一种基于深度学习的农作物病虫害防治方案推荐系统的制作方法

本发明属于农业现代化领域，涉及一种基于深度学习的农作物病虫害防治方案推荐系统。

背景技术：

国内于20世纪80年代初期开始研究农业专家系统。由于我国农业自身的若干特点，如农业水土资源人均占有量低、农民文化素质差、农业领域专家和科技人员紧缺等，农业专家系统的开发与应用从一开始就受到广泛的重视，并成为信息技术在农业应用的重要方面。国家十分重视人工智能技术在农业上的应用，把它列为“七五”、“八五”的重点攻关项目。并且在国家863计划的支持下，研究和推广了一批农业专家系统，其中植物保护专家系统有玉米病虫害诊治专家系统的研制与开发，棉田有害生物综合治理专家咨询系统的研制与开发，杂草鉴别和防治对策计算机专家系统等、作物病虫草害处方信息网站开发技术研究等。专利cn102759528a公开了一种农作物叶部病害检测方法，但仅利用农作物叶部病斑区域的信息判断病虫害，丢掉了区域外的许多其有用信息。专利cn106841304a公开了用红外图像监测农作物病害及综合评价病害程度的方法，这种方法对光照不敏感，但其丢掉了可见光中的大量有用信息，从而使输入信息量受到限制。cn104899547a公开了一种基于特征提取和语义理解的农作物病害诊断方法，该方法受限于预先设定的特征，从而可能丢掉有助于诊断的未提取特征。

技术实现要素：

有鉴于此，本发明的目的在于提供一种基于深度学习的农作物病虫害防治方案推荐系统，采用增量学习方法，根据反馈系统信息不断修正和优化系统，从而使推荐方案更优。

为达到上述目的，本发明提供如下技术方案：

一种基于深度学习的农作物病虫害防治方案推荐系统，包括图像采集系统、图像处理系统、农作物病虫害识别系统、农作物病虫害防治系统、农作物病虫害防治效果信息反馈系统；

所述图像采集系统用于采集农作物的图像，并将图像信息传至所述图像处理系统；

所述图像处理系统对收到的图像信息进行去噪、归一化处理，形成训练数据，传至所述农作物病虫害识别系统；

所述农作物病虫害识别系统根据收到的训练数据分析，识别出农作物的相关信息，并将其作为深层神经网络的输入，并输出农作物病虫害的类型和农作物病虫害防治方案；

所述农作物病虫害防治系统向用户推荐防治方案；用户根据推荐的防治方案进行操作后将防治效果反馈给所述农作物病虫害防治效果信息反馈系统；

所述农作物病虫害防治效果信息反馈系统根据用户的反馈信息，对所述农作物病虫害防治方案推荐系统进行修正，优化所述深层神经网络的结构。

进一步，所述农作物的相关信息包括农作物名称、当地的天气记录和叶片的彩色图像。

进一步，所述深层神经网络为3层及以上的隐藏层。

进一步，所述农作物病虫害防治方案推荐系统还包括用户反馈信息真伪识别系统，用于对用户的反馈信息的可靠性进行识别，反馈信息可靠性高的加入系统进行学习，反馈信息可靠性低的则不加入系统进行学习。

进一步，所述用户的反馈信息的可靠性通过用户专业能力测试和其提交结果有效性的统计均值来估计。

本发明的有益效果在于：

(1)本发明采用增量学习方法，农作物病虫害防治系统将根据农作物病虫害防治效果信息反馈系统的信息不断优化神经网络结构。

(2)本发明联合农作物名称、当地的天气记录和叶片的彩色图像作为病虫害识别的关键信息，结果更加稳定可靠。

(3)本发明直接输入叶片的彩色图像，不需要几何特征或色彩特征提取，系统自动提取所有可能有用信息，从而使结果更优。

(4)本发明通过用户专业能力测试和其提交结果有效性的统计均值来估计其反馈结果的可靠性，结果更准确。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明工作原理图；

图2为深层神经网络结构图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

如图1所示，一种基于深度学习的农作物病虫害防治方案推荐系统，包括图像采集系统、图像处理系统、农作物病虫害识别系统、农作物病虫害防治系统、农作物病虫害防治效果信息反馈系统；

所述图像采集系统用于采集农作物的图像，并将图像信息传至所述图像处理系统；

所述图像处理系统对收到的图像信息进行去噪、归一化处理，形成训练数据，传至所述农作物病虫害识别系统；

如图2所示，所述农作物病虫害识别系统根据收到的训练数据分析，识别出农作物的相关信息，并将其作为深层神经网络的输入，并输出农作物病虫害的类型，传至所述农作物病虫害防治系统；

所述农作物病虫害防治系统根据收到的农作物病虫害的类型向用户推荐防治方案；用户根据推荐的防治方案进行操作后将防治效果反馈给所述农作物病虫害防治效果信息反馈系统；

所述农作物病虫害防治效果信息反馈系统根据用户的反馈信息，对所述农作物病虫害防治方案推荐系统进行修正，优化所述深层神经网络的结构。

所述农作物的相关信息包括农作物名称、当地的天气记录和叶片的彩色图像。

所述深层神经网络为3层及以上的隐藏层。

所述农作物病虫害防治方案推荐系统还包括用户反馈信息真伪识别系统，用于对用户的反馈信息的可靠性进行识别，反馈信息可靠性高的加入系统进行学习，反馈信息可靠性低的则不加入系统进行学习。

所述用户的反馈信息的可靠性通过用户专业能力测试和其提交结果有效性的统计均值来估计。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

技术特征：

技术总结
本发明涉及一种基于深度学习的农作物病虫害防治方案推荐系统，属于农业现代化领域。该系统包括图像采集系统、图像处理系统、农作物病虫害识别系统、农作物病虫害防治系统、农作物病虫害防治效果信息反馈系统、用户反馈信息真伪识别系统；本发明采用增量学习方法；农作物病虫害防治系统将根据农作物病虫害防治效果信息反馈系统的信息不断优化神经网络结构，联合农作物名称、当地的天气记录和叶片的彩色图像作为病虫害识别的关键信息，结果更加稳定可靠，也更准确。

技术研发人员：钱鹰;王喜宾;刘歆;贾朝龙;朱红军;叶青青;夏璨;刘微微;王茂瑞;冯相辉;孙惟智
受保护的技术使用者：重庆邮电大学
技术研发日：2017.07.11
技术公布日：2017.11.07