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(fù)雜,廣大菜農(nóng)多依靠主觀判斷進(jìn)行病蟲害防治,誤判率高導(dǎo)致病蟲害不能夠及時準(zhǔn)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(jì)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(xué)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(jìn)行智能施肥。基于以上問題本文研究設(shè)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(zhǔn)確的自動識別蔬菜病蟲害并進(jìn)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(jìn)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(qiáng)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(yù)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(jìn)行預(yù)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(jìn)行提取并生成對應(yīng)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(jìn)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(yán)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(jìn)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(qiáng)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(wù)器進(jìn)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(shè)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(jìn)行及時準(zhǔn)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(jìn)行智能噴灑施肥,對實現(xiàn)蔬菜大棚智能噴灑管理建設(shè)具有重要研究意義。
【學(xué)位單位】：曲阜師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)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。番茄葉霉病：葉霉病的發(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(yán)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(yán)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(yán)重時形成褐。晚疫病發(fā)生的速度非常快，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(zāi) 天左右時間。葉片癥狀如圖 1.4 所示。
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙靜;;淺析深度學(xué)習(xí)在圖像識別中的應(yīng)用[J];襄陽職業(yè)技術(shù)學(xué)院學(xué)報;2019年02期

2 劉宣彤;;計算機(jī)圖像識別的智能化處理方法分析[J];科技經(jīng)濟(jì)導(dǎo)刊;2019年11期

3 楊聲英;胡海霞;;計算機(jī)圖像識別的智能化處理技術(shù)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(xué)習(xí)的醫(yī)學(xué)圖像識別研究進(jìn)展[J];中國生物醫(yī)學(xué)工程學(xué)報;2018年01期

5 陳凱;;人工“智能”圖像識別[J];中國信息技術(shù)教育;2017年Z2期

6 于婷;;計算機(jī)圖像識別的智能化處理技術(shù)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(xué)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(jī)[J];科學(xué)中國人;2017年03期

9 康少偉;;計算機(jī)圖像識別智能化處理技術(shù)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(shù)[J];飲食科學(xué);2017年06期

相關(guān)博士學(xué)位論文 前10條

1 王璨;基于機(jī)器學(xué)習(xí)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(xué);2018年

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

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

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

6 劉軍;人臉圖像識別關(guān)鍵技術(shù)的研究[D];北京郵電大學(xué);2015年

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

8 張寧;機(jī)場安檢技術(shù)關(guān)鍵問題研究[D];南京航空航天大學(xué);2015年

9 彭澄宇;圖像稀疏建模理論與應(yīng)用研究[D];重慶大學(xué);2012年

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

相關(guān)碩士學(xué)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(xué);2019年

2 薛禎也;基于深度學(xué)習(xí)的煤矸石識別方法研究[D];西安科技大學(xué);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(shù)研究[D];電子科技大學(xué);2019年

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

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

6 鄭尊凱;深度學(xué)習(xí)模型下巖屑圖像識別研究[D];長江大學(xué);2019年

7 劉狄;輸電線路遠(yuǎn)程智能圖像識別巡檢技術(shù)研究[D];江蘇大學(xué);2019年

8 崔麗潔;機(jī)器學(xué)習(xí)在水稻病斑圖像識別中的方法研究[D];青島科技大學(xué);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(shè)計[D];曲阜師范大學(xué);2019年

10 尹曉明;基于TensorFlow深度學(xué)習(xí)機(jī)制的識別系統(tǒng)的實現(xiàn)及其移動端識別優(yōu)化技術(shù)的研究[D];云南大學(xué);2017年

本文編號：2891115