9篇关于病虫害的计算机毕业论文

今天分享的是关于病虫害的9篇计算机毕业论文范文, 如果你的论文涉及到病虫害等主题,本文能够帮助到你

可视化病虫害信息采集与处理系统的开发与研究

这是一篇关于病虫害,B/S架构,孢子病菌,图像分割,AdaBoost分类器的论文, 主要内容为目前针对农业生产环节的基础设施和信息化服务水平显著滞后。表现为:农业环境要素、作物长势状况、灾害发生情况等无法实时监测;决策管理部门、各级管理人员、一线生产者和科学家等难以实现信息实时共享。因此,本文基于国内外农业信息化服务体系目前的发展概况,针对国内农业信息化建设存在的不足之处,在ASP.NET平台下,基于SQL Server数据库,网络通信,微处理器,流媒体通信等技术,并结合图像模式识别理论,研究并开发了一种可视化病虫害信息采集与处理系统。本文主要研究内容包括以下几个方面:1定制可视化病虫害信息采集与处理系统总体方案,设计并组建采集系统硬件平台,并分别实现了能够实时采集病虫害信息的硬件系统片上程序软件和数据存储软件。2针对孢子病菌显微图像粘连、噪声大导致的难分割、过分割问题。以小麦白粉孢子为例,分析了影响分割准确度的主要因素。提出一种先以高低帽变换对图像进行增强,再以中值滤波器去除孤点噪声,并用改进的形态学滤波器处理距离变换前的二值图像,再对距离变换的灰度图像进行拓展极小值和形态学重建,最后应用分水岭分割算法的方法,实现了孢子图像的准确分割。并依据6种孢子图像的特征筛选出待识别的感兴趣区域,去掉了大部分伪区域,减少了识别判断的数据量。3选取HOG特征,LBP特征,Haar特征,分别应用AdaBoost分类器进行训练。并对分割出的感兴趣区域进行识别。对比分析后得出,基于LBP特征的分类器检测效果最好。4在ASP.NET平台下,实现了基于B/S架构上位机系统软件,完成了整个系统的开发,并对软件进行了实地测试,对其测试结果进行了分析,实际软件识别测试平均准确率为76%,平均误检率为19%。

基于改进EfficientNet的病虫害分类与对抗攻击

这是一篇关于病虫害,深度神经网络,注意力模块,激活函数,伽马校正,图像金字塔,对抗样本的论文, 主要内容为农业通过人工培育来获得产品。许多植物病虫害会降低作物的产量和质量,植物病虫害问题比较严重。因此,植物病虫害的分类近年来受到了学术界的广泛关注,植物病虫害的分类有很多方法。人工诊断病虫害种类,具有较强的主观性,且耗时耗力。后来深度学习被应用在病虫害识别,并且取得了一些成果。目前的深度神经网络存在识别率不够高或效率低等问题。本文从注意力模块,卷积模块和激活函数改进Efficient Net,提出了Sim AM-Efficient Net。Sim AMEfficient Net识别率很高,而且训练和识别的速度很快。现有的注意力模块一般存在以下两个问题。第一个是它们只能通过通道和空间来细化特征,这会导致注意力权值的不灵活。第二个问题是结构很复杂,性能由一系列因素来影响。与它们相比,Sim AM有很多优势,它同时考虑空间和通道,推断三维的注意权值,而不添加参数在原始的网络中。因此,本文将Sim AM融入到Efficient Net中。标准卷积生成的特征图中的特征是高度冗余的,因此,本文用Ghost模块来优化一部分标准卷积,用标准卷积运算与线性运算相结合的方式减少特征提取过程中的计算量。另外,原本的Efficient Net里,Swish激活函数应用在模型的第1与第9个模块,还有第2至第8的MBConv模块中。虽然Swish激活函数在更深层次的模型上比Re LU表现更好,但效率较低。因此,用Hard Swish激活函数来替代Swish,Hard Swish激活函数采用分段线性函数,减少内存访问的数量。在训练过程中本文引入了迁移学习和学习率衰减来提升模型的性能。实验结果表明了本文模型在Plant Village上的准确率为99.31%。Res Net50的准确率为98.33%。Res Net18的准确性是98.31%。Dense Net的准确率为98.90%。但是,DNN是非常脆弱的,在图像分类中的对抗攻击值得关注。通过对抗样本检测DNN的鲁棒性是非常重要的,另外对抗攻击生成的对抗样本可以用来训练,增强DNN的性能。本文通过伽马校正和图像金字塔对MI-FGSM算法进行改进,提出了新的对抗攻击方法GP-MI-FGSM,然后用此方法生成的对抗样本来对DNN对抗训练。本文提出的模型在GP MI-FGSM对抗攻击下,错误率为87.6%。本文提出的GP-MI-FGSM的成功率高于其他对抗攻击算法,包括FGSM、I-FGSM和MI-FGSM。经过对抗训练后的模型的鲁棒性进一步增强,并且性能可以提升。最终经对抗训练过后的Sim AM-Efficient Net识别准确率达到99.78%

基于改进EfficientNet的病虫害分类与对抗攻击

基于知识图谱的农作物病虫害问答系统设计与实现

这是一篇关于农作物,病虫害,知识图谱,问答系统,自然语言处理的论文, 主要内容为我国病虫害年平均发生面积在4.60～5.08亿hm2,对各类农作物的生产产生巨大影响。因此,掌握病虫害防控知识,实现科学防控,对作物的产量和品质形成具有重要影响,为解决知识传播中的低效失真和手段落后问题,需要构建精准、高效、快捷的病虫害防治问答系统。本研究在收集农作物病虫害数据基础上,结合知识本体构建农作物病虫害知识图谱,利用自然语言处理技术,将病虫害知识的问题理解任务转化为问句模板分类任务,采用多种机器学习自然语言处理模型,实现病虫害问题分类,最后集成病虫害问答模型,实现病虫害问答系统。主要研究结果与结论如下:1.农作物病虫害知识图谱的构建。根据农作物病虫害专业知识特点,采用自顶向下的构建模式,结合农作物病虫害知识结构,设计了5层病虫害知识本体,确定了病虫害知识的领域和范围。依据病虫害知识特征,构建实体、关系和属性三元组知识框架,实现了麦类、玉米、水稻、棉麻、油料、糖、烟等12类作物,1065种病虫害知识图谱,包括农作物病虫害实体6594个,关系7044条,三元组6994个;设计出11类问题模板,构造了155916条、132类自然语言问句。2.基于自然语言处理的问答模型构建。基于农作物病虫害知识图谱,利用Han LP中文自然语言处理工具,进行农作物病虫害命名实体识别,形成了1114个农作物病虫害词典;利用自然语言处理技术,设计了基于朴素贝叶斯(Naive Bayes Classifier,NBC)、基于转换器的双向编码表征量(Bidirectional Encoder Representation from Transformers,BERT)和文本卷积神经网络(Text Convolutional Neural Network,Text CNN)农作物病虫害问答模型并测试,结果表明,NBC、BERT和BERT+Text CNN模型准确率分别达到96.8%、93.0%和99.6%,其中NBC最为稳定,精确率、召回率和F1值都在95%以上,最优模型为BERT+Text CNN,精确率、召回率和F1值都在99.5%以上,说明基于机器学习实现问题分类,利用知识图谱实现农作物病虫害知识匹配是可行的。3.农作物病虫害问答系统设计与实现。基于病虫害知识图谱,结合构建的农作物病虫害问答模型,利用Web Service和Flask框架技术,设计了三层农作物病虫害问答系统架构,构建了基于知识图谱的农作物病虫害问答系统,实现了农作物知识图谱、问答模型和问答服务的集成,结合命名实体识别技术,实现了农作物病虫害知识的精准推荐。

星火科技12396专家知识库系统的研究

这是一篇关于专家系统,知识库,模型库,推理机,病虫害的论文, 主要内容为专家系统是一个智能计算机程序系统,包含大量领域专家水平的知识和经验,能够模仿人类专家思维来求解复杂问题,是人工智能中最重要、最活跃的一个应用领域,实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。农业专家系统(Agricultural Expert System,AES)是将专家系统知识应用到农业领域中的一种计算机系统。农业专家系统以农业领域专家知识为基础,实现计算机模拟农业专家的思维进行推理和决策,对农业的发展起关键作用,是广受关注的研究热点。本文通过不断深入研究广东省农作物生产的相关知识,采用灵活B/S结构,利用J2EE、数据库、动态网页等技术,开发12396专家知识库系统,实现农作物生产管理咨询与病虫害诊断等功能,并可通过后台维护模块对知识库系统进行升级及系统维护等工作。本文的主要工作： (1)学习和掌握建设星火科技12396专家知识库系统所需要的各项技术。确定Web服务器,采用SOL server数据库系统建立标准数据表,录入经分析整理等处理后的各种数据,为系统推理机及其它模块应用做准备。整个系统设计采用Java程序开发语言及JSP动态网页技术来实现。 (2)确定星火科技12396专家知识库系统的总体研究目标,进一步设计系统整体结构体系、功能开发和模块设计、系统开发的软硬件环境及运行演示。 (3)通过文献查阅、调查研究和调用直通车数据等形式搜集农作物生产知识、图片等资料,并通过分析、归纳、总结后结合专家系统开发的相关技术实现知识库、模型库、推理机的构建。最后对系统进行不断的测试和调试,征求领域专家的修改建议进行改进后再推广应用,并根据用户的反馈信息及新需求对系统进行进一步的完善。本文通过采用ASP开发技术和推理机技术等,收集整理广东地区主要农作物(以黄瓜为例)的生产管理特点及病虫害的种类、诊断、发生规律、防治等信息,开发研制成专家知识库系统并进行推广应用。该系统能够为广东地区的农作物生产提供生产管理咨询及技术服务,并向广大农民推广先进的病虫害防治技术,提高农业生产的科技含量和生产效率,对促进该地区农业产业化,改善农作物品质等具有重要意义。

内蒙古农业病虫害预测与诊断系统开发与应用研究

这是一篇关于病虫害,预测,多元回归,诊断的论文, 主要内容为我国是一个农业病虫害多发的国家,农业病虫害的发生会导致农产品的减产和歉收。随着网络、信息技术以及移动媒体技术的快速发展,农业的信息化要求也逐渐提高。因此,如何利用现代化的科技手段对内蒙古地区农业病虫害进行准确预测以及合理的防治,对于现代农业有着更加重要的意义。本论文针对内蒙古自治区主要农作物品种玉米、小麦、马铃薯等,开发完成了内蒙古农作物病虫害的预测与诊断系统。该系统以B/S的三层架构为基础,采用MVT开发模式,运用Python语言强大的整合能力让系统体现出操作简单、界面友好以及方便访问等特点。其主要功能包括:内蒙古自治区农业病虫害信息的查询与浏览、病虫害预测、病虫害信息诊断以及数据对比等。具体研究内容包括:(1)通过分析玉米螟虫害发病与气象信息因素之间的关系,以内蒙古赤峰地区的玉米螟虫作为研究对象,通过多元回归的方法建立了预测模型。学习算法在30组训练样本上进行训练,对6组测试样本进行测试,测试结果表明该模型在赤峰地区玉米螟虫预测方面有较高的准确性。(2)研究了利用Python中Sklearn、Pytorch等开源库建立赤峰地区玉米螟虫害多元回归预测模型的方法。(3)完成了利用Python语言中的Django框架构建基于WEB技术的内蒙古农业病虫害预测与诊断系统的功能模块设计以及数据库设计。该系统的完成解决了内蒙古地区缺乏农业病虫害信息的查询与诊断平台、许多农业病虫害方面的成功经验和信息无法实现有效共享以及赤峰地区玉米螟虫害预测等方面的问题。

基于Vue框架的红茶病虫害预警监测系统设计与实现

这是一篇关于茶叶,Vue,病虫害,预警模型,系统的论文, 主要内容为我国是病虫害多发国家,病虫害的存在一直困扰着我国农业的发展。目前,我国农业病虫害预警监测手段还较为落后,仅依赖人工不能及时对病虫害发生时期进行预测,导致农产品产量降低和经济效益下降。清远市作为茶叶大市,当地茶园一直以来都遭受着病虫害困扰。为缓解这一状况,本研究结合物联网、数据库等信息技术,建立基于Vue框架的病虫害预警监测系统,以期提高茶叶病虫害预警监测效果。本文主要工作内容如下:1.构建系统数据库。根据系统需求对数据库进行概念结构设计、逻辑结构设计、物理结构设计,并将用户信息及病虫害相关数据以表的形式存储到数据库内。2.建立基于气象要素的红茶病虫害预警模型。根据来自物联网的气象监测数据,通过知识规则和多元回归分析方法进行预测模型搭建,并将模型嵌套于系统,运用清远市茶园茶蓟马历年发生面积相关数据,验证模型的准确率。3.红茶病虫害预警监测系统的集成与实现。本系统选用B/S的三层体系架构,运用目前主流的Vue+Node.js+My SQL技术开发了知识库模块、虫情信息模块、上报病虫害模块、专家病虫害诊断模块、预警中心模块和气象数据模块六个部分。为了证明系统的实用性,对系统进行测试并在公网发布,结果表明这些模块在实际生产环境中运行时完全满足用户需求。该系统对病虫害发生程度、发生时期的预测预警具有一定的准确性,较大程度地提高了当地茶园病虫害预警和防治水平,保证了茶叶产品质量,为当地茶业产业的蓬勃发展奠定了技术基础。