摘要
大豆作为中国重要的经济作物之一，近10年来，随着我国大豆产量的逐步增长、种植面积日益扩大，使得病虫害的发生率也急剧上升，这也成为影响我国大豆生产的关键因素。目前，我国大豆病虫害的识别和诊断仍然主要依赖于传统的人工检测，这样既耗费了大量的人力，又缺乏实时性，而且由于判断的主观性，往往会出现偏差，无法在最短的时间内采取有效的防治措施，从而无法满足当今现代化农业的发展需求。随着现代化农业的蓬勃发展，传统的人工诊断正逐渐被智能化诊断所取代。为了进一步提升大豆病虫害防治效果，促进了智慧农业的发展，本论文对专家系统和深度学习技术进行深入研究，构建了智能诊断与识别系统，为大豆病虫害辅助诊断与识别提供帮助，具体工作如下： 首先，基于专家系统实现大豆病虫害智能诊断。知识的获取采用三种方式：手动获取法、半自动获取法、自动获取法，并运用产生式的规则对知识库进行设计。采用不确定性推理方法，以大豆病虫害发病特点为依据确定受损的部位，如根、茎和叶等。基于不同部位相应的表象结合领域专家的经验，设计、实现了专家系统推理机，实现对大豆病虫害的辅助诊断。 其次，基于卷积神经网络实现大豆病虫害智能识别。采用两种方式获取实验数据，一是网络公开数据集；二是通过网络爬虫获取。选取细菌性叶斑病、豆锈病、食心虫、豆天蛾、健康5类大豆病虫害作为研究对象。通过水平翻转、旋转和亮度调整等方式，对大豆病虫害数据集进行预处理，并将图像尺寸统一调整为224*224。在ResNet34网络模型基础上，通过修改模型框架和冻结部分层模型的方法进行迁移学习，对大豆病虫害图像进行训练。通过实验对比测试，结果表明，该模型可有效应用于大豆病虫害识别，准确率为93.5%，可更高效地实现病虫害的识别和分类。 最后，实现了大豆病虫害智能诊断与识别系统。本系统基于专家系统的辅助诊断与基于深度学习的智能识别机制而构建。系统主要功能包括大豆病虫害查询、病虫害智能诊断、病虫害智能识别、专家咨询等功能。通过初步应用，本研究成果可对大豆种植过程中的病虫害诊断与识别提供有效的辅助作用，进而提升了大豆种植的智能化水平。
NETL