發(fā)布時間：2020-11-20 06:53

　　 我國是世界上最大的蔬菜種植國家,蔬菜種植業(yè)逐漸成為農(nóng)民脫貧致富的途徑之一。在蔬菜種植過程中病蟲害種類繁多,發(fā)生規(guī)律復雜,廣大菜農(nóng)多依靠主觀判斷進行病蟲害防治,誤判率高導致病蟲害不能夠及時準確的防治,直接影響蔬菜品質(zhì)和產(chǎn)量,造成巨大的經(jīng)濟損失。隨著農(nóng)業(yè)科技的快速發(fā)展,要求溫室大棚為蔬菜生長提供更加科學的生長環(huán)境,根據(jù)不同蔬菜不同生長階段所需養(yǎng)分進行智能施肥�；�于以上問題本文研究設計了一種基于圖像識別的蔬菜大棚智能噴灑管理系統(tǒng),該系統(tǒng)可以幫助菜農(nóng)及時、準確的自動識別蔬菜病蟲害并進行防治,還具有營養(yǎng)液智能配置功能,根據(jù)不同蔬菜不同生長階段所需營養(yǎng)液進行智能噴灑,解決了蔬菜大棚施肥、除病蟲害方面效率低、勞動強度大以及資源浪費等問題。本文對基于圖像識別的蔬菜大棚智能噴灑管理系統(tǒng)的研究主要分為病蟲害識別防治、營養(yǎng)液智能噴灑和環(huán)境監(jiān)控三部分。病蟲害識別防治部分:本部分主要實現(xiàn)番茄葉片病蟲害圖像采集、預處理、特征信息提取、分類識別和病蟲害防治等功能。針對番茄圖像易受自然光線和角度等因素的影響,采用顏色空間變換和中值濾波算法對圖像進行預處理,然后采用直方圖特征提取算法對番茄病蟲害圖像顏色和紋理特征進行提取并生成對應特征向量,最后采用基于加權(quán)距離K近鄰算法對番茄病蟲害圖像進行分類識別,將最終診斷結(jié)果轉(zhuǎn)換成控制命令發(fā)送給主控制器實現(xiàn)病蟲害防治功能。營養(yǎng)液智能噴灑部分:本部分包括營養(yǎng)液的智能配置和智能噴灑。每個箱體上配有流量傳感器和可調(diào)開度電動閥,采用比值控制系統(tǒng),嚴格控制配料精度,實現(xiàn)營養(yǎng)液的智能配置。智能噴灑部分根據(jù)不同蔬菜不同生長階段所需營養(yǎng)液不同進行智能噴灑。環(huán)境監(jiān)控部分:本部分主要采集蔬菜大棚內(nèi)部環(huán)境參數(shù)如空氣溫濕度、光照強度、二氧化碳濃度等信息,并通過NB-IoT無線通信模塊發(fā)送給服務器進行數(shù)據(jù)分析與存儲,用戶可以通過WEB界面和顯示屏查詢大棚內(nèi)部各項環(huán)境參數(shù),實現(xiàn)對大棚環(huán)境的實時監(jiān)測。此外用戶可以通過界面實現(xiàn)對大棚內(nèi)部電氣設備的控制,維持蔬菜生長環(huán)境的動態(tài)平衡。綜上所述,本文研究的智能噴灑管理系統(tǒng)為缺乏病蟲害防治知識的菜農(nóng)提供極大的便利,提高了蔬菜病蟲害識別率并進行及時準確的噴灑防治,并能根據(jù)不同蔬菜不同生長階段所需營養(yǎng)液進行智能噴灑施肥,對實現(xiàn)蔬菜大棚智能噴灑管理建設具有重要研究意義。
【學位單位】：曲阜師范大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：S436.3;TP391.41
【部分圖文】：

圖 1.1 正常番茄葉片圖像以下介紹 4 種常見的番茄病變?nèi)~片并配上部分樣本圖片。番茄葉霉�。喝~霉病的發(fā)生一般都是從下部葉片開始，蔓延至中上部葉片。初期面出現(xiàn)黃綠色，后期變?yōu)榛疑�或黑紫色的不�?guī)則霉層。嚴重時，葉片會干枯卷縮。

圖 1.2 番茄葉霉病圖像番茄早疫�。涸缫卟〗�(jīng)常在生長中后期發(fā)病嚴重，其主要危害葉片出現(xiàn)病斑，逐后的形狀為圓形或者不規(guī)則的輪紋斑。邊緣通常是淺綠色或者黃色的暈環(huán)，中部呈紋。葉片癥狀如圖 1.3 所示。

圖 1.3 番茄早疫病圖像番茄晚疫�。翰“叽蠖嘞葟娜~尖或葉緣開始呈現(xiàn)出水浸狀褪綠斑，嚴重時形成褐。晚疫病發(fā)生的速度非�？�，在沒有藥劑控制情況下，從開始發(fā)現(xiàn)病害到爆發(fā)成災 天左右時間。葉片癥狀如圖 1.4 所示。
【相似文獻】

相關期刊論文 前10條

1 趙靜;;淺析深度學習在圖像識別中的應用[J];襄陽職業(yè)技術學院學報;2019年02期

2 劉宣彤;;計算機圖像識別的智能化處理方法分析[J];科技經(jīng)濟導刊;2019年11期

3 楊聲英;胡海霞;;計算機圖像識別的智能化處理技術瓶頸與突破[J];信息與電腦(理論版);2019年16期

4 劉飛;張俊然;楊豪;;基于深度學習的醫(yī)學圖像識別研究進展[J];中國生物醫(yī)學工程學報;2018年01期

5 陳凱;;人工“智能”圖像識別[J];中國信息技術教育;2017年Z2期

6 于婷;;計算機圖像識別的智能化處理技術瓶頸與突破[J];信息與電腦(理論版);2018年21期

7 陳健軍;張俊杰;袁俊來;劉玉彤;王阿川;;學校食堂菜品圖像識別方法研究[J];黑龍江科技信息;2017年14期

8 龐鴻宇;劉益成;;智能錢幣分類整理機[J];科學中國人;2017年03期

9 康少偉;;計算機圖像識別智能化處理技術的研究[J];廣西教育;2016年35期

10 段云濤;王超;;基于圖像識別的食品變質(zhì)檢測技術[J];飲食科學;2017年06期

相關博士學位論文 前10條

1 王璨;基于機器學習的農(nóng)業(yè)圖像識別與光譜檢測方法研究[D];山西農(nóng)業(yè)大學;2018年

2 冉瑞生;一些矩陣計算問題及其在圖像識別中的應用研究[D];電子科技大學;2006年

3 孫權(quán)森;基于相關投影分析的特征抽取與圖像識別研究[D];南京理工大學;2006年

4 胡元奎;可變光照和可變姿態(tài)條件下的人臉圖像識別研究[D];中國科學技術大學;2006年

5 謝鉉洋;SARS醫(yī)學圖像識別與輔助診斷研究[D];中國科學技術大學;2006年

6 劉軍;人臉圖像識別關鍵技術的研究[D];北京郵電大學;2015年

7 王宇旸;基于可重構(gòu)計算技術的圖像識別與分類系統(tǒng)研究[D];中國科學技術大學;2009年

8 張寧;機場安檢技術關鍵問題研究[D];南京航空航天大學;2015年

9 彭澄宇;圖像稀疏建模理論與應用研究[D];重慶大學;2012年

10 王宇新;基于特征分布的圖像識別方法研究與應用[D];大連理工大學;2012年

相關碩士學位論文 前10條

1 李國棟;圖像識別中的判別特征提取方法研究[D];河南大學;2019年

2 薛禎也;基于深度學習的煤矸石識別方法研究[D];西安科技大學;2019年

3 袁一丹;基于圖像識別的工作人員穿戴規(guī)范性檢測技術研究[D];電子科技大學;2019年

4 屈偉;基于FPGA的深度學習在圖像識別上的優(yōu)化與加速應用[D];電子科技大學;2019年

5 李亞中;基于圖像識別的SMT焊點檢測方法應用研究[D];電子科技大學;2019年

6 鄭尊凱;深度學習模型下巖屑圖像識別研究[D];長江大學;2019年

7 劉狄;輸電線路遠程智能圖像識別巡檢技術研究[D];江蘇大學;2019年

8 崔麗潔;機器學習在水稻病斑圖像識別中的方法研究[D];青島科技大學;2019年

9 安東;基于圖像識別的蔬菜大棚智能噴灑管理系統(tǒng)研究與設計[D];曲阜師范大學;2019年

10 尹曉明;基于TensorFlow深度學習機制的識別系統(tǒng)的實現(xiàn)及其移動端識別優(yōu)化技術的研究[D];云南大學;2017年

本文編號：2891115