caffe框架的植物病虫害识别系统研制(附件)
摘 要在传统植物病虫害特征获取过程中，存在获取方法繁琐、获取的叶片及其病斑图像的形态多样性、光照和背景的影响等问题。为了解决上述问题，研究三通道卷积神经网络(CNNs)的植物病虫害识别方法，此方法可以从植物病虫害叶片图像库中获得最佳的、更抽象的属性特征，降低了从繁杂多样的病虫害叶片图像中提取病斑特征的难度。使用上述方法并结合深度学习Caffe框架，研制出基于Caffe框架的植物病虫害识别系统，主要工作如下（1）分析基于Caffe框架的植物病虫害识别系统的软硬件结构，根据结构选择所需的硬件和软件系统。（2）深入研究学习UP Board开发板及其使用方法，为其安装Ubuntu16.04操作系统并配置python编译环境，安装深度学习Caffe框架以及使用若派计算棒时所需要的转换工具。（3）研究学习LeNet、AlexNet、GoogLeNet、VGGNet等典型的卷积神经网络，经过分析研究最终选择VGGNet中的VGGNet-16（VGG16）网络作为基础网络模型，在VGG16网络模型的基础上进行修改，并在GPU服务器端使用准备好的数据对修改好的模型进行训练。（4）项目组与苏州农科院进行合作，从农科院获取的病虫害叶片存在重叠、模糊等情况，因此，使用PhotoShop图像处理软件对所寻找到图片进行锐化处理并截取出所需要的单个病虫害叶片。（5）将准备好的图片制作成用于训练的数据库，在GPU服务器端使用数据库对模型进行训练。（6）将训练好的模型移植到UP Board开发板中，并使用转换工具转换模型，以便于训练好的模型可以使用若派计算棒进行加速运算。（7）从训练集中抽取30张图片组成调测图组。在实际调测过程中根据识别结果对solver.prototxt配置文件进行修改，以便于进一步提高模型的精确度。
目 录
第一章 绪论 1
1.1 课题背景与研究意义 1
1.2 植物病虫害识别国内外研究现状 2
1.3 深度学习研究现状 2
1.4 主要研究内容 3
1.5 棉花病虫害识别方法 4
第二章 卷积神经网络 6
2.1 分析卷积神经网络 6
2.2 分析深度学习Caffe框架 9
2.2.1 Caffe的现状 9
2. *好棒文|www.hbsrm.com +Q: ￥351916072￥
2.2 Caffe的总体架构 10
2.3 本章小结 12
第三章硬件开发平台 13
3.1 UP Board 硬件开发平台 13
3.1.1 基于UP Board的Ubuntu系统简介 13
3.1.2 UP Board的体系和架构 13
3.2 若派神经网络计算棒 19
3.3 本章小结 20
第四章 硬件平台基础运行环境搭建 21
4.1 Python3环境搭建 21
4.2 若派神经网络计算棒环境搭建 23
4.3安装深度学习Caffe框架 24
4.4 本章小结 25
第五章 卷积神经网络设计与训练 26
5.1 编程语言的选择 26
5.2 图像数据准备 26
5.3 三通道CNNs的植物病虫害识别系统开发 28
5.4 构建服务器端GPU模型训练系统平台 30
5.4.1 服务器端GPU模型训练平台分析 30
5.4.2 GPU服务器端环境要求以及使用 31
5.4.2 GTI_conversion_tool_v12转换工具的使用 42
5.4.3 UP Board最终配置与病虫害识别测试 49
5.4.4 运行调测 51
5.5 本章小结 61
第六章 总结与展望 62
6.1 工作总结 62
6.2 展望 62
致谢 64
参考文献 65
在读期间获得成果： 67
附录： 75
第一章 绪论
1.1 课题背景与研究意义
我国地域辽阔，森林覆盖率达到21.6%世界排名第五。这些绿色植物枝干高大、生命力强，所以一般不会受到病虫害的侵扰。随着国家退耕还林政策的实施与落实，小面积的耕地将被取消，农作物也将集中化种植，大面积的农作物也方便机械化的管理与种植。但由于大多数农作物叶片较小，种植密度大并且面积较广，因此农民在查看农作物生长状态时很难及时发现病虫害。且当人们发现病虫害时，这些病虫害已经扩散了很大的面积而且病情很严重很难再进行防治。为了迅速的控制住病虫害就会使用大量的农药进行治疗，在选用农药进行治疗时还可能因为经验不足而导致没有正确的分辨出是什么病虫害而使用错农药。此时病虫害会进一步扩大，再次选用其他农药进行防治时还可能会出现药不对症的情况，从而导致农产品的农药含量增高对人们的健康产生危害。同样使用大量的农药会严重影响整个农田的生态环境，大量的药瓶被丢弃在河道内也造成了水污染。因此在植物病虫害这个大领域中农作物病虫害深受人们的关注。
在众多农作物中，棉花是关系国民生计的重要战略物资，棉花的产量直接影响着纺织业、服装业等相关产业的发展，例如棉花制作的棉被、窗帘、纱布、棉签、医用卫生棉等。这些都与普通民众的生活和利益直接相互关联，影响着国家经济建设和社会形态的发展。国家制定了一系列的政策措施来扶持棉农，这些政策促进了棉花产业的不断发展，我国近十年棉花种植面积变化如图1所示，因此本文从棉花的病虫害入手。
棉花从播种到开花结果，虽然生命周期短暂但是它也会经历各种病虫害的折磨。在幼苗期由于根系尚不发达、营养面积小，因此在低温阴雨天就极容易受到各种病菌的感染，比如立枯病、炭疽病等疾病。这些疾病及易导致棉苗生长弱小或者大面积死亡。虫害严重影响着棉花苗期，在整个生命周期中有40种以上病虫害会随机出现。不同的虫害发生的时间不同，产生的原因也不同，给田间防治带来了一定的难度。虫害发生时有的传播病毒、有的推迟棉花发育，更严重的是会使棉花失去生长点变成公棉花或者断茎造成无头棵，例如：小蓟马、棉蚜虫、盲蝽蟓、红蜘蛛等。
棉花的病虫害特征多数都表现在叶片上，因此农民多数通常都是观察叶片来判断有无病虫害，当出现病虫害时，棉花的叶片会表现出各种纹理特征，不同的病虫害导致的特征也不同，这些特征大多是不同颜色、形状、纹理的病斑，所以本设计通过三通道卷积神经网络对各种病虫害图片进行识别，使农民能够准确的识别棉花所得的病虫害，以便于及时购买农药进行防治，达到了早预警、早预防、早治理的目标，从而降低病虫害对产量的影响。
/
图1 近十年棉花种植面积变化
1.2 植物病虫害识别国内外研究现状
国外的计算机、机器学习、大数据、云计算、图像识别等技术发展较早，早期的识别方法比较简单，直接利用图像处理技术对图像进行简单的处理，然后再结合农业方面专业知识进行分析判断，这就是早期的利用计算机对植物病虫害进行辅助识别。随着计算机运算能力不断增强，人们使用机器学习技术可对病虫害进行简单的自动识别，但是还是达不到要求。近些年卷积神经网络、大数据、图像识别的迅速发展，已经能较好的识别黄瓜的白粉病、霜霉病，以及其他植物的病虫害。
目 录
第一章 绪论 1
1.1 课题背景与研究意义 1
1.2 植物病虫害识别国内外研究现状 2
1.3 深度学习研究现状 2
1.4 主要研究内容 3
1.5 棉花病虫害识别方法 4
第二章 卷积神经网络 6
2.1 分析卷积神经网络 6
2.2 分析深度学习Caffe框架 9
2.2.1 Caffe的现状 9
2. *好棒文|www.hbsrm.com +Q: ￥351916072￥
2.2 Caffe的总体架构 10
2.3 本章小结 12
第三章硬件开发平台 13
3.1 UP Board 硬件开发平台 13
3.1.1 基于UP Board的Ubuntu系统简介 13
3.1.2 UP Board的体系和架构 13
3.2 若派神经网络计算棒 19
3.3 本章小结 20
第四章 硬件平台基础运行环境搭建 21
4.1 Python3环境搭建 21
4.2 若派神经网络计算棒环境搭建 23
4.3安装深度学习Caffe框架 24
4.4 本章小结 25
第五章 卷积神经网络设计与训练 26
5.1 编程语言的选择 26
5.2 图像数据准备 26
5.3 三通道CNNs的植物病虫害识别系统开发 28
5.4 构建服务器端GPU模型训练系统平台 30
5.4.1 服务器端GPU模型训练平台分析 30
5.4.2 GPU服务器端环境要求以及使用 31
5.4.2 GTI_conversion_tool_v12转换工具的使用 42
5.4.3 UP Board最终配置与病虫害识别测试 49
5.4.4 运行调测 51
5.5 本章小结 61
第六章 总结与展望 62
6.1 工作总结 62
6.2 展望 62
致谢 64
参考文献 65
在读期间获得成果： 67
附录： 75
第一章 绪论
1.1 课题背景与研究意义
我国地域辽阔，森林覆盖率达到21.6%世界排名第五。这些绿色植物枝干高大、生命力强，所以一般不会受到病虫害的侵扰。随着国家退耕还林政策的实施与落实，小面积的耕地将被取消，农作物也将集中化种植，大面积的农作物也方便机械化的管理与种植。但由于大多数农作物叶片较小，种植密度大并且面积较广，因此农民在查看农作物生长状态时很难及时发现病虫害。且当人们发现病虫害时，这些病虫害已经扩散了很大的面积而且病情很严重很难再进行防治。为了迅速的控制住病虫害就会使用大量的农药进行治疗，在选用农药进行治疗时还可能因为经验不足而导致没有正确的分辨出是什么病虫害而使用错农药。此时病虫害会进一步扩大，再次选用其他农药进行防治时还可能会出现药不对症的情况，从而导致农产品的农药含量增高对人们的健康产生危害。同样使用大量的农药会严重影响整个农田的生态环境，大量的药瓶被丢弃在河道内也造成了水污染。因此在植物病虫害这个大领域中农作物病虫害深受人们的关注。
在众多农作物中，棉花是关系国民生计的重要战略物资，棉花的产量直接影响着纺织业、服装业等相关产业的发展，例如棉花制作的棉被、窗帘、纱布、棉签、医用卫生棉等。这些都与普通民众的生活和利益直接相互关联，影响着国家经济建设和社会形态的发展。国家制定了一系列的政策措施来扶持棉农，这些政策促进了棉花产业的不断发展，我国近十年棉花种植面积变化如图1所示，因此本文从棉花的病虫害入手。
棉花从播种到开花结果，虽然生命周期短暂但是它也会经历各种病虫害的折磨。在幼苗期由于根系尚不发达、营养面积小，因此在低温阴雨天就极容易受到各种病菌的感染，比如立枯病、炭疽病等疾病。这些疾病及易导致棉苗生长弱小或者大面积死亡。虫害严重影响着棉花苗期，在整个生命周期中有40种以上病虫害会随机出现。不同的虫害发生的时间不同，产生的原因也不同，给田间防治带来了一定的难度。虫害发生时有的传播病毒、有的推迟棉花发育，更严重的是会使棉花失去生长点变成公棉花或者断茎造成无头棵，例如：小蓟马、棉蚜虫、盲蝽蟓、红蜘蛛等。
棉花的病虫害特征多数都表现在叶片上，因此农民多数通常都是观察叶片来判断有无病虫害，当出现病虫害时，棉花的叶片会表现出各种纹理特征，不同的病虫害导致的特征也不同，这些特征大多是不同颜色、形状、纹理的病斑，所以本设计通过三通道卷积神经网络对各种病虫害图片进行识别，使农民能够准确的识别棉花所得的病虫害，以便于及时购买农药进行防治，达到了早预警、早预防、早治理的目标，从而降低病虫害对产量的影响。
/
图1 近十年棉花种植面积变化
1.2 植物病虫害识别国内外研究现状
国外的计算机、机器学习、大数据、云计算、图像识别等技术发展较早，早期的识别方法比较简单，直接利用图像处理技术对图像进行简单的处理，然后再结合农业方面专业知识进行分析判断，这就是早期的利用计算机对植物病虫害进行辅助识别。随着计算机运算能力不断增强，人们使用机器学习技术可对病虫害进行简单的自动识别，但是还是达不到要求。近些年卷积神经网络、大数据、图像识别的迅速发展，已经能较好的识别黄瓜的白粉病、霜霉病，以及其他植物的病虫害。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/626.html
