|本期目录/Table of Contents|

[1]陈峰,谷俊涛,李玉磊,等.基于机器视觉和卷积神经网络的东北寒地玉米害虫识别方法[J].江苏农业科学,2020,48(18):237-244.
　Chen Feng,et al.Recognition method of corn pests in northeast cold region based on machine vision and convolutional neural network[J].Jiangsu Agricultural Sciences,2020,48(18):237-244.
点击复制

基于机器视觉和卷积神经网络的东北寒地玉米害虫识别方法(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第48卷
期数:
2020年第18期
页码:
237-244
栏目:
农业工程与信息技术
出版日期:
2020-09-20

文章信息/Info

Title:
Recognition method of corn pests in northeast cold region based on machine vision and convolutional neural network
作者:
陈峰1; 3;  谷俊涛2;  李玉磊3;  彭晓溪3;  韩天甲4
1.清华大学经济管理学院，北京 100084； 2.黑龙江网络空间研究中心，黑龙江哈尔滨 150090；
3.黑龙江农垦垦通信息通信有限公司，黑龙江哈尔滨 150090； 4.黑龙江省七星农场，黑龙江富锦 156300
Author(s):
Chen Feng; et al
关键词:
机器视觉; 卷积神经网络; 东北寒地玉米; 害虫; 智能识别
Keywords:
-
分类号:
S126；TP391.41
DOI:
-
文献标志码:
A
摘要:
随着农业现代化进程在全国各地的推进，东北农业经济正在快速地发展，众多先进的科学技术如大数据、物联网、移动互联、人工智能等被应用到东北农业生产中，并且逐步深入细化。在农业种植领域，东北寒地玉米害虫的识别与虫害的预防一直是专家学者们研究的重要课题。东北地区位于温带季风气候区，夏季温热短促多雨；冬季寒冷漫长干燥，因此东北寒地玉米作物虫害有其独特的特征，常见的害虫有玉米黏虫、玉米螟、草地贪夜蛾、双斑玉萤叶甲等。本研究基于机器视觉和卷积神经网络的东北寒地玉米害虫识别方法进行研究，通过图像采集的预置采集点、巡航周期等实现定点、定时获取大量采集数据，将机器视觉识别、卷积神经网络模型测试放到采集前端，降低无效图像带宽占用，优化了网络资源；通过对卷积神经网络进行海量的东北寒地玉米害虫图像训练，实现从训练集到测试集的转化，建立起东北寒地玉米害虫识别的网络模型。基于机器视觉和卷积神经网络的东北寒地玉米害虫识别方法研究具有很高的应用价值，在监测植物生长状态的同时，能够精准、及时、实时地智能识别玉米害虫，做好东北寒地玉米虫害预警及应对措施，降低作物种植生产风险、提升生产效率，对东北农业智能化、持续化、梯度化发展起到了非常重要的作用。
Abstract:
-

参考文献/References:

［1］农视网. 2019年下半年玉米病虫害发生趋势预报［EB/OL］. (2019-07-30)［2019-08-10］. http：//www.ntv.cn/p/956814.html.
［2］Keagy P M，Schatzki T F. Machine recognition of weevil damage in wheat radiographs［J］. Cereal Chem，1993，70(6)：696-700.
［3］Boissard P，Martin V，Moisan S. A cognitive vision approach to early pest detection in greenhouse crops［J］. Computers and Electronics in Agriculture，2008，62(2)：81-93.
［4］徐小龙. 基于红外热成像技术的植物病害早期检测的研究［D］. 杭州：浙江大学，2012.
［5］Wu D K，Xie C Y，Ma C W. The SVM classification leafminer-infected leaves based on fractal dimension［C］// IEEE Conference on Cybernetics and Intelligent Systems，2008：147-151.
［6］温芝元，曹乐平. 基于为害状色相多重分形的椪柑病虫害图像识别［J］. 农业机械学报，2014，45(3)：262-267.
［7］桂便，祝玉华，甄彤. 卷积神经网络在储粮害虫图像识别中的应用研究［J］. 粮油食品科技，2018，26(6)：73-76.
［8］方明，周龙. 基于BP神经网络的储粮害虫分类识别研究［J］. 武汉工业学院学报，2009，28(4)：70-73.
［9］袁金丽，郭志涛，高金雍，等. 基于L-M神经网络的储粮害虫分类识别［J］. 农业网络信息，2007(6)：29-31，102.

相似文献/References:

[1]周洪刚,康敏.基于机器视觉的成熟柑橘自动识别研究[J].江苏农业科学,2013,41(06):380.
　Zhou Honggang,et al.Research on automatic recognizing of mature oranges based on machine vision[J].Jiangsu Agricultural Sciences,2013,41(18):380.
[2]赵建敏,赵忠鑫,李琦.基于Kinect传感器的羊体体尺测量方法[J].江苏农业科学,2015,43(11):495.
　Zhao Jianmin,et al.Sheep body size measurement method based on Kinect sensor[J].Jiangsu Agricultural Sciences,2015,43(18):495.
[3]丁竹青,李晓良,张若宇,等.基于LabVIEW Vision的加工番茄表面霉斑缺陷检测[J].江苏农业科学,2015,43(05):302.
　Ding Zhuqing,et al.Study on mildew defect detection of processing tomato based on LabVIEW Vision[J].Jiangsu Agricultural Sciences,2015,43(18):302.
[4]申爱敏,霍晓静,王文娣,等.基于机器视觉的核桃仁大小自动分级技术[J].江苏农业科学,2016,44(09):383.
　Shen Aimin,et al.Automatic size classification technology of walnut kernel based on machine vision[J].Jiangsu Agricultural Sciences,2016,44(18):383.
[5]梁培生,孙辉,张国政,等.基于主成分分析和BP神经网络的蚕蛹分类方法[J].江苏农业科学,2016,44(10):428.
　Liang Peisheng,et al.Study on classification of silkworm chrysalis based on principal component analysis and BP neural network[J].Jiangsu Agricultural Sciences,2016,44(18):428.
[6]赵建敏,薛晓波,李琦.基于机器视觉的马铃薯病害识别系统[J].江苏农业科学,2017,45(02):198.
　Zhao Jianmin,et al.Design of potato disease identification system based on machine vision[J].Jiangsu Agricultural Sciences,2017,45(18):198.
[7]梁万杰,曹宏鑫.基于卷积神经网络的水稻虫害识别[J].江苏农业科学,2017,45(20):241.
　Liang Wanjie,et al.Identification of rice insect pests based on CNN model[J].Jiangsu Agricultural Sciences,2017,45(18):241.
[8]罗匡男,彭琳,齐伟恒.基于机器视觉的三七叶片病斑识别[J].江苏农业科学,2017,45(24):209.
　Luo Kuangnan,et al.Recognition of Panax notoginseng leaf diseases based on machine vision[J].Jiangsu Agricultural Sciences,2017,45(18):209.
[9]刘航,郭俊先,王勇,等.基于机器视觉核桃大小分级系统的软件设计[J].江苏农业科学,2018,46(04):194.
　Liu Hang,et al.Software design of walnut size grading system based on machine vision[J].Jiangsu Agricultural Sciences,2018,46(18):194.
[10]蔡建,周军,史建新,等.基于机器视觉的核桃仁分级方法[J].江苏农业科学,2018,46(05):158.
　Cai Jian,et al.Walnut kernel grading method based on machine vision[J].Jiangsu Agricultural Sciences,2018,46(18):158.

备注/Memo

备注/Memo:
收稿日期：2019-09-17
作者简介：陈峰(1981—)，男，江苏丰县人，硕士，高级工程师，主要从事农业信息化、农业物联网、农业大数据等研究。E-mail：bdhchenfeng@163.com。
通信作者：谷俊涛，博士，正高级工程师，主要从事农业物联网研究。E-mail：592980678@qq.com。
更新日期/Last Update: 2020-09-20