花生种植技术研究论文提纲

论文题目：花生智能管理信息系统的研究与实现

摘要：花生是山东省重要的油料作物和经济作物,其种植主要集中在鲁中南、鲁西北和丘陵地区,种植方式较为落后,种植管理存在诸多问题。有些地区花生仍靠手工种植,缺少先进的种植的技术和有效的管理措施,不仅造成了人力物力的浪费,而且影响了花生的提质增效。花生病害的发生是严重影响花生的产量和质量主要因素之一,病害的及早发现和有效防治是农民迫切需要解决的问题。针对上述问题,将信息技术和人工智能技术应用于花生种植管理和病害识别,可以有效地辅助农民及早发现、识别和防治花生叶部病害,及时了解花生长势状况、病害状况等信息,提高管理效率。因此,本文研究并实现了花生智能管理信息系统。本文研究主要内容包括:（1）花生叶部病害图像数据集的构建。主要包含花生叶部病害图像数据获取与预处理两部分。在泰安市孙家疃村等花生种植地对花生叶部病害图像进行了人工采集,并编写代码对其进行了切割,翻转和径向模糊等预处理,最后根据花生叶部病害的种类及特点进行人工分类。（2）花生叶部病害图像识别模型的研究与实现。深度学习是人工智能的研究热点之一,在图像识别和语音识别中取得了较好的效果。本文采用卷积神经网络（Convolutional Neural Network,CNN）作为花生叶部病害图像识别模型。为了方便农民使用,在TensorFlow框架下,利用LeNet-5进行了模型的预训练,利用Inception v3进行了二次训练,构建花生叶部病害图像识别模型,实现了android智能手机端的花生叶部病害图像识别,识别效果较好。（3）花生智能管理信息系统的研究与实现。在查阅文献与农业植保技术人员交流的基础上,研究并实现了花生智能管理信息系统。该系统主要包含种植信息、病害识别以及系统后台管理等功能,可以辅助农民了解花生长信息、肥料管理信息等信息和管理方式,实现花生的科学有效管理,也可以利用病害识别功能快速准确地识别花生病害,并提供了相应的病害防治方法。

关键词：花生种植管理;Inception v3;花生叶部病害;病害图像识别;TensorFlow

学科专业：农业信息化（专业学位）

中文摘要

英文摘要

1 绪论

1.1 研究目的与意义

1.2 国内外研究现状

1.2.1 深度学习在农业病害图像识别的研究现状

1.2.2 智能手机端在农业图像识别的研究现状

1.2.3 农业种植信息管理研究现状

1.3 研究内容及技术路线

1.3.1 研究内容

1.3.2 技术路线

1.4 论文结构

2 关键技术

2.1 JFinal框架

2.2 MySQL数据库

2.3 卷积神经网络

2.3.1 概述

2.3.2 网络特点

2.3.3 CNN结构

2.3.4 CNN训练过程

2.4 深度学习框架

2.5 ROC曲线

2.6 本章小结

3 系统需求分析

3.1 系统建设目标

3.2 可行性分析

3.3 功能需求分析

3.4 功能用例分析

3.5 花生叶部病害图像识别需求分析

3.6 本章小结

4 系统设计

4.1 系统设计原则

4.2 系统总体设计

4.3 系统详细设计

4.4 数据库设计

4.4.1 数据库设计原则

4.4.2 数据库逻辑结构设计

4.4.3 数据库表设计

4.5 花生叶部病害图像识别模型的设计

4.6 本章小结

5 系统实现

5.1 数据采集与预处理

5.1.1 图像采集

5.1.2 预处理

5.2 基于CNN的花生叶部病害图像识别模型

5.2.1 基于CNN的花生叶部病害图像识别模型的实现

5.2.2 实验结果与分析

5.3 系统功能模块

5.3.1 注册与登录

5.3.2 种植信息

5.3.3 病害识别

5.3.4 系统后台功能

5.4 本章小结

6 系统测试

6.1 测试环境

6.2 功能测试

6.3 小结

7 总结与展望

7.1 总结

7.2 展望

参考文献

致谢