目录

第1章病虫害智能诊断和农业智能系统概述

1.1深度学习在作物图像处理及病害识别领域的应用背景

1.1.1图像信息成为农业物联网大数据的“主力军”

1.1.2破解“视而不见”困局的关键在于图像信息的

机器识别

1.1.3作物病害图像识别是发展精准、高效、绿色

农业的基石

1.1.4深度机器学习有机融入是智慧农业的

必由之路

1.2病虫害智能诊断的研究目标及内容

1.2.1研究目标

1.2.2研究内容

1.3国内外智能诊断的研究现状和发展趋势

1.3.1图像技术在病害识别诊断上的应用

1.3.2机器学习的图像降维和特征提取研究

1.3.3农业专家系统和病害诊断技术研究

1.3.4深度方法在图像等非结构化数据识别

领域的研究

1.4专家系统概述及其发展概况

1.5专家系统的开发方式

1.6农业信息化技术和农业专家系统

1.6.1农业信息化技术

1.6.2农业专家系统

1.7农业专家系统开发工具的研究

1.8多媒体农业智能应用系统

1.8.1多媒体农业智能应用系统

1.8.2多媒体农业智能应用系统平台

1.9主要工作及本书结构

第2章CT图像特征的支持向量网络籽种品质评价

2.1支持向量网络和籽种品质智能评价

2.2SVN的理论基础

2.2.1优化问题的基本概念

2.2.2优化问题的最优解条件

2.2.3博弈问题和对偶理论

2.2.4Wolfe对偶（乌尔夫对偶）方法

... 查看详情

农业是一个复杂的生命系统，具有典型的生态区域性和生理过程复杂性。信息技术是推动社会经济变革的重要力量，加速农业信息化发展是世界各国的共同选择。我国是个农业大国，对农业信息化技术与科学有着巨大需求。目前，大部分农业设备或者终端只能采集农作物图像，缺乏加工提取功能，不能提取到能指导农业生产管理的有用信息，并对农业物联网终端的图像信息实现自动分析识别处理，同时做出智能响应，这已经成为破解困于设备“视而不见”困局的首要任务。长势图像直观地、形象地表达了作物生长、发育、健康状况、受害程度、病因等方方面面的信息。让机器视觉设备近似正确地识别解读农学信息，实时地、科学地、自动地指导农技措施，一直就是智慧农业的发展目标。

本书运用深度机器学习等人工智能方法研究了农作物病虫害智能诊断及其在农业智能系统中的应用与实践。首先，分别围绕基于CT图像的籽种品质评价定级的人工智能方法、作物病害图像的病变识别预处理、病变模式识别的数值分析降维、病害图像模式半监督深度学习降维、病害图像模式监督深度学习降维和网络一体化识别的展开了深入探讨；拓展了机器学习特别是深度机器学习的理论和应用范畴，构造了基于机器学习的农业信息的智能分析处理的数据结构和算法范形；并将提出的理论和设计方法应用于工厂化果园生产场景的苹果病害图像识别预警领域并进行算法级别实验验证。其次，从软件工程的视角，详细地论述了“多媒体农业智能应用系统平台”的系统分析、设计、实现方法，说明了“多媒体农业智能应用系统平台”的基本约束条件、系统设计方案、农业领域知识表示和知识管理子系统、电子图书子系统、农情数据库子系统的分析与设计及其实现和技术解决方案。

本书提供了大量农作物病害图像实例集和MATLAB例程供相关人员参考。书中所有算法均在MATLAB环境中调试通过。本书紧扣深度机器学习的农业病害图像处理和协同诊断应用主题，实用性较强，可作为人工智能、农业信息化、设施农业、农业机械化及其他相关专业的高年级本科生和研究生教材，也可作为农业工程技术人员研究、开发农业智能应用系统和智慧农业APP的参考用书。
查看详情