j9.com(中国大陆·官方网站)股份科技有限公司

全国统一24小时服务热线: 028-83967888 028-83967888  / 13956929500

行业资讯

当前位置: 首页 > 最新资讯 > 行业资讯

一种用于玉米病虫害识别装置

发布时间:2026-06-08 作者:小编 来源:网络 点击: 字号:

  

一种用于玉米病虫害识别装置(图1)

  1.一种用于玉米病虫害识别装置,其特征在于:包括外壳、摄像头(1)、按键模块(2)、照

  明灯(4)、USB电源接口(5)、电源模块(6)、程序存储器FLASH(7)、数据存储器(8)、液晶显示

  屏(9)和单片机(12);所述的外壳的正面安装有按键模块(2)和液晶显示屏(9),按键模块

  (2)处于液晶显示屏(9)的下方;外壳的侧面安装有USB电源接口(5),所述的外壳的背面安

  装有摄像头(1)和照明灯(4);所述的电源模块(6)、程序存储器FLASH(7)、数据存储器(8)和

  所述的摄像头(1)的信号输出端连接到单片机(12)的信号输入端,所述的按键模块(2)

  的信号输出端连接单片机(12)的信号输入端,所述的照明灯(4)的信号输入端连接到单片

  机(12)的信号输出端,所述的USB电源接口(5)连接到电源模块(6)上对电池进行充电;所述

  的电源模块(6)连接到单片机(12)上,所述的程序存储器FLASH(7)的信号输出端连接单片

  机(12)的信号输入端,所述的数据存储器(8)的信号输出端连接单片机(12)的信号输入端,

  所述的数据存储器(8)的信号输入端连接单片机(12)的信号输出端,所述的液晶显示屏(9)

  所述的程序存储器FLASH(7)用于存储玉米病虫害识别的轻量级卷积神经网络模型文

  j9股份有限公司

  2.根据权利要求1所述的一种用于玉米病虫害识别装置,其特征在于:它还包括蜂鸣器

  (3),所述的蜂鸣器(3)安装在外壳的正面;所述的蜂鸣器(3)的信号输入端连接到单片机

  3.根据权利要求2所述的一种用于玉米病虫害识别装置,其特征在于:它还包括语音模

  块(10)和喇叭(11),所述的喇叭(11)安装在外壳的背面,语音模块(10)安装在外壳的内部;

  所述的语音模块(10)的信号输入端连接到单片机(12)的信号输出端,所述的喇叭(11)

  4.根据权利要求3所述的一种用于玉米病虫害识别装置,其特征在于:所述的程序存储

  5.根据权利要求4所述的一种用于玉米病虫害识别装置,其特征在于:所述的摄像头

  蜂鸣器;所述的电源模块(6)采用1000毫安时的锂电池;所述的数据存储器(8)采用SD卡存

  储器;所述的液晶显示屏(9)采用OLED 9664彩色液晶屏;所述的语音模块(10)采用型号为

  6.根据权利要求5所述的一种用于玉米病虫害识别装置,其特征在于:所述的单片机

  7.根据权利要求6所述的一种用于玉米病虫害识别装置,其特征在于:所述的按键模块

  (2)采用2×4的按键,两个椭圆形按键分别为电源开关按键和摄像开关按键,六个矩形按键

  品质量、增高产量成为重中之重。玉米作为我国三大农作物之一,在生长过程中,病虫害的

  发生是玉米产量减少和质量降低的重要原因,因此对玉米病虫害及时准确的防治非常重

  要。玉米病虫害种类繁多容易混淆,农民专业知识匮乏,在无法及时准确识别玉米病虫害,

  造成玉米减产,加之盲目使用农药,造成环境污染。因此需要给农民提供一种专业、准确的

  支持向量机等分类器进行识别,这类识别依赖专业知识针对病害症状设计特征提取方法,

  浪费时间并且泛化能力及鲁棒性较差。而卷积神经网络不需要为特定任务获取图像特征,

  采用端到端的结构,由数据驱动自动提取深层的抽象特征,减少了人工设计特征产生的不

  完善性。虽然GoogleNet、VGGNet、ResNet等经典卷积神经网络识别率高但是参数多、复杂度

  高只能在PC端训练不适合直接在移动端使用,而轻量级卷积神经网络在保证网络高准确率

  一种用于玉米病虫害识别装置包括外壳、摄像头、按键模块、照明灯、USB电源接

  口、电源模块、程序存储器FLASH、存储器、液晶显示屏、和单片机;所述的外壳的正面安装有

  按键模块和液晶显示屏,按键模块处于液晶显示屏的下方;外壳的侧面安装有 USB电源接

  口,所述的外壳的背面安装有摄像头和照明灯;所述的电源模块、程序存储器FLASH、存储器

  输出端连接单片机的信号输入端,所述的照明灯的信号输入端连接到单片机的信号输出

  端,所述的USB电源接口连接到电源模块上对电池进行充电;所述的电源模块连接到单片机

  上,所述的程序存储器FLASH的信号输出端连接单片机的信号输入端,所述的数据存储器的

  信号输出端连接单片机的信号输入端,所述的数据存储器的信号输入端连接单片机的信号

  输出端,所述的液晶显示屏信号输入端连接到单片机的信号输出端;所述的程序存储器

  FLASH用于存储玉米病虫害识别的轻量级卷积神经网络模型文件程序以及调用各个器件的

  进一步的,它还包括蜂鸣器,所述的蜂鸣器安装在外壳的正面;所述的蜂鸣器的信

  进一步的,它还包括语音模块和喇叭,所述的喇叭安装在外壳的背面,语音模块安

  进一步的,所述的程序存储器FLASH采用型号为A25L512的Flash芯片。

  进一步的,所述的摄像头采用OpenMV4  H7可变焦摄像头;所述的蜂鸣器采用型号

  为SS3026IS24L压电式有源蜂鸣器;所述的电源模块采用1000毫安时的锂电池;所述的存储

  器采用SD卡存储器;所述的液晶显示屏采用OLED  9664彩色液晶屏;所述的语音模块采用型

  进一步的,所述的按键模块采用2×4的按键,两个椭圆形按键分别为电源开关按

  本新型的病虫害识别装置,克服了传统只能在PC端识别和识别速率慢的缺点,因

  为轻量级卷积神经网络参数少、模型小和所占内存小,可以直接嵌入在单片机内,不用放在

  服务器上,所以不用上网就可以使用,本实用新型不依赖网络,适合移植到小型设备中,解

  下面结合附图1、图2、图3和图4并通过具体实施例来进一步说明本实用新型的技

  如图2和图3所示,所述的一种用于玉米病虫害识别装置包括外壳、摄像头1、按键

  模块2、蜂鸣器3、照明灯4、USB电源接口5、电源模块6、程序存储器FLASH7、数据存储器8、液

  晶显示屏9、语音模块10、喇叭11和单片机12;所述的外壳的正面安装有按键模块2、蜂鸣器3

  和液晶显示屏9,按键模块2处于液晶显示屏9的下方,其中所述的按键模块采用2×4的按

  键,两个椭圆形按键分别为电源开关按键、摄像开关按键,六个矩形按键为功能选择按键;

  j9股份有限公司

  蜂鸣器3处于外壳正面的右下角处;外壳的侧面安装有USB  电源接口5,所述的外壳的背面

  安装有摄像头1、照明灯4和喇叭11;所述的电源模块6、程序存储器FLASH7、数据存储器8、语

  如图1所示,所述的摄像头1的信号输出端连接到单片机12的信号输入端,所述的

  摄像头1用于将拍摄的玉米病虫害图片送到单片机12中;所述的按键模块2的信号输出端连

  接单片机12的信号输入端,所述的按键模块2用于管理装置的电源开关键、摄像头拍摄键、

  照明灯开关键和查询玉米病虫害图像信息功能键;所述的蜂鸣器3的信号输入端连接到单

  片机12的信号输出端,若摄像头1拍摄的玉米图片存在病虫害,单片机12将信号发给蜂鸣器

  3,蜂鸣器3发出警报声;所述的照明灯4的信号输入端连接到单片机12  的信号输出端,当处

  于夜间状态时,为了拍摄出更加清晰地玉米图片,开启照明灯4;USB  电源接口5连接到电源

  模块6上对电池进行充电;所述的电源模块6连接到单片机12上,为单片机12提供电源;所述

  的程序存储器FLASH  7的信号输出端连接单片机12的信号输入端,并用于存储玉米病虫害

  识别的轻量级卷积神经网络模型文件程序以及调用各个模块的子程序,供单片机12调用;

  所述的数据存储器8的信号输出端连接单片机12的信号输入端,所述的数据存储器8的信号

  输入端连接单片机12的信号输出端,所述的数据存储器8用于存储玉米病虫害防治知识库,

  包括玉米各种病虫害的图片、症状特点、发病条件、传播途径以及防治方法,并且数据存储

  器8存储玉米病虫害识别过程中单片机接收的所有数据;所述的液晶显示屏9信号输入端连

  接到单片机12的信号输出端,用于显示玉米病虫害的识别结果以及病虫害的详细信息和相

  应的防治措施;所述的语音模块10的信号输入端连接到单片机12的信号输出端,用于将液

  晶显示屏9上的文字转换为语音信号;所述的喇叭11的信号输入端连接到语音模块10的信

  号输出端,用于将语音模块10输出的语音信号通过喇叭传递出来;所述的单片机12用于统

  一协调理各模块之间的相互关系,进行信息交换;同时处理玉米病虫害图像识别信息,进行

  玉米病虫害图像识别过程中特征信息的提取与信息识别,将接收处理的数据转入数据存储

  所述的摄像头1采用OpenMV4  H7可变焦摄像头;所述的蜂鸣器3采用型号为

  SS3026IS24L压电式有源蜂鸣器;所述的电源模块6采用1000毫安时的锂电池;所述的程序

  存储器FLASH7采用型号为A25L512的Flash芯片;所述的数据存储器8采用SD卡存储器;所述

  的液晶显示屏9采用OLED  9664彩色液晶屏;所述的语音模块10采用型号为  WT588D的语音

  步骤1,获取玉米病虫害数据集:从农作物病害数据集PlantVillage以及2018AI挑

  战赛农作物病害数据集中整理玉米病害图片,从IP102数据集中整理玉米虫害图片,从多个

  农业网站利用Python爬虫获取玉米病虫害图片,把相同的病虫害图片放到同一文件夹下,

  步骤2,图像数据加强:通过图像灰度化、图像加噪、图像旋转平移以及缩放变换和

  图像扭曲等进行数据扩充,扩充样本多样性,使模型对较小的变化有更强的鲁棒性;

  步骤3,划分训练集、验证集和测试集:将数据集按照8:1:1比例划分为训练集、验

  步骤4,分别搭建MobileNet、ShuffleNet轻量级卷积神经网络进行训练:在电脑的

  进行编写然后加载划分后的训练集和验证集进行训练,对网络模型的参数进行更新,得到

  步骤5,综合比较两个模型的识别精度、模型尺寸,选出更适合嵌入本识别装置的

  模型:输入玉米病虫害测试集对训练后的网络模型进行测试,引入K折分层交叉验证方法进

  步骤6,保存所选模型文件:将训练结束的网络结构与参数保存为模型文件并储存

相关文章Related Articles