详细信息：
1.科学技术领域
本项目所属的科学技术领域是计算机图像处理与模式识别领域。
2.主要技术内容
本项目系统研究了基于图像处理与深度神经网络模型的植物病虫害智能识别技术，发明多项植物病虫害图像特征提取和维数约简技术，采用深度学习及其应用技术发明了基于物联网数据融合的作物病害图像分割与识别方法。
（1） 研究了病害叶片特征选择与维数约简关键技术。研究了基于稀疏表示和流形学习的作物病害识别技术和采用稀疏表示与字典学习的植物及其病虫害分类技术，研究了融合椭圆傅立叶描述符（EFD）和加权稀疏表示分类器（WSRC）进行植物及病虫害识别技术和基于对数频域分层梯度方向直方图的苹果病害识别方法。解决了作物病害识别中的特征提取与选择难题，为模式识别在植物病虫害智能识别中的应用研究提供了理论依据和新思路。
（2） 提出了基于深度神经网络的植物病虫害新技术。研究了三通道卷积神经网络(CNNs)进行作物病害识别，有效地解决了作物病害叶片的病斑分割与特征提取难题，能够自动提取出最佳的、更抽象的本质特征并进行病害识别，具有识别率高且识别速度快的特点。解决了传统的作物病害识别方法的一些问题，包括需要依靠先验知识提取人工设计的特征，并且具有盲目性和耗时大的问题。
（3） 开发了基于物联网数据融合的植物病虫害数据库及智能识别。 系统。建立了多种农作物的病虫害叶片及果实图像数据库和环境信息数据，涵盖了冬枣、西红柿、青椒、黄瓜、苹果等多种常见农作物。开发了基于物联网的病害图像和环境信息相结合的作物病害识别系统。解决了基于物联网数据融合的植物病虫害智能识别技术产业化难题。
3.技术经济指标
本项目发明专利 11 项，发表 SCI/EI 论文 20 篇，获查新成果 1 项,科技成果登记 1 项。
4.应用推广情况
本项目技术已全覆盖黄瓜、西红柿、青椒、冬枣、樱桃等植物的病虫害监测。
1.科学技术领域
本项目所属的科学技术领域是计算机图像处理与模式识别领域。
2.主要技术内容
本项目系统研究了基于图像处理与深度神经网络模型的植物病虫害智能识别技术，发明多项植物病虫害图像特征提取和维数约简技术，采用深度学习及其应用技术发明了基于物联网数据融合的作物病害图像分割与识别方法。
（1） 研究了病害叶片特征选择与维数约简关键技术。研究了基于稀疏表示和流形学习的作物病害识别技术和采用稀疏表示与字典学习的植物及其病虫害分类技术，研究了融合椭圆傅立叶描述符（EFD）和加权稀疏表示分类器（WSRC）进行植物及病虫害识别技术和基于对数频域分层梯度方向直方图的苹果病害识别方法。解决了作物病害识别中的特征提取与选择难题，为模式识别在植物病虫害智能识别中的应用研究提供了理论依据和新思路。
（2） 提出了基于深度神经网络的植物病虫害新技术。研究了三通道卷积神经网络(CNNs)进行作物病害识别，有效地解决了作物病害叶片的病斑分割与特征提取难题，能够自动提取出最佳的、更抽象的本质特征并进行病害识别，具有识别率高且识别速度快的特点。解决了传统的作物病害识别方法的一些问题，包括需要依靠先验知识提取人工设计的特征，并且具有盲目性和耗时大的问题。
（3） 开发了基于物联网数据融合的植物病虫害数据库及智能识别。 系统。建立了多种农作物的病虫害叶片及果实图像数据库和环境信息数据，涵盖了冬枣、西红柿、青椒、黄瓜、苹果等多种常见农作物。开发了基于物联网的病害图像和环境信息相结合的作物病害识别系统。解决了基于物联网数据融合的植物病虫害智能识别技术产业化难题。
3.技术经济指标
本项目发明专利 11 项，发表 SCI/EI 论文 20 篇，获查新成果 1 项,科技成果登记 1 项。
4.应用推广情况
本项目技术已全覆盖黄瓜、西红柿、青椒、冬枣、樱桃等植物的病虫害监测。
联系我们
张女士
更多推荐
