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。

双目视觉自动检测香蕉植株假茎宽度

为了实现香蕉植株假茎宽度的快速无损测量,提出了一种基于双目相机的图像测量方法。实验随机选取100株香蕉植株分别从距香蕉假茎0.9、1.2、1.6、1.9 m处获取香蕉植株的双目RGB图像,共得到400个样本。首先通过双目标定、立体校正、立体匹配得到视差图,并将其随机分为训练集(170个样本)与测试集(230个样本)。然后对训练集中的假茎进行手动矩形框标注,并采用级联分类器进行训练,得到假茎的自动识别模型。最后将测试样本识别出的假茎矩形区域特征点转换到相机坐标系下进行倾斜度矫正,得到假茎的最终测量宽度。结果表明,本系统可以对香蕉假茎进行快速识别,识别率达到94.8%。不同的测量距离会影响检测精度,1.2 m距离处的测量精度最高,与真实值的决定系数R^(2)达到了0.8538,相对误差仅为2.0%。

苏南地区变量施肥电子处方图系统的构建与应用

为在苏南地区农村推广变量施肥技术提供一种可能的实施途径,根据苏南地区的农业生产实践经验,探讨一种简易的农田施肥处方的获取途径,并结合百度地图API构建变量施肥电子处方图系统,对系统结构和实现方法进行了详细介绍,重点讨论农田电子地图的构建与应用普通精度GPS模块实现田块快速定位识别的方法。以江苏省南京市双鱼龙庄13.3hm2试验田为测试对象,在Android设备上构建相应的电子处方图系统,并进行基于自然田块的定位识别性能测定试验和变量施肥试验。试验结果表明:系统测试数据稳定,定位信息经过卡尔曼滤波算法处理后,当测试点距离农田边界<2m时,定位识别正确率达到86.8%,距离边界>2m时,定位识别正确率达到100%。系统指导变量施肥机施肥,其实际播量相对误差小于5.9%。说明本系统能够有效识别作业位置,具备指导田间变量施肥的能力。具备在苏南地区农村推广应用的前景。