首页|基于Android和深度学习的外来入侵植物智能识别系统

基于Android和深度学习的外来入侵植物智能识别系统

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
我国是遭受外来入侵生物危害最严重的国家之一.目前国内对外来入侵植物的鉴定主要依靠调查人员的经验和专家的人工识别,存在费时费力和主观性强的问题.针对上述问题,本文在Android环境下开发了一个实时便捷的外来入侵植物智能识别系统,由移动客户端APP、云服务器和基于深度学习的外来入侵植物识别模型组成.调查者可以通过手机客户端APP拍摄植物图像,上传至云服务器,识别模型会自动识别图像上的植物,识别结果和防治信息在1～2 s内反馈至用户客户端,还可以远程请求专家鉴定.该系统对35科135种入侵植物的平均识别率达到85.3％.基于Android的外来入侵植物智能识别系统实现了中国常见入侵植物信息查询、自动识别、入侵植物采集点地图显示和专家远程鉴定等功能,为野外调查人员提供了一个便捷准确的外来入侵植物自动识别和调查工具.
The intelligent identification system of alien invasive plants based on Android and deep learning

刘万学、蒯乃阳、韩爽、冼晓青、陈宝雄、吕军、姚青

展开 >

中国农业科学院植物保护研究所,植物病虫害生物学国家重点实验室,北京 100193

浙江理工大学信息学院,杭州 310018

农业农村部农业生态与资源保护总站,北京 100125

外来入侵植物 智能识别 移动终端APP 云服务器 深度学习

2016YFC1201200Caascx-2017-2022125A0609LGN18C140007

2021

10.16688/j.zwbh.2020267

植物保护
中国植物保护学会 中国农业科学院植物保护研究所

植物保护

CSTPCDCSCD北大核心
影响因子：1.004
ISSN：0529-1542
年,卷(期)：2021.47(4)
  • 9
  • 11