,利用在Imagenet图像数据集上训练成熟的AlexNet模型和其参数对番茄叶片病害识别。在训练过程中,固定低层网络参数不变,微调高层网络参数,将番茄病害图像输入到网络中训练网络高层参数,用训练好的模型对10种类别的番茄叶片分类,并进行了20组试验。结果表明:该算法在训练迭代474次时使网络模型很好的收敛,网络对验证集的测试平均准确率达到95.62%,与从零开始训练的AlexNet卷积神经网络相比,本研究算法缩短了训练时间,平均准确率提高了5.6%。采用迁移学习所建立的病害分类模型能够对10种类别的番茄叶片病害快速准确地分类。     

温室智能装备系列之九十一 基于图像特征的温室杂草信息获取技术研究

图像特征是区分作物和杂草的重要属性,利用图像特征对杂草进行识别和分类,能达到较高的空间分辨能力,识别率和准确率都能得到较好结果。温室杂草多采用地膜覆盖的方式在作物整个生长期间进行控制,地膜下的杂草生长虽受到限制,同时杂草仍能与作物的根部争夺养分,因此准确获得膜下杂草信息对进一步在播种前进行抑制,采收后去除杂草等精准控制杂草环节具有重要意义。     

温室智能装备系列之十一 近地光谱技术在温室生产中的应用

研究背景 温室生产过程中的作物长势监测是作物生长管理的重要依据。科学地获取第一手的温室作物长势数据、植被生长状态、植被覆盖度等信息,能够为精准水、肥管理提供可靠的基础数据,因此也一直是温室园艺生产环节关注的热点问题。目前,应用比较广泛的是对植被指数的监测,包括LAI和NDVI。     

基于深度学习的龙眼叶片叶绿素含量预测的高光谱反演模型

【目的】探讨龙眼Dimocarpus longan Lour.叶片发育过程中叶绿素含量二维分布变化规律,实现无损检测病虫害对叶片叶绿素含量分布的影响,为评估嫩叶抗寒能力、龙眼结果期的施肥量和老熟叶的修剪提供参考。【方法】利用高光谱成像仪采集龙眼叶片在369~988 nm区间的高光谱图像,自动提取感兴趣区域,利用分光光度法测定叶片叶绿素含量。基于皮尔森相关系数(r)分析了龙眼叶片生长过程中各波段光谱响应与叶绿素含量之间相关性,建立偏最小二乘回归模型。分析了特征波段图像纹理特征与叶绿素含量相关性,将光谱特征和纹理特征结合导入深度学习中的稀疏自编码(SAE)模型预测龙眼叶片叶绿素含量,结合"图谱信息"的SAE模型预测龙眼叶片叶绿素含量的分布情况。【结果】龙眼叶片3个生长发育期相关系数的曲线均在700 nm附近出现波峰,嫩叶、成熟叶和老熟叶3个阶段相关性最高的波长分别为692、698和705 nm;全发育期的最敏感波段相关性远高于3个生长发育期,r达到0.890 3。回归模型中,吸收带最小反射率位置和吸收带反射率总和建立的最小二乘回归模型预测效果最好(R_c~2=0.856 8,RMSEc=0.219 5;R_v~2=0.771 2,RMSEv=0.286 2),其校正集和验证集的决定系数均高于单一参数建立的预测模型。在所有预测模型中,结合"图谱信息"的SAE模型预测效果最好(R_c~2=0.979 6,RMSEc=0.171 2;R_v~2=0.911 2,RMSEv=0.211 5),且预测性能受叶片成熟度影响相对较小,3个生长阶段R_v~2的标准偏差仅为最小二乘回归模型标准偏差的29.9%。【结论】提出了一种自动提取感兴趣区域的方法,成功率为100%。基于光谱特征的回归模型对不同生长阶段的叶片预测效果变化较大,而基于"图谱信息"融合的SAE模型预测性能受叶片成熟度影响相对较小且预测精度较高,SAE模型适用于不同成熟度的龙眼叶片叶绿素含量分布预测。     

温室智能装备系列之五十七 现代化园区温室集约化管理系统装备

<正>设施农业近年来快速发展,产生了一大批具有现代化技术,产学研一体化的大型和超大型农业生产基地。这些基地具有标准化、流程化、品牌化和规模化的特点,在都市农产品产业供应链上具有重要作用。如何运作这些基地,使得能源消耗,投入产出,节能减排等先进模式得以融入基地管理理念。作为一种系统化的理论研究,国内外很多学者进行了相关领域的探索。顾寄南(1999年)采用大系统理论对温室的管理和控制模型方面进行探索。采用系统工程的思路,综合信息化     

基于成像高光谱的苹果树叶片病害区域提取方法研究

【目的】对带病斑苹果树叶片的高光谱图像进行病斑提取,为作物病虫害的遥感监测提供支持。【方法】对带有病斑的苹果树叶片成像高光谱图像,从传统基于光谱特征和面向对象特征2个方向入手进行病斑提取。为减少高光谱图像波段之间的冗余,首先对高光谱图像采用PCA变换进行降维处理,利用降维之后的前11个波段,分别采用波谱角分类和面向对象分类的方法提取苹果树叶片病害区域。【结果】由于同物异谱和异物同谱现象的存在,波谱角分类算法在提取病斑时,对叶柄和叶脉产生了错误的分类,而且以像元为分类单位的波谱角分类,在分类结果图中存在椒盐噪声,而面向对象分类则避免了这一现象的发生。【结论】采用面向对象分类方法提取苹果叶片病斑的结果优于基于光谱特征的波谱角分类方法,其总体精度和Kappa系数分别为98.44%和0.97。     

温室智能装备系列之九十八 温室内定位技术研究新趋势

<正>温室内定位技术温室内定位技术是基于定位系统(IPS)数据,对可视化静态坐标或基于静态坐标获得的移动坐标实现高保真室内定位立体重构,或在地图上显示并跟踪目标位置的技术。目前在设施农业领域,作物精准管理以及智能化机器人作业都需要精准定位,因此实现温室内智能运行设备的准确定位意义重大。在大型连栋温室内,负责自动运输物料及采收产品的AGV系统,     

温室智能装备系列之四 温室智能变量喷药机的研究与应用

中国设施园艺农业正以日新月异的速度迅猛发展,在这种形势下,必须有与之对应的温室园艺专用的高效、安全的温室智能植保机械。针对温室园艺生产过程中的具体需求开发的专业农业机械必将成为未来温室园艺装备的主流,这些智能装备必将为温室园艺农业的发展产生巨大的推动作用。     

基于深度学习的玉米叶片病害识别方法研究

玉米叶片病害是造成的玉米质量差、产量低主要原因之一。为了对玉米叶片病害进行快速准确识别,提出了基于ResNet（Residual Neural Network）深度学习网络对玉米病害识别的方法,采用ResNet 作为玉米病害识别的主体模型,利用数据增强技术来扩充数据集,扩充后的数据集图片包括训6000 张练集和1645 张测试集,并使用预训练网络AlexNet、GooLeNet 和ResNet 进行识别玉米叶片病害的性能对比实验,研究发现在批量尺寸为32 个和epoch 次数为16时ResNet50 获得最高的分类准确率为92.82%,优于传统机器学习算法。     

温室智能装备系列之二十七 温室水肥控制器的开发和试验

肥水管理对于依靠有限基质栽培的温室环境非常重要,可以节省劳动力40%～60%,同时水肥控制到合适的用量,可以有效地保持温室环境的湿度,实现对干燥条件易发的病虫害的控制,如白粉病,红蜘蛛都会得到有效的控制(张伟,2011)。     

温室智能装备系列之八十三 温室园艺便携式遥控施肥机的设计

针对温室园艺肥料多采用露天冲施导致利用率低、浪费严重的问题,本文通过充电蓄电池动力和遥控信号终端调节水泵的方法,采用肥料注射混合技术,实现面向温室园艺的便携式遥控施肥功能,精度和效率显著提高。     

温室智能装备系列之九十九 新型开源云端温室茄子株高实时测量系统的开发

温室反季节果菜栽培有很好的经济效益,茄子是重要的果菜品种。茄子的株高能反映茄子的产量和长势,监测株高可以获得第一手的茄子生长数据。数据在云端共享能提升数据的应用质量,基于开源的平台让更多的用户共同完成茄子的生长监控,对于规模化生产有很大的帮助。文章提出了一种开源云端温室茄子株高实时测量系统,对搭建完的系统进行初步测试,结果显示该系统能准确监测温室茄子冠层株高。     

温室智能装备系列之十三 温室精准点动农药喷洒系统

系统开发背景多年来,温室喷药一直是广大农业工作者关注的对象。如何用药,怎么喷药,成为众多学者研究的重点。以往对农药喷洒的研究多是基于农药喷洒效果的研究,但对于农药的定量喷洒却缺少进一步的研究。随着“环保农业”概念的提出,对农产品农药是否残留,农药是否有效地利用等等都提出了很高的要求。在该方面,国外早就做了研究,     

温室智能装备系列之十二 精量施药关键技术及装备在温室生产中的应用

背景 目前我国设施园艺发展迅速,带来了非常可观的经济效益,是现代都市型农业发展的一朵奇葩。设施园艺的快速发展带动了相关行业和领域的快速发展,现代化连栋温室也得到迅速普及。但在快速发展的同时存在配套管理和植保技术不匹配等诸多问题。同时,我国的相关植保机械的法律法规还不健全,尤其是温室生产环节的植保缺乏相关规范的约束,因此该领域相对落后,加之重品种轻管理的传统思想,致使温室园艺相关智能植保装备比较空白。     

温室智能装备系列之一百零二 温室变量弥雾机的作物叶片温度探测模块设计

正温室弥雾机采用极细的粒径将雾滴扩散到温室内部,达到全面覆盖消除病害的目的。采用变量控制技术可提升弥雾作业时控制雾滴粒径的精度~([1]),从而提高温室弥雾的精准作业能力。作物叶片温度探测模块作为弥雾机的重要构成部分,通过采集叶面温度为弥雾机提供决策信息。变量弥雾机根据叶面温度改变雾滴粒径的大小,从而改变液滴在叶面的     

温室智能装备系列之六十五 基于红外技术测定京郊越冬温室CO_2浓度试验

<正>背景中国自20世纪80年代以来迅猛发展的节能式日光温室大多依靠日光增温,因其成本较低,收益较好,满足了我国民众对超时令、反季节的蔬菜需求,同时对农民增收增效发挥重要作用。日光温室气体施肥在我国起步较晚,(二氧化碳利于作物的早熟丰产,增加含糖量。空气中二氧化碳浓度占空气体积0.03%,因此温室内二氧化碳浓度的监测与控制变得十分重要(魏珉2000年)。现代农业密闭环境中进行作物的栽培和培育,在不同生长期,都需要提供不同浓度的二氧化碳以促使幼     

温室智能装备系列之十七 设施栽培基质消毒装备技术研究

基质是设施栽培决定植物生长环境的最主要因素之一,也是病虫害传播的媒介和繁殖场所。随着工厂化农业的成形,无土栽培面积不断扩大,同时工厂化生产需要大量无土基质,     

温室智能装备系列之六十二 土壤机械化施药技术及装备研究

<正>土壤施药是通过向土壤中投入定量的农药,以达到杀灭其中病菌、线虫及其它有害生物的目的。出于保护植物根系目的,土壤施药大多在作物播种前进行。除施用化学或生物制剂农药外,利用干热或蒸气等物理手段也是有效进行土壤消毒的补充方式。最终的目的达到破坏、钝化、降低或除去土壤中所有可能导致动植物感染、