目标检测YOLO实战应用案例100讲-基于机器视觉的水稻病虫害监测预警

目录

前言

国内外研究现状 

国外研究现状 

国内研究现状 

2 相关理论与技术 

2.1 引言 

2.2 人工神经网络理论 

2.3 卷积神经网络理论 

2.4 基于卷积神经网络的水稻病虫害识别技术 

2.5 数据集构建 

3 基于多尺度特征融合的水稻叶片病害诊断方法 

3.1 引言 

3.2 基于多尺度特征融合的水稻叶片病害诊断方法 

3.2.2 注意力机制 

3.2.3 多任务学习框架 

3.2.4 水稻病害识别模型 

3.2.4.1 Bottleneck网络结构  

3.2.4.2 HS和 RE激活函数  

3.2.4.3 加权代价函数 

---

本文篇幅较长，分为上下两篇，下篇详见基于机器视觉的水稻病虫害监测预警（续）

前言

近十年以来，随着互联网技术、人工智能技术、物联网技术以及智能硬件（包 括智能手机、无人机等）的普及应用，科技在农业生产中发挥的作用越来越大，涉 及到育种、育苗、播种、除草、施肥、喷药、收割等各个生产环节，极大的提高了 生产效率，从而降低人力的工作量。然而在农作物病虫害识别应用方面，还是以人 眼辨识病虫害种类和严重程度为主，这种工作方式存在诸多缺陷，例如水稻病虫害 发生时间段为每年3月至10月，病虫害发生频次、扩散面积等与稻田气候条件、水 稻生长环境、水肥管理密切相关，这期间需要大量人力深入