基于深度学习下草地贪夜蛾的识别与预测

Journal: Agricultural Science DOI: 10.12238/as.v5i6.2215

张文博

湖南农业大学

Abstract

草地贪夜蛾原产于美洲热带和亚热带地区,是我国主要害虫之一。应用深度学习准确和实时地识别和预测虫害成为一条方便、经济和可行的解决途径。时间序列在预测上有着极大的优势,能够展示研究对象在一定时期内的发展变化趋势与规律,对变量的未来变化进行有效地预测。近红外漫光反射光谱可对草地贪夜蛾数量进行检测,通过草地贪夜蛾遍及区域或者幼虫所在的区域利用近红外光谱技术实现对数目的预测。本研究采用卷积神经网络模型和近红外漫光反射光谱对草地贪夜蛾种类与数量进行识别,并将时间序列运用在草地贪夜蛾的发展变化趋势预测。

Keywords

深度学习；时间序列预测；卷积神经网络；近红外漫光反射光谱

Full Text

PDF - Viewed/Downloaded: 0 Times

References

[1] 王耀玮,唐伦,刘云龙,等.基于多任务卷积神经网络的车辆多属性识别[J].计算机工程与应用,2018,54(8):21-27.
[2] 刘建学.实用近红外光谱分析技术[M].北京:科学出版社,2008.
[3] BARBEDOJG A. Impact of dataset size and variety on the effectiveness of deep learning and transfer learning for plant disease classification[J].Computers and Electronics in Agriculture,2018,153:46-53.

Citing this article:

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License