基于深度学习算法的水稻飞虱虫害图像测报系统设计

摘要：

为了实现水稻飞虱虫害诊断,解决传统测报系统中存在的误报率高的问题,利用深度学习算法从硬件和软件两个方面对水稻飞虱虫害图像测报系统进行优化设计.测报硬件系统主要由主机、分机、传感器以及图像采集设备组成,并通过电源电路为硬件设备提供电力支持.在硬件设备安装完成的基础上,建立数据库为软件功能的实现提供基础数据,并利用深度学习算法通过采集图像预处理、识别水稻飞虱虫害和启动异常报警程序三个步骤实现图像测报功能.为了检测设计的基于深度学习算法的水稻飞虱虫害图像测报系统的性能,设计系统测试实验.经过与传统测报系统的对比可以发现,设计的虫害图像测报系统的误差率降低了0.19％,且平均时间消耗节省了0.64 s.

关键词：水稻飞虱虫害、图像测报、深度学习算法、自动测报、图像处理、系统设计

所属期刊栏目：43

分类号：TN919.5-34;TP273

资助基金：海南省自然科学基金资助619QN243

在线出版日期：2020-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：39-42