摘要：针对番茄病虫害诊断中存在的传统卷积神经网络结构复杂、难以直接应用于便携终端,以及现有轻量化卷积神经网络特征提取能力弱、识别准确率低、难以满足实际需要等问题,本研究拟在原有轻量化卷积神经网络的基础上,定义超轻量化卷积神经网络,设计一种基于SqueezeNet网络改进的超轻量化卷积神经网络,将其用于番茄病虫害诊断任务中。首先,改进SqueezeNet网络中的Fire模块,生成2种适用于不同特征维度的Fire模块,并引入ECA(高效通道注意力)模块以提高模型的特征提取能力;其次,结合扩展型指数线性单元函数(SELU)和Mish函数,替代修正线性单元函数(ReLU)作为激活函数;再次,采用软池化(Softpool)替代原始的最大池化;最后,利用中心损失函数(Center loss)改进指数归一化损失函数(Softmax loss),提高对近似病虫害的识别准确率。本研究选择了8种害虫和9种病害,对害虫、病害、病虫害3类数据集进行数据增强,并探讨了数据的小样本性、不平衡性对模型性能的影响。结果表明,本研究提出的模型具有超轻量化的特点,对害虫、病害、病虫害的识别准确率最高分别可达98.83%、98.14%和97.71%,能够很好地满足番茄病虫害诊断需求。

摘要：随着农业科学技术的快速发展,先进的农业信息技术逐渐应用到农业生产中,为农业现代化的发展提供强有力的技术支持。在此基础上,病虫害专家诊治系统应运而生,为科学种植农作物提供了专业性指导。番茄是中国主要农作物,但极易受病虫害影响,导致其产量与质量均大幅降低。因此,可将病虫害专家诊治系统应用到番茄生产中,及时准确地诊断番茄病虫害情况,确保番茄优质高产。本文介绍了番茄病虫害专家诊治系统的设计目标、设计原则、设计路线、主要功能及应用效果,以期有效预防和治疗番茄病虫害。

摘要：为对番茄病虫害叶片特征进行提取,减少番茄病虫害叶片图像模型复杂度,缓和卷积神经网络模型检测番茄病虫害叶片图像时出现的过拟合现象,提出一种利用迁移学习技术实现卷积神经网络的分类模型,利用训练成熟的卷积网络的多层结构将底层特征逐步提升为抽象的高层特征,使其具有良好的特征学习能力。实现番茄病虫害叶片图片的数据增强,对数据增强后的叶片图片进行特征提取,利用支持向量机对图片进行分类。实验结果表明,该方法在番茄病虫害检测中具有较高的准确性和鲁棒性。

摘要：在番茄病虫害防治中常常出现因资料分散而导致的信息获取不全或是利用效率低等问题,为此提出利用计算机技术设计一套针对开放网络上的多方数据进行收集与整理的方法。该方法基于Scrapy框架依次确定爬取对象、设计爬取流程、分析原始网页、存储相关数据,最后依托Django框架搭建可视化界面用于前端与后台的数据交互。由此实现了对各类数据的有效收集和按规则的结构化存储,为在番茄病虫害领域搭建系统、专业的知识库提供数据依据。

摘要：为更好地解决设施栽培过程中出现的病虫害问题,设计一款面向设施农业的臭氧杀菌闭环控制系统。该系统以STM32F103C8T6单片机为核心,由臭氧发生器、高速风机、臭氧浓度传感器、计时器和报警器组成闭环控制系统。当系统信号采集模块检测到设施空间中臭氧浓度时,通过检测电路将采样信号传递给控制器,控制器根据系统设定值判断并控制臭氧发生器等执行机构工作,实现臭氧浓度的精准控制,减轻臭氧浓度不适给设施蔬菜带来的严重伤害。系统设定浓度为60 mg/m^(3),系统稳定后工作时长30 min。以此为基础,应用臭氧杀菌闭环控制系统对温室番茄叶霉病、灰霉病进行防治试验。结果表明,使用该系统防控对番茄叶霉病、灰霉病的防效优于常规防治,在温室番茄全成长期,叶霉病、灰霉病发生率均显著下降,防治效果分别为89.3%、92.2%。