【基于机器学习的图像处理技术在农业生产中的应用设计报告】

[15]。接下来是模型的读入，图4-5机器学习模型读入流程图整个识别过程是这样的。首先Keras库得到的html5格式的文件通过命令tf-convert命令转换为tf格式的文件，接着我从训练数据集中选取一张水稻叶锈病的图片。电脑会得到这张水稻图片在硬盘里面的存储地址。接着电脑把这个存储地址传到模型的接口，接口读取水稻图像的基本信息，比如像素多少，占用多长多宽等。接着对水稻这张叶锈病的图片压缩，读取到内存里面。本次实验训练得到的模型通过TensorFlow引擎配置的Python3.6.5接口，对我选取的水稻叶锈病图片进行识别。tf.run(imgData,loadModelFile)是最最核心的代码。tf表示使用TensorFlow引擎，imgData表示系统读取过的训练水稻病害模型所使用的图像数据，LoadModelFile则表示训练得到的水稻病害模型文件。文件是由许多的二维数组构成。第一位是模型的种类序号，第二位是该序号检测出该图像属于这个种类的期望值。系统接下来会比较得出最大的期望值，输出期望值所对应的模型种类序号。得到模型中对应的种类序号，跟assets文件夹下的信息进行比对得到结论，是叶锈病。5模型的验证使用验证集中的图像按照跟4.7识别过程同样的步骤，多次识别得到下表：表5-1验证集验证结果锈病种类识别次数成功率叶锈病300.93条锈病300.80杆锈病300.87通过测试集对水稻病害模型的测试表明。本文完成了基于机器学习的水稻病害检测制定的设计要求，满足所提出的水稻病害图像识别需求。参考文献[1]刘成.基于机器学习的水稻病害识别算法的研究[D].安徽大学,2018.[2]陈悦宁、郭士增、张佳岩、蒲一鸣.基于优化BP神经网络的水稻病害识别算法研究[J].电子技术应用,2020,v.46;No.507(09):91-93+99.[3]路阳,郭丹,沈贺,等.基于深度学习的水稻叶部病害识别方法研究[J].信息记录材料,2018,19(12):183-185.[4]房思思.基于实例和参数迁移的农作物病害图像识别研究[D].中国科学技术大学,2018.[5]沈美,于翔.基于机器视觉的农作物病害无人机寻的研究与实现——以水稻纹枯病为例[J].无线互联科技,2019,v.16;No.172(24):118-120.[6]陈雷,袁媛.大田作物病害识别研究图像数据集[J].中国科学数据(中英文网络版),2019(4).[7]陈雷,袁媛.基于深度迁移学习的农业病害图像识别[J].数据与计算发展前沿,2020,v.2;No.4(02):115-123.[8]苏博妮.基于图像处理的水稻病虫害识别技术[J].信息技术与信息化,2018(5):96-98.[9]吴宗卓.水稻病虫害智能识别与诊断技术在病虫害测报中的应用[J].现代科学仪器,2018.[10]李兵,林文钊,罗峥尹.基于机器学习的智慧农业决策系统设计与实现[J].信息与电脑:理论版,2018,418(24):79-80.[11]杭立.基于机器学习和图像处理技术的病虫害预测[D].宁夏大学,2018.[12]范春全,何彬彬.基于迁移学习的水稻病虫害识别[J].中国农业信息,2020,v.32(02):40-48.[13]韩尚君.基于计算机视觉的水稻病害诊断[J].电子制作,2019,No.369(04):32+60-61.[14]邱靖,刘继荣,曹志勇,等.基于卷积神经网络的水稻病害图像识别研究[J].云南农业大学学报(自然科学),2019(5).[