基于深度学习的常见作物病虫害识别系统的设计与实现源代码+论文+教程。
本项目是一个非常完整的深度学习实践项目,内附从安装到部署详细教程。
目前,人工智能技术在农业领域的普及应用,还存在着数据共享不足、
算法门槛过高、算力垄断、实验与应用环境差距过大等问题。所以,本文基于
云计算技术与人工智能深度学习的计算机视觉技术,开发了一套开源、跨平
台、易使用的农业害虫识别系统,大幅降低了人工智能技术使用门槛,使农业
从业人员也可享受智能技术红利,促进智慧农业发展。初步研究结果如下:
1. 收集、筛选、预处理并开源共享了大量的农作物害虫图像数据集。首先
选取了 41 类农作物常见害虫作为研究对象;通过网络检索、数据库收录和实地
拍摄等方法,收集了一万余张害虫图像;基于 GBVS 和 GrubCut 自动分割提取
出了数据量 4:1 的训练和测试数据集,用于算法训练和效果测试。
2. 实现了深度学习算法对农业害虫数据的迁移学习,达到了对已收录害虫
93%高精度识别。