导读:本文包含了植物识别论文开题报告文献综述及选题提纲参考文献，主要关键词:植物病害识别,深度学习,one-shot学习,焦点损失函数
植物识别论文文献综述
任胜男,孙钰,张海燕,郭丽霞[1]（2019）在《基于one-shot学习的小样本植物病害识别》一文中研究指出针对植物病害小样本问题提出一种基于one-shot学习的植物病害识别方法。以公开数据集PlantVillage中8类样本数量较少的植物病害图像作为识别对象,使用焦点损失函数(focal loss, FL)训练基于关系网络的植物病害分类器。训练过程中,调整FL超参数使模型聚焦于困难样本,从而提高植物病害识别精确率。结果表明:该方法在5-way、1-shot任务中识别精确率达到89.90%,相比原始关系网络模型精确率提高了4.69个百分点。同时,与匹配网络和迁移学习相比,改进后的方法在实验数据集上识别精确率分别提高了25.02个百分点和41.90个百分点。(本文来源于《江苏农业学报》期刊2019年05期）
夏立群,李倩茹,刘慧玲,鲁义善[2]（2019）在《大数据在线识别技术在植物生物学实习教学中的运用》一文中研究指出植物生物学实习是生物科学本科专业的基础课,是巩固植物生物学理论知识的重要实践环节。随着植物图像库等大数据的发展和智能比对技术的应用,基于大数据的植物在线识别技术方兴未艾。该研究将大数据在线识别技术运用于植物生物学实习教学,实现了实习教学的开放性、实时性、交互性、主动性和多样性,构建了新的教学模式,取得了理想的教学效果。(本文来源于《大学教育》期刊2019年11期）
常月,马占鸿[3]（2019）在《植物病虫害识别方法的优化》一文中研究指出农作物病虫害的田间管理及防治工作对于农作物的产量和品质有着至关重要的影响,帮助农户快速且正确地识别田间病虫害可以最大程度地提高管理措施的有效性和及时性,减少灾害程度和为害面积,有力保障农产品安全,降低经济损失,这对种植业及相关行业的发展有着非常重要的意义。我国农业种植户的知识水平普遍偏低,对于植保信息的获取能力较差,本项目拟开发一款病虫害自动识别的手机软件,让农户通过手机端上传图片便可以轻轻松松地得到病虫害诊断结果,并获知相应的防治措施。本研究正在建立多个常见病虫害的图像数据库,利用深度学习等技术实现特征的自动提取,利用人工智能技术构建识别模型。在模型训练的过程中总结数据库大小及图像质量对识别正确率的影响,探究一套系统的数据库构建方法——适用于农作物病虫害识别模型。探究数据库大小及图像质量对识别效果的影响。在训练模型的过程中,调整数据库的大小及图像质量,感受数据库的变化对识别效果的影响,对后续数据库的建立提供技术指导。比如,在保障一定识别准确率的情况下,一个数据库该有多少数据,图像该包括怎样的典型特征,怎样的数据质量能适当降低模型对数据数量的依赖,模型对上传的什么样的图像识别效果好,在识别同样的验证集时如何调整数据库中照片的丰富度能提供识别正确率。从目前所得试验结果表明,对病害进行识别时,对重度发病的识别正确率高于轻度发病;识别的图像中病状特征占图比例较大时,识别效果更佳。因此,拍摄图像时要减少背景所占画面的比例,尽可能多地凸显发病症状。前期的图像拍摄及收集过程中,要收集尽可能多的照片,要保障最基本的数据量。后期模型训练过程中,通过数据库的调整与识别效果的变化来改善数据库,并指导后续图像数据的采集和处理工作。(本文来源于《中国植物保护学会2019年学术年会论文集》期刊2019-10-23）
钱亮亮[4]（2019）在《基于随机森林的植物叶片识别应用》一文中研究指出如今,随机森林因具有降噪能力强,预测精度高,高维数据无需降维等优点,已成为集成学习中的一大经典模型。将随机森林算法应用于植物叶片的识别,数据选自于UCI Machine Learning数据集中的Leaf数据。首先,简述一下决策树及随机森林算法的相关理论知识;其次,对Leaf数据进行预处理,构建随机森林对数据进行预测分析;最后,使用精确率、召回率和F1值等指标验证模型的纵向准确性,接着基于均方根误差横向对比随机森林和其他叁种机器学习算法,并使用基尼指数对特征重要性排序度量,实验结果表明,随机森林在植物叶片识别领域预测准确率较高,在特征重要性排序中,偏心距重要性程度最大。(本文来源于《现代计算机》期刊2019年29期）
万程[5]（2019）在《植物景观规划设计对城市形象识别的影响》一文中研究指出随着社会的不断发展和进步,环境自然属性和人类行为需求逐渐得到了人们的重视,尤其是在当前各地区的城市形象建立方面。而植物作为一种观赏性极强、极具生命力色彩的景观媒介,是城市形象建立中植物景观规划设计的重要组成部分,各地区通过对城市中植物景观的合理规划和设计,极大意义上促进了人与自然的和谐共处。文章首先阐述了植物景观规划设计对城市形象识别的重要性,并结合马斯洛需求层次理论分析了城市环境形象建立中植物景观规划设计带来的影响和作用。(本文来源于《大观》期刊2019年10期）
朱芹[6]（2019）在《地方高校开设通识教育课程“植物识别与应用”的探索》一文中研究指出通识教育越来越受到各大高校的重视,部分高校已开设了多门植物类通识课程。在地方院校开设通识教育课程"植物识别与应用",以趣味性、科普性为特色,旨在利用"互联网+"模式,普及与植物有关的基础知识与文化内涵,激励学生积极参与,独立思考,引导学生认识自然,了解植物在人类文明发展中的贡献,检讨人类在大自然中的角色,营造尊重自然、热爱自然、保护自然的良好氛围。(本文来源于《教育教学论坛》期刊2019年40期）
徐莜,孔垂华[7]（2019）在《植物亲属识别对水稻化感品种调控稗草的作用》一文中研究指出水稻化感品种能够通过产生释放化感物质调控邻近稗草的生长,但化感物质的产生释放必然消耗能量,这无疑会导致水稻化感品种能量分配的改变,最终影响水稻的产量。前期研究发现水稻化感品种与其近缘品种共存时产量提高,但水稻化感品种的这一亲属识别的合作行为对其调控稗草的作用尚不明确。本研究以常规和杂交两个系列水稻化感品种和稗草为材料,探究植物亲属识别对水稻化感品种调控稗草的影响。琼脂实验结果表明当水稻化感品种与近缘品种混种与稗草共存时,与陌生者混种相比,能显着抑制邻近稗草根系生长。盆栽实验发现稗草胁迫下水稻化感品种和近缘品种混种时,与稗草胁迫下水稻化感品种单种时相比,化感物质的增加量显着降低,但对稗草的抑制效果维持不变。显示稗草胁迫下水稻化感品种在与近缘品种共存时可以降低水稻化感品种中化感物质的合成,同时抑草效果并未降低。根箱实验表明,两个系列水稻化感品种单种或与3种不同亲缘度关系品种混种与稗草共存时,水稻化感品种与近缘品种混种时向稗草根系的趋近程度显着高于与陌生者混种。综上所述,亲属识别有利于水稻化感品种降低自身防御成本的同时并保持对邻近稗草的抑制效果不变,这主要是通过改善了水稻根系分布,增强了水稻化感品种对邻近稗草的竞争,从而弥补了由于化感物质量降低造成的抑草效果下降的不足。本研究为拓宽植物种间和种内相互作用的认知和实现应用水稻化感品种控制稻田杂草的同时保证水稻产量提供了理论依据。(本文来源于《中国第九届植物化感作用学术研讨会论文摘要集》期刊2019-09-19）
赵钢,王茂枚,徐毅,舒实,蔡军[8]（2019）在《双频识别声呐提取沉水植物盖度的可行性初探》一文中研究指出沉水植物作为湖泊生态系统的初级生产者,在固定底泥、防止沉积物再悬浮、净化水质等方面具有重要的环境功能。因此,探究沉水植物的分布、群落结构及其演替规律,对于湖泊水生态环境修复工作有着重要意义。传统的沉水植物调查方法不仅调查效率低,而且在取样过程中会对沉水植物造成破坏,有必要探索更为高效科学的调查方法。由于双频识别声呐可实现在浑浊、黑暗的水下获得清晰的影像,利用双频识别声呐探测技术在不破坏沉水植物的情况下获取了太湖贡湖湾4种典型沉水植物在不同季节的影像数据,通过影像处理提取沉水植物盖度。结果表明该方法获得的盖度与传统调查结果较为接近,且该方法更加方便快捷,可为湖泊水生态环境修复提供支撑。(本文来源于《长江科学院院报》期刊2019年09期）
王聃,柴秀娟[9]（2019）在《机器学习在植物病害识别研究中的应用》一文中研究指出植物病害识别是植物生长过程最重要也是最基本的环节,其既可以为高效除害提供最有力的依据,也可以减少一定的经济损失。随着信息技术的不断发展,在植物病害识别方面的研究工作已有一段历程,本文主要对机器学习技术在植物病害识别中的应用研究进行详细的综述。首先,通过调研植物病害问题的主要特征,明确植物病害识别研究中的识别任务;其次,阐述传统机器学习方法到深度学习的模式分类技术变迁,重点提出深度学习在植物病害识别中的应用优势;然后,调研机器学习在植物病害应用的相关研究文献,对文献所使用的模型、技术细节、数据来源、数据处理技术以及性能指标评价进行详细综述与对比,分析该领域研究存在的问题;最后,基于调研结果对植物病害识别的进一步研究展开讨论,同时对研究对象的特点与大规模数据集合的构建提出相关意见,在技术上提倡深度学习算法的使用,鼓励更加先进的模型尝试等建议。另外,还整理目前已经公开且可以下载使用的关于植物病害识别研究的数据库集合,为相关的研究提供便利。(本文来源于《中国农机化学报》期刊2019年09期）
刘洋,冯全,王书志[10]（2019）在《基于轻量级CNN的植物病害识别方法及移动端应用》一文中研究指出为了实现在手机端植物病害叶片检测,对MobileNet和Inception V3 2种轻量级卷积神经网络进行迁移学习,得到2种作物病害分类模型,将2种分类模型分别移植到Android手机端,在识别精度、运算速度和网络尺寸之间进行平衡,选择最优模型。试验表明,MobileNet和InceptionV3在PlantVillage数据集(共38类26种病害)上平均识别率分别是95.02%和95.62%。在自建图像集葡萄病害叶片的识别中MobileNet和InceptionV3平均识别率分别是87.50%、88.06%,Inception V3的整体识别精度略高,但MobileNet在所有类别的识别上均衡性更好;在模型尺寸方面Inception V3的模型尺寸大小为87.5 MB,MobileNet的模型尺寸为17.1 MB,大约是后者5倍;2种模型移植到手机端时,MobileNet和Inception V3的APP所占内存分别是21.5和125 MB;在手机端单张图片的识别时间方面,Inception V3平均计算时间约是174 ms,MobileNet的平均计算时间约是134 ms,后者的平均计算时间比前者快40 ms;在手机端MobileNet相比于Inception V3占用内存更小,运算时间更快。说明MobileNet更适合在手机端进行植物病害识别应用。(本文来源于《农业工程学报》期刊2019年17期）
植物识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
植物生物学实习是生物科学本科专业的基础课,是巩固植物生物学理论知识的重要实践环节。随着植物图像库等大数据的发展和智能比对技术的应用,基于大数据的植物在线识别技术方兴未艾。该研究将大数据在线识别技术运用于植物生物学实习教学,实现了实习教学的开放性、实时性、交互性、主动性和多样性,构建了新的教学模式,取得了理想的教学效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
植物识别论文参考文献
[1].任胜男,孙钰,张海燕,郭丽霞.基于one-shot学习的小样本植物病害识别[J].江苏农业学报.2019
[2].夏立群,李倩茹,刘慧玲,鲁义善.大数据在线识别技术在植物生物学实习教学中的运用[J].大学教育.2019
[3].常月,马占鸿.植物病虫害识别方法的优化[C].中国植物保护学会2019年学术年会论文集.2019
[4].钱亮亮.基于随机森林的植物叶片识别应用[J].现代计算机.2019
[5].万程.植物景观规划设计对城市形象识别的影响[J].大观.2019
[6].朱芹.地方高校开设通识教育课程“植物识别与应用”的探索[J].教育教学论坛.2019
[7].徐莜,孔垂华.植物亲属识别对水稻化感品种调控稗草的作用[C].中国第九届植物化感作用学术研讨会论文摘要集.2019
[8].赵钢,王茂枚,徐毅,舒实,蔡军.双频识别声呐提取沉水植物盖度的可行性初探[J].长江科学院院报.2019
[9].王聃,柴秀娟.机器学习在植物病害识别研究中的应用[J].中国农机化学报.2019
[10].刘洋,冯全,王书志.基于轻量级CNN的植物病害识别方法及移动端应用[J].农业工程学报.2019
标签：植物病害识别; 深度学习; one-shot学习; 焦点损失函数;