AI手套的博客

这个系列也迎来了结尾，最后说一些碎碎念…本文首先简要介绍了卷积神经网络的基本原理，以及在亚热带常见自然林植物识别领域的研究应用现状。其重点研究了卷积神经网络在亚热带常见自然林植物叶片病害识别的应用，并基于具体实例采用主流数据集进行了测试，并给出了作物识别与分类的实验结果。该结果体现了基于卷积神经网络算法优秀的分类性能以及泛化能力。本文所给出的方法在智慧林业中具有广阔的应用前景，是实现亚热带常见自然林植物智能识别的基础，对于提高林业智能化水平具有极其重要的应用价值。

为了系统能够准确识别出自然生长的树木病虫害的情况，训练模型所采集的数据样本一定要具有代表性，所以树叶的采集对于模型的生成至关重要。故采集地点选择在广东省惠州市罗浮山自然保护区，该保护区地理位置处在亚热带地区。采集时间为 2022 年 2 月份，此时正值早春，各种病虫害都处在高发期前期，此时刚好是识别病虫害进行提前防止的时期。整个采集过程为期7天，总计病虫害样本图像10000张，过滤后可使用照片 5000 张。本文主要对以下亚热带自然林的树进行了叶片采摘。

根据油茶树的生长规律，病虫害的常见性选取炭疽病，炭疽病采集 462 张图像数据，油茶健康采集 149 张图像数据。为了系统能够准确识别出自然生长的树木病虫害的情况，训练模型所采集的数据样本一定要具有代表性，所以树叶的采集对于模型的生成至关重要。本篇文章先为病虫害识别进行数据的分类，划分训练集，划分为三个数据集，病虫害的数据集我已经放在我的资源里面，有需要的小伙伴可以自己下载。在图片采集完成后，过滤掉不清晰的叶片图像，对采集的图片依次进行编号，把叶片进行归类，以便神经网络的训练。

(2)亚热带常见自然林图像和亚热带常见自然林病虫害识别结果之间存在“属于”的关系，即一张亚热带常见自然林图像只能有一个亚热带常见自然林病虫害识别结果，一个亚热带常见自然林病虫害识别结果只属于某一张特定的亚热带常见自然林图像，因此，亚热带常见自然林图像和亚热带常见自然林病虫害识别结果之间是一对一的关系。（2）亚热带常见自然林病虫害识别结果（识别结果名称，用户名，时间,Result_ID）普通用户登录系统后，使用病虫害识别功能之后，可以查看到对应识别结果、（1）用户（用户名，登录密码，邮箱,ID）。

基于卷积神经网络的亚热带常见自然林病虫害识别系统开发过程主要包含训练深度神经网络的服务器（该项目目前在本地环境运行）、开发系统的人力成本以及后期系统维护成本，其投入是有限的。该系统投入使用后，能精确且快速地对亚热带常见自然林病虫害进行检测（目前只能检测荔枝树，黄皮树，油茶树相关病虫害），极大地节省了人力检测病虫害的成本，并且具有普适性，其回报极大地节省经济成本，并且可以预防大面积病虫害造成的经济损失。调用系统亚热带常见自然林病虫害识别功能，实现对亚热带常见自然林病虫害的实。普通用户对自己上传的待检测图像，

随着年底的到来，我相信越来越多的小伙伴也要开始着手自己的毕业设计，这里打算分享我自己的毕业设计，以及我的二次开发创作的项目，为大家的毕业设计提供一定的参考，如果有毕业问题相关的小伙伴也可以及时跟我沟通，我会及时回复大家！开篇我先介绍一下我的毕业设计——基于web的亚热带常见自然林病虫害识别系统。TensorFlow[可以使用这个 API 把计算工作安装在桌面设备、服务器或移动设备上的一个或多个 CPU 或 GPU 当中。在目前众多的深度学习框架中,它具有以下优点:（1）高度的灵活性。