农作物虫害严重影响我国农业生产和经济,特别是水稻作为重要粮食作物,其害虫识别对提升品质、产量至关重要。本研究针对水稻智能监测预警,使用深度学习实现水稻害虫的特征抽取和自动识别,并在此基础上设计并实现了智能水稻虫情远程监测预警系统。论文主要研究工作如下:
(1)为了有效实现水稻害虫自动识别并应用于远程监测预警系统,本研究以IP102为基础数据集,精选出14类严重危害水稻的害虫类型,通过分离若虫期与成虫期数据,并通过数据清洗以确保数据准确性,最终构建出包含20类害虫的分类数据集。经多模型对比实验,选定表现优异的Mobile Net V2模型,其准确率高达81.48%。
(2)为了优化水稻害虫目标检测模型在服务器上的计算效率和网络计算效率,从而满足多用户调用的需求,本研究首先通过对比实验选取了YOLOv5s作为基础网络。为了减少模型参数量,实现模型的轻量化,本研究采用Mobile Net V3进行主干网络替换,参数量减少约21%。然而,针对Mobile Net V3中SE注意力机制的不足,本研究在主干网络的最后一层添加了CA注意力机制,使模型精度在更换后提升0.48%。此外,针对Pest24数据集目标小、场景密集的问题,在头部网络增加小目标检测头,对比前面的改进,精度提升1.12%。最终经过模型的改进,模型参数量下降了约18%。
(3)为实现水稻害虫预警,并根据预警信息防治害虫,本研究利用射洪市三年虫害爆发情况数据集,结合当地三年中逐日气象信息,通过对比历期法与有效积温法,最终选取历期法作为水稻害虫预警方法。该方法在各年的预警精度都在95%以上,显示出较高的准确性和可靠性。
(4)设计并实现了智能水稻虫情远程监测预警系统,使用Spring Boot框架与vue3脚手架搭建系统,系统具有数据大屏展示、水稻害虫识别、虫害预警、设备管理等功能。
暂无评论