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诊断方法研究

这是一篇关于知识图谱,确定性因子模型,水稻病虫害,智能诊断,跳跃表的论文, 主要内容为水稻作为最主要粮食作物之一,种植面积也在逐年递增,但种植过程常因水稻病虫害导致减产、粮食安全等问题,不仅致使整个产业经济不景气,还影响社会稳定发展,解决水稻病虫害问题已经成为当前学者研究的主要方向之一。国家也全方位增强应对农作物病虫害体系建设,颁布了《农作物病虫害防治条例》,习总书记也强调过“中国人要把饭碗端在自己手里,而且要装自己的粮食。”目前搭建专家系统是解决水稻病虫害的有效手段,但是由于水稻病虫害数据具有多源异构、种类多样的特点,且传统专家系统难以处理复杂数据间的关联,仍存在不足,因此研究复杂数据间关联关系被充分挖掘、高效诊断意义重大。针对以上问题本文选择网状结构的知识图谱作为底层存储,提出基于水稻病虫害的知识图谱构建方法,并以此为支撑对智能诊断模型进行深入研究,论文的主要工作包括:(1)水稻病虫害知识图谱的构建。需要完成数据的采集、表示、抽取及存储系列操作来实现知识图谱模式层及数据层的构建。同时利用神经网络模型(Bi-directional Long Short-Term Memory-Conditional Random Fields,Bi-LSTM-CRF)进行水稻病虫害实体识别,获得数据层知识。该模型在水稻病、虫害名称及危害症状的识别上准确率分别为91.67%、89.66%、87.02%。(2)基于知识图谱的水稻病虫害诊断模型的构建。通过引入了跳跃表多维索引算法(SKIP LIST,SL),从联系链路、社群划分、相似病害发现这3个维度进行分析挖掘并通过实验比较其检索效率,解决了动态变化数据处理中耗时问题;同时提出了基于确定性因子(Certainty Factor,CF)模型和知识图谱相结合的诊断算法,利用CF与水稻病株症状的结合实现水稻病虫害的诊断,增加了诊断的准确性和可解释性,充分发挥该领域数据的实用价值。(3)开发了水稻病虫害智能诊断系统。实现了水稻病虫害知识展示、检索、诊断和预警功能,并通过ECharts可视化工具进行实体关系的展示,实现了水稻病虫害数据在不同场景下的应用。对该系统进行压力测试和综合测评值评估,均得到了较好的结果。

水稻病虫害智能化咨询与诊断服务系统的开发与实现

这是一篇关于水稻病虫害,诊断,咨询,专家系统的论文, 主要内容为本文是浙江省科技计划项目“基于农民信箱的智能化农业咨询服务系统研制与应用”(计划编号:2008C33008)的一部分,通过深入研究水稻病虫害相关知识,利用各种现代信息技术,开发出了水稻病虫害咨询与诊断服务系统,并能通过后台维护部分对系统进行维护与升级。 系统采用更加灵活的Browse/Web Server/Database结构体系,以ApacheTomcat作为Web服务器,采用Java及JSP进行服务器端程序开发,实现了专家系统的网络化,从而扩大了专家系统的应用范围。系统引入开源数据库PostgreSQL,利用数据库管理机制组织知识库,实现了知识库和推理机的相互独立,增加了系统的可扩充性,简化了系统的维护。 通过多种渠道获取知识,然后对其进行分析、整理和总结,采用正反向混合推理和不确定性推理来解决农业领域知识的复杂性和不精确性。本系统采用的是基于特征的诊断机制,通过综合分析各种因素对病虫害发生和发展的影响,在借鉴国内外农业专家系统的基础上确定了水稻病虫害诊断的主要因素,病害的诊断因素是水稻生长的各个部位(根、茎、叶、穗)的症状特征和植物综合症状,虫害的诊断因素是个体(卵、幼虫、蛹、成虫)的形态特征和为害特点。 系统将计算机技术和农业专家知识有效地结合起来,集病虫害信息浏览与查询、病虫害诊断于一体,人机界面简单,操作方便。论文的最后,提出了今后研究的重点和系统进一步发展的方向。

基于本体的水稻病虫害诊断专家系统研究

这是一篇关于水稻病虫害,诊断系统,本体建模,本体推理的论文, 主要内容为本体作为表达知识的共享概念模型，自提出以来就引起了国内外许多学者的关注，并日渐成为知识工程、知识管理、信息检索、语义Web和人工智能中的一种重要的建模工具。本研究针对南方红壤丘陵区水稻病虫害的特点和特征，采用本体开发工具Protégé建立专家知识本体，利用本体推理技术对病虫害进行诊断推理，开展了基于本体的水稻病虫害诊断专家系统研究，设计开发了原型系统。测试试验表明，系统能够较为准确地诊断出的病虫害，并给出相应病虫害防治措施。 本文重点研究水稻病虫害智能诊断系统中的三个关键技术，分别是水稻病虫害知识的概念建模、水稻病虫害知识的智能诊断推理和水稻病虫害诊断原型系统设计。研究的主要内容如下： 1.研究了基于OWL（OntologyWebLanguage）的水稻病虫害的概念建模方法。根据水稻病虫害的发生特点和知识特征，确定领域知识的建模模式，提出了基于本体的水稻病虫害知识的组织形式，采用OWL实现水稻病虫害本体知识的有效表达，构建水稻病虫害领域的本体模型。 2.研究了基于本体的水稻病虫害不确定诊断推理的方法。通过分析水稻病虫害诊断领域的特点，对本体库中的知识进行检索与匹配，提出运用基于本体推理和相似度计算相结合的方法，并利用权系数算法，实现病虫诊断推理过程，提高系统诊断的准确性。 3.研制开发了基于本体的水稻病虫害智能诊断原型系统。在MyEclipse平台环境下，采用JSP和Jena技术设计实现了水稻病虫害智能诊断系统。其中虫害诊断主要依据害虫的形态特征、危害部位和危害症状，病害诊断主要依据病斑形状、病斑颜色、危害部位和植株为害症状。系统诊断界面及防治界面友好，清晰易用。 本研究结合“十一五”国家科技支撑计划重点项目课题：红壤丘陵区双季稻专家系统的研究与应用（2009BADC4B02），围绕基于本体理论的水稻病虫害智能诊断系统设计技术开展研究，所开发的系统集诊断、防治和查询多种功能于一体，对南方红壤丘陵区水稻病虫害的诊断和防治具有很好的应用价值。

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.NET的上饶地区水稻病虫害专家系统分析与设计

这是一篇关于水稻病虫害,专家系统,UML,推理机,智能诊断的论文, 主要内容为互联网的快速发展推动了农业信息化的进程,农业专家系统已经逐步融入到广大农村一线农户身边,水稻常见病害、虫害诊断并提供防治方案是农业专家系统在水稻病虫害方面的一个具体应用,其有着方便、高效等特点。水稻病虫害专家系统可以针对水稻病虫害的诊断和防治在日常农业生产中的难点,发挥互联网与专家知识相结合的优点弥补了专家难以经常到田间指导的不足,开发一个针对本地区水稻病虫害特点的专家系统成为可能。针对以上的特点,本文以上饶地区的水稻病虫害为对象,分析与设计了基于.NET的上饶地区水稻病虫害专家系统。通过对本地区农户和农业专家提供的基本信息进行需求分析,运用UML建模工具对其分析与建模,将专业知识通过文本和图片的形式存储到计算机内,利用.NET框架结构为基础,分层的对系统交互界面、业务逻辑、数据库访问进行设计,并使用MS SQL Server 2008数据库进行数据管理,最后在推理机的推理策略上使用了正反混合推理。将水稻各生长时期的根部、茎部、叶部、穗部的症状特定和植株发病时的整株病症相结合诊断水稻病害,将虫害个体的卵、幼虫、蛹、成虫时期的形态特征和为害特点结合起来诊断水稻虫害。系统实现了水稻常见病虫害信息浏览、病害诊断、虫害诊断的主要功能模块的设计,用户只需要点击鼠标选择相应特征就可以实现水稻病虫害的诊断和防治信息的查看,把复杂的病虫害诊断过程简单化、智能化。论文的最后对日后工作重点和研究方向提出了展望。

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。