基于改进Faster R-CNN的苹果叶部病害识别方法

针对苹果叶片图像中小尺度病斑和复杂背景带来的病斑目标难以精确定位和识别的问题,以苹果的斑点落叶病、黑星病、灰斑病、雪松锈病和花叶病为研究对象,提出一种基于改进Faster R-CNN的苹果叶片病害识别方法。先通过数据增广操作对训练集数据进行扩充以增强模型鲁棒性,再通过对增广训练集图像进行训练来得到一个可靠的病害识别模型。改进后的模型使用拆分注意力网络(ResNest)作为骨干特征提取网络,使模型更加关注对提升病斑检测性能有用的信息,以增强模型对特征的提取能力;通过添加特征金字塔网络(FPN)进行多尺度特征融合,以增强特征信息的鲁棒性,提高模型的泛化能力;采用级联机制对建议框生成机制进行优化,使检测框定位更加准确。改进后的Faster R-CNN模型的平均精度均值(mAP)达到86.2%,与改进前相比,其平均精度提升了8.7%,对单张病害图像的识别准确率达到98.3%,单张图像平均检测时间0.092 s,能有效识别苹果叶片病斑。实验结果表明,改进后的Faster R-CNN模型能准确快速地实现对苹果叶片小目标病斑和复杂背景下病斑的识别,提升模型识别的精准度。该识别方法可在实际场景下使用,无须特意采摘叶片实现对苹果叶片病害的无损测量识别,可为苹果病害的早期干预和治疗提供科学依据。

轻简水肥一体化系统设计与实现

针对小规模农业灌溉应用中对水肥一体机高精度及低成本的需求,设计了一套轻简型水肥一体化系统。为实现精准水肥比例调控,系统可根据用户输入的标准水肥比和测量实时水速,利用脉宽调制技术通过改变占空比来调控肥速,直至满足水肥比误差要求。为降低测量误差的影响,设计中对传感器所测流量及水肥比例调控过程进行修正补偿,提高水肥调控精度。此外,提供了触摸屏和远程APP两种控制模式,操控方式简单,用户只需根据实际情况输入灌溉水肥总量,系统即可自动完成控制过程。结果表明,所设计的轻简水肥一体系统在不同水肥比例要求下,水肥配比精度高,运行稳定,可实现精准施肥灌溉。