基于深度学习算法的农作物灾害预测研究

摘要：

针对人工预测农作物病害的方法存在效率低、误差大的弊端,提出一种基于深度学习的农作物病害预测方法.首先采用基于改进深度学习的特征提取算法,提取农作物特征;基于提取的农作物特征,再通过基于粒子群支持向量机状态识别的农作物病害识别模型,实现农作物病害预测.实验结果表明:所提方法对农作物特征提取耗时最大值为54.76 ms,提取精度最大值为0.983;对同一农作物不同病害预测精度高达0.94,对不同农作物的同一病害、不同农作物差异病害的预测误差值均为0.02.某农科院采用该方法对马铃薯病害进行预测后,预测效果的满意态度达到100％,由此验证所提方法对农作物病害预测具有一定应用价值,预测性能显著.

关键词：农作物、病害预测、深度学习、特征提取、状态识别、实验验证

所属期刊栏目：44

分类号：TN911.23-34;TP391.4

资助基金：国家自然科学基金项目;河南省高等学校青年骨干教师培养计划项目;科技厅重点研发与推广专项科技攻关项目;科技厅重点研发与推广专项科技攻关项目;河南省高等学校重点科研项目计划支持

在线出版日期：2021-03-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：107-110