基于多层感知器网络的农作物疾病诊断系统
合集下载
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
陈晓艳 董朝轶 李永亭 刘月文 , , ,
(. 1 内蒙古工业大学 电力学院 电工基础教 学中心 , 内蒙古 自治区 呼和浩特 0 08 ; 100 2 内蒙古工业大学 电力学院 自动化 系, . 内蒙古 自治区 呼和浩特 00 8 ) 100
摘 要: 农作物疾病 的人工诊断效果常受到个人诊断经验和能力的限制, 无法达到最令人满意的诊断结果。将丰富 的植
CHE Xio y h , N a — a DONG h o y L n — i g , I Yu — n C a — i , IYo g t L U e we n
( . et f l tcl n l t ncT ahn , ol eo l tcP we, n e noi nvr t o 1 C n r e r a a dEe r i ecig C l g f e r o r In r eo E ci co e E ci Mog l U iesy f a i
性不可分问题。首先对大豆常见 l 9种疾病症状进行了收集和整理, 构建试验样本集。然后 , 利用反 向传播算法对该 网络
进行训 练和 测试 。测试 结果 表明 , 模 型具有 较高 的农作 物疾 病诊 断正确 率和 良好 的泛化 能力 。 该 关键词 : 向传播 算法 ; 反 多层感 知器 网络 ; 疾病诊 断 ; 模式识 别 中 圈分类 号 :P 8 ;45 2 T 13 S3 . 文献 标识码 : A 文 章编号 :63 69 (0 1 1—0 4 0 17 - 2 X 2 1) 1 08 — 5 。
Te h o o y,Hu h t 0 8 Chn c n lg h o 0 0, i a; 01
2 De at n fAuo t nrl . p rme to tmai Co t ,Colg fElcr o rIn rMo g f iv ri f c o l eo e tc P we ,n e n o aUn est o e i i y
第2卷 l
第 l 期 l
计 算 机 技 术 与 发 展
COMP ER ECHNOL l AND DE UT T 0GY VEL MEN O12 .l Nv o . 2 l O1
基 于 多层 感知 器 网络 的农 作 物 疾病 诊 断 系统
o e cn o ban tep e i s l fda n ss n a n to ti h rcs r ut o ig o i.Too ec ee s v rometi i al hemeg fe p r y tmswi terc ahoo ia n h spt l,t f reo x ets se h t h i hp t lgc lk owl -
T h o g , u h t 10 0 C n ) c en l y H h 0 0 8 , h a o n i
Ab ta t T e ma u l i n s r h i ae fa r utrl rp f n rs i e y te idvd a a it n x ein e O ta s c : h n a da o i f te ds s s gi l a o si ot etc d b iiu l bly a d e p r csS t r g so e o c u c s e rt h n i e h
S u y o a n ssf r Die s so rc l r lCr p t d fDi g o i o s a e fAg iu t a o s u
Ba e n M u t- y r Pe c p t m t r s s d o l i La e r e t o Ne wo k
物病理 学诊 断经验 和知 识编 入专 家系统 , 利用模 式 识别 算法 , 农 作物 常 见疾 病 进 行诊 断 , 以大 大 提 高诊 断 准确 率 , 对 可 有 效地 提高其 产量 和质 量 。主要研究 了基 于一 种人工 神经 元 网 络一 多层 感 知器 网络 的模 式 识别 技 术在 大 豆疾 病 诊 断 中的 应用 。M P 经 网络通 过模拟 生物 神经元 细胞 对外 部刺激 而产 生 的 反应 , 成一 种 前 向神 经 网络 , 以有效 地 解决 非 线 L神 构 可
ss eq at a dteq a t f rp’ rd co .A pt r eo nt nt hiu ae namut lyr ecprn( c t u i n h u lyo o Spo ut n aenrcg io e nqebsdo h n t y i c i t i c l-a e ret i p o
e g n e u i z t n o pat r e o ni o l o t m a i n fc ty i m v h e p e ii n o i g o i .Th r f r tge t n r a d e a d t t i ai f t n r c g t n ag r h C sg i a l mp et rc so fd a n ss h l o e i i n in e e o e,i r a l i c e - y
)nua e rl
n t r sa p e t ted a n sso O y e n dsae .Th ewo ki p l i d O h ig oi fS b a i e s s eM LP n ua ewo k,whc san v l de ce tfe fr r ewo , e rl t r n ihi o e a f in ed- owad n t r n i k i ae n terfe t n otcln uo so tee tr a t lsa d cnb sd t S le tep o lmso o l e ris p rbly. sb sd o h e c i sofc r a e rn n h xen si u n a e ue O O v h r be fn ni a n l o i l mu n e aa it i
(. 1 内蒙古工业大学 电力学院 电工基础教 学中心 , 内蒙古 自治区 呼和浩特 0 08 ; 100 2 内蒙古工业大学 电力学院 自动化 系, . 内蒙古 自治区 呼和浩特 00 8 ) 100
摘 要: 农作物疾病 的人工诊断效果常受到个人诊断经验和能力的限制, 无法达到最令人满意的诊断结果。将丰富 的植
CHE Xio y h , N a — a DONG h o y L n — i g , I Yu — n C a — i , IYo g t L U e we n
( . et f l tcl n l t ncT ahn , ol eo l tcP we, n e noi nvr t o 1 C n r e r a a dEe r i ecig C l g f e r o r In r eo E ci co e E ci Mog l U iesy f a i
性不可分问题。首先对大豆常见 l 9种疾病症状进行了收集和整理, 构建试验样本集。然后 , 利用反 向传播算法对该 网络
进行训 练和 测试 。测试 结果 表明 , 模 型具有 较高 的农作 物疾 病诊 断正确 率和 良好 的泛化 能力 。 该 关键词 : 向传播 算法 ; 反 多层感 知器 网络 ; 疾病诊 断 ; 模式识 别 中 圈分类 号 :P 8 ;45 2 T 13 S3 . 文献 标识码 : A 文 章编号 :63 69 (0 1 1—0 4 0 17 - 2 X 2 1) 1 08 — 5 。
Te h o o y,Hu h t 0 8 Chn c n lg h o 0 0, i a; 01
2 De at n fAuo t nrl . p rme to tmai Co t ,Colg fElcr o rIn rMo g f iv ri f c o l eo e tc P we ,n e n o aUn est o e i i y
第2卷 l
第 l 期 l
计 算 机 技 术 与 发 展
COMP ER ECHNOL l AND DE UT T 0GY VEL MEN O12 .l Nv o . 2 l O1
基 于 多层 感知 器 网络 的农 作 物 疾病 诊 断 系统
o e cn o ban tep e i s l fda n ss n a n to ti h rcs r ut o ig o i.Too ec ee s v rometi i al hemeg fe p r y tmswi terc ahoo ia n h spt l,t f reo x ets se h t h i hp t lgc lk owl -
T h o g , u h t 10 0 C n ) c en l y H h 0 0 8 , h a o n i
Ab ta t T e ma u l i n s r h i ae fa r utrl rp f n rs i e y te idvd a a it n x ein e O ta s c : h n a da o i f te ds s s gi l a o si ot etc d b iiu l bly a d e p r csS t r g so e o c u c s e rt h n i e h
S u y o a n ssf r Die s so rc l r lCr p t d fDi g o i o s a e fAg iu t a o s u
Ba e n M u t- y r Pe c p t m t r s s d o l i La e r e t o Ne wo k
物病理 学诊 断经验 和知 识编 入专 家系统 , 利用模 式 识别 算法 , 农 作物 常 见疾 病 进 行诊 断 , 以大 大 提 高诊 断 准确 率 , 对 可 有 效地 提高其 产量 和质 量 。主要研究 了基 于一 种人工 神经 元 网 络一 多层 感 知器 网络 的模 式 识别 技 术在 大 豆疾 病 诊 断 中的 应用 。M P 经 网络通 过模拟 生物 神经元 细胞 对外 部刺激 而产 生 的 反应 , 成一 种 前 向神 经 网络 , 以有效 地 解决 非 线 L神 构 可
ss eq at a dteq a t f rp’ rd co .A pt r eo nt nt hiu ae namut lyr ecprn( c t u i n h u lyo o Spo ut n aenrcg io e nqebsdo h n t y i c i t i c l-a e ret i p o
e g n e u i z t n o pat r e o ni o l o t m a i n fc ty i m v h e p e ii n o i g o i .Th r f r tge t n r a d e a d t t i ai f t n r c g t n ag r h C sg i a l mp et rc so fd a n ss h l o e i i n in e e o e,i r a l i c e - y
)nua e rl
n t r sa p e t ted a n sso O y e n dsae .Th ewo ki p l i d O h ig oi fS b a i e s s eM LP n ua ewo k,whc san v l de ce tfe fr r ewo , e rl t r n ihi o e a f in ed- owad n t r n i k i ae n terfe t n otcln uo so tee tr a t lsa d cnb sd t S le tep o lmso o l e ris p rbly. sb sd o h e c i sofc r a e rn n h xen si u n a e ue O O v h r be fn ni a n l o i l mu n e aa it i