基于图像处理的水稻病虫害检测研究
这是一篇关于水稻病虫害,图像检测,支持向量机的论文, 主要内容为水稻作为我国主要的粮食作物,已经渗透到了农业生产和人民生活的方方面面。在水稻生长过程中,由于病害、虫害等客观因素的存在,对其高质高产产生了不利影响。随着智慧农业的日益发展,虽然传统的人工检测方法正在逐步被基于机器学习的检测方法取代,但是由于目前实际投入使用的检测系统运行比较复杂,农户对计算机检测知识的了解还不够深入,这些系统在广大农村无法得到很好地推广和普及。本文研究区设在如东县马塘镇尊三村,通过实地走访,采集了多种水稻病虫害图像总计1217张,分别提出了:基于LC显著性检测算法和OSTU算法相结合的病虫害图像分割方法,基于灰度共生矩阵、颜色矩、HU不变矩相结合的病虫害图像特征提取方式,基于RBF核函数的PSO-SVM模型的病虫害图像识别方式,并基于此设计出简单实用的水稻病虫害检测系统。具体研究内容及成果如下:(1)水稻病虫害图像的采集和预处理。本研究选择利用华为mate20和oppo findx3智能手机,于2021年的6月初至9月水稻病虫害多发季节,以如东县马塘镇尊三村多块农田为对象,在自然光照下分别拍取水稻病虫害图像总计1217张,并对采集到的图像进行预处理。首先,使用MATLAB2016b对病虫害灰度图模拟了不同函数的去噪实验,得出去噪效果较好的高斯滤波作为本文图像去噪的研究方法;其次,采用几种不同的图像分割方式分别对采集到的水稻病虫害图像进行分割,发现在利用LC显著性检测算法进行分割的基础上,结合OSTU算法再次进行阈值分割的方法得出的结果最优;最后,将分割得到的图像进行开闭运算,尽最大程度保留住水稻病虫害图像的真实形态。(2)基于SVM模型的病虫害图像检测识别。本文分析了SVM识别方法,提出了改进后的基于粒子群算法优化的SVM识别方法。对收集的图像进行筛选,挑出稻瘟病、稻曲病以及卷叶螟为害状图像,按照四比一的比例选取训练集样本共计568幅,测试集样本共计142幅,干扰图像114幅,通过原始SVM和改进后的SVM,分别对单一或多种图像特征参数进行操作,得出PSO-SVM模型对颜色和形状的融合特征进行识别时,训练准确率最高。(3)水稻病虫害检测系统的开发。本文对系统可行性进行分析,确定系统的主要功能,并在前文研究的最优支持向量机识别模型的基础上,开发出采用基于J2EE技术体系的通用Spring架构和SOA设计理念的检测系统。系统主要是采用前后台系统交互及与外围系统交互统一基于http协议实现,前端使用React+Antd+Umi架构,后台传输图像数据到服务端,调用已经提前打包到服务器的图像识别程序,对水稻病虫害图像进行分割和特征提取,从而进行识别检测。本文研究的检测系统平均诊断正确率为94.525%,诊断时间约为7秒,各项功能基本能够达到预期目标,与传统检测模式相比,具有实用性强、识别性高、操作容易等特点,便于水稻种植户使用,可以为他们提供及时、有效、无损的防治建议,能够满足大数据背景下的农业种植需求。
基于图像处理的水稻病虫害检测研究
这是一篇关于水稻病虫害,图像检测,支持向量机的论文, 主要内容为水稻作为我国主要的粮食作物,已经渗透到了农业生产和人民生活的方方面面。在水稻生长过程中,由于病害、虫害等客观因素的存在,对其高质高产产生了不利影响。随着智慧农业的日益发展,虽然传统的人工检测方法正在逐步被基于机器学习的检测方法取代,但是由于目前实际投入使用的检测系统运行比较复杂,农户对计算机检测知识的了解还不够深入,这些系统在广大农村无法得到很好地推广和普及。本文研究区设在如东县马塘镇尊三村,通过实地走访,采集了多种水稻病虫害图像总计1217张,分别提出了:基于LC显著性检测算法和OSTU算法相结合的病虫害图像分割方法,基于灰度共生矩阵、颜色矩、HU不变矩相结合的病虫害图像特征提取方式,基于RBF核函数的PSO-SVM模型的病虫害图像识别方式,并基于此设计出简单实用的水稻病虫害检测系统。具体研究内容及成果如下:(1)水稻病虫害图像的采集和预处理。本研究选择利用华为mate20和oppo findx3智能手机,于2021年的6月初至9月水稻病虫害多发季节,以如东县马塘镇尊三村多块农田为对象,在自然光照下分别拍取水稻病虫害图像总计1217张,并对采集到的图像进行预处理。首先,使用MATLAB2016b对病虫害灰度图模拟了不同函数的去噪实验,得出去噪效果较好的高斯滤波作为本文图像去噪的研究方法;其次,采用几种不同的图像分割方式分别对采集到的水稻病虫害图像进行分割,发现在利用LC显著性检测算法进行分割的基础上,结合OSTU算法再次进行阈值分割的方法得出的结果最优;最后,将分割得到的图像进行开闭运算,尽最大程度保留住水稻病虫害图像的真实形态。(2)基于SVM模型的病虫害图像检测识别。本文分析了SVM识别方法,提出了改进后的基于粒子群算法优化的SVM识别方法。对收集的图像进行筛选,挑出稻瘟病、稻曲病以及卷叶螟为害状图像,按照四比一的比例选取训练集样本共计568幅,测试集样本共计142幅,干扰图像114幅,通过原始SVM和改进后的SVM,分别对单一或多种图像特征参数进行操作,得出PSO-SVM模型对颜色和形状的融合特征进行识别时,训练准确率最高。(3)水稻病虫害检测系统的开发。本文对系统可行性进行分析,确定系统的主要功能,并在前文研究的最优支持向量机识别模型的基础上,开发出采用基于J2EE技术体系的通用Spring架构和SOA设计理念的检测系统。系统主要是采用前后台系统交互及与外围系统交互统一基于http协议实现,前端使用React+Antd+Umi架构,后台传输图像数据到服务端,调用已经提前打包到服务器的图像识别程序,对水稻病虫害图像进行分割和特征提取,从而进行识别检测。本文研究的检测系统平均诊断正确率为94.525%,诊断时间约为7秒,各项功能基本能够达到预期目标,与传统检测模式相比,具有实用性强、识别性高、操作容易等特点,便于水稻种植户使用,可以为他们提供及时、有效、无损的防治建议,能够满足大数据背景下的农业种植需求。
基于知识图谱的水稻病虫害问答系统的设计与实现
这是一篇关于水稻病虫害,知识图谱,问答系统,BERT-BiLSTM-CRF,TextCNN的论文, 主要内容为水稻是中国重要的粮食作物。在中国,水稻播种面积和产量在世界均位居前列,其承载着中国历史传承和国民幸福生活的重担。然而,如今病虫害问题已经严重影响了水稻的质量和产量,种植人员不仅无法快速从书籍文献中获取种植帮助,而且无法通过互联网的搜索引擎准确获取种植知识。针对以上问题,本文将研究设计并实现水稻病虫害问答系统,为种植人员准确、快速地提供水稻种植相关答疑。本文的主要工作如下:(1)水稻病虫害知识图谱的构建研究。针对水稻病虫害领域知识关系错综复杂的问题,通过自顶向下和自底向上结合的方法对水稻病虫害领域进行水稻病虫害概念层设计;针对水稻病虫害知识多源异构导致的知识图谱构建难度大问题,基于BIOE S序列标注法通过BERT-Bi LSTM-CRF模型对非结构化知识进行实体抽取。本研究以BERT-Bi LSTM-CRF命名实体识别模型为基础,针对模型鲁棒性和准确率低的问题,提出加入对抗训练引入噪声的网络改进策略,利用共享信息优化实体抽取任务,此外引入分层设置学习率策略和学习率自动衰减策略以提升模型实体识别效果。结果表明,该模型与传统的BERT-Bi LSTM-CRF对比,F1值提高了2.34%,达到91.18%。(2)基于知识图谱的水稻病虫害知识问答研究。针对传统搜索引擎问答不充分、不准确的问题,提出基于知识图谱的水稻病虫害知识问答;针对水稻病虫害用户问句文本短、语义特征少的问题,采用BERT-Text CNN模型提取文本特征信息,实现问句意图理解;针对问题实体识别问题,提出融合对抗训练的BERT-Bi LSTM-CRF模型识别问句实体。针对答案查询问题,采用Cypher语句在水稻病虫害知识图谱中进行查询。结果表明,问句意图理解的F1值达到97.81%,答案查询的F1值达到79.32%。(3)基于知识图谱的水稻病虫害问答系统的设计与实现。通过Django框架开发搭建水稻病虫害问答系统,满足种植人员高效、快速获取水稻种植知识的需求,为信息化农业病虫害的防治提供了经验。
基于知识图谱的水稻病虫害问答系统的设计与实现
这是一篇关于水稻病虫害,知识图谱,问答系统,BERT-BiLSTM-CRF,TextCNN的论文, 主要内容为水稻是中国重要的粮食作物。在中国,水稻播种面积和产量在世界均位居前列,其承载着中国历史传承和国民幸福生活的重担。然而,如今病虫害问题已经严重影响了水稻的质量和产量,种植人员不仅无法快速从书籍文献中获取种植帮助,而且无法通过互联网的搜索引擎准确获取种植知识。针对以上问题,本文将研究设计并实现水稻病虫害问答系统,为种植人员准确、快速地提供水稻种植相关答疑。本文的主要工作如下:(1)水稻病虫害知识图谱的构建研究。针对水稻病虫害领域知识关系错综复杂的问题,通过自顶向下和自底向上结合的方法对水稻病虫害领域进行水稻病虫害概念层设计;针对水稻病虫害知识多源异构导致的知识图谱构建难度大问题,基于BIOE S序列标注法通过BERT-Bi LSTM-CRF模型对非结构化知识进行实体抽取。本研究以BERT-Bi LSTM-CRF命名实体识别模型为基础,针对模型鲁棒性和准确率低的问题,提出加入对抗训练引入噪声的网络改进策略,利用共享信息优化实体抽取任务,此外引入分层设置学习率策略和学习率自动衰减策略以提升模型实体识别效果。结果表明,该模型与传统的BERT-Bi LSTM-CRF对比,F1值提高了2.34%,达到91.18%。(2)基于知识图谱的水稻病虫害知识问答研究。针对传统搜索引擎问答不充分、不准确的问题,提出基于知识图谱的水稻病虫害知识问答;针对水稻病虫害用户问句文本短、语义特征少的问题,采用BERT-Text CNN模型提取文本特征信息,实现问句意图理解;针对问题实体识别问题,提出融合对抗训练的BERT-Bi LSTM-CRF模型识别问句实体。针对答案查询问题,采用Cypher语句在水稻病虫害知识图谱中进行查询。结果表明,问句意图理解的F1值达到97.81%,答案查询的F1值达到79.32%。(3)基于知识图谱的水稻病虫害问答系统的设计与实现。通过Django框架开发搭建水稻病虫害问答系统,满足种植人员高效、快速获取水稻种植知识的需求,为信息化农业病虫害的防治提供了经验。
基于Web的江西水稻病虫害防治专家系统
这是一篇关于专家系统,知识,水稻病虫害,推理,诊断的论文, 主要内容为水稻是我省重要的粮食作物之一,由于水稻病虫害的发生,每年都会对稻谷造成极大的损失,改进现有水稻植保工作方法,对水稻病虫害进行有效的防治,是提高水稻产量的重要保障,而农业信息化技术是改进现有工作方法的重要手段。在研究了大量农业专家系统设计思想基础上构建的基于Web的江西水稻病虫害防治专家系统,使人们可以通过网络对水稻病害、虫害信息进行了解并获取相关的防治技术,系统能够对水稻病虫所产生的危害进行诊断,同时通过相关的预测模型对水稻病虫害的发生情况给出一个预测结果,使人们能够及早的开展防控工作,因此,具有重要的研究价值和应用前景。 本系统研究了专家系统的基本结构功能、知识表示方法及推理技术等基本理论,以JSP作为开发环境,采用Hibernate和Struts等主流的网络开发技术,以江西省水稻生长过程中常见的病虫害等植保问题为研究对象,对相关领域知识进行分析整理,建立了专家系统的知识库,运用数据库理论知识构建出了基础数据库和模型库,对比了多种基于Java的规则引擎技术后,确立了以Jess为系统的推理引擎,设计出了系统的推理机制。旨在开发出基于Internet的水稻病虫害防治专家系统,为水稻植保科技工作者、水稻生产管理者以及相关人员提供专家级的诊断解决方案等,并为用户提供远程访问,共享水稻的病虫害和防治技术数据。
基于知识图谱的水稻病虫害问答系统的设计与实现
这是一篇关于水稻病虫害,知识图谱,问答系统,BERT-BiLSTM-CRF,TextCNN的论文, 主要内容为水稻是中国重要的粮食作物。在中国,水稻播种面积和产量在世界均位居前列,其承载着中国历史传承和国民幸福生活的重担。然而,如今病虫害问题已经严重影响了水稻的质量和产量,种植人员不仅无法快速从书籍文献中获取种植帮助,而且无法通过互联网的搜索引擎准确获取种植知识。针对以上问题,本文将研究设计并实现水稻病虫害问答系统,为种植人员准确、快速地提供水稻种植相关答疑。本文的主要工作如下:(1)水稻病虫害知识图谱的构建研究。针对水稻病虫害领域知识关系错综复杂的问题,通过自顶向下和自底向上结合的方法对水稻病虫害领域进行水稻病虫害概念层设计;针对水稻病虫害知识多源异构导致的知识图谱构建难度大问题,基于BIOE S序列标注法通过BERT-Bi LSTM-CRF模型对非结构化知识进行实体抽取。本研究以BERT-Bi LSTM-CRF命名实体识别模型为基础,针对模型鲁棒性和准确率低的问题,提出加入对抗训练引入噪声的网络改进策略,利用共享信息优化实体抽取任务,此外引入分层设置学习率策略和学习率自动衰减策略以提升模型实体识别效果。结果表明,该模型与传统的BERT-Bi LSTM-CRF对比,F1值提高了2.34%,达到91.18%。(2)基于知识图谱的水稻病虫害知识问答研究。针对传统搜索引擎问答不充分、不准确的问题,提出基于知识图谱的水稻病虫害知识问答;针对水稻病虫害用户问句文本短、语义特征少的问题,采用BERT-Text CNN模型提取文本特征信息,实现问句意图理解;针对问题实体识别问题,提出融合对抗训练的BERT-Bi LSTM-CRF模型识别问句实体。针对答案查询问题,采用Cypher语句在水稻病虫害知识图谱中进行查询。结果表明,问句意图理解的F1值达到97.81%,答案查询的F1值达到79.32%。(3)基于知识图谱的水稻病虫害问答系统的设计与实现。通过Django框架开发搭建水稻病虫害问答系统,满足种植人员高效、快速获取水稻种植知识的需求,为信息化农业病虫害的防治提供了经验。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码客栈网 ，原文地址：https://bishedaima.com/lunwen/47653.html
