温室番茄智能管理信息系统的研究与实现.pdfVIP

符号说明 ANN:ArtificialNeuralNetwork,人工神经网络 API:Application ProgrammingInterface,应用编程接口 A/D:Analog-to-Digital Convert,单仪器模数转换 APP: Application,应用程序 BP:Back Propagation,后向传播 COC:Convention Over Configuration,惯例优于配置 CRC:CyclicRedundancy Check,循环冗余校验码 CNN:ConvolutionalNeuralNetwork,卷积神经网络 DenseNet:DenseConvolutionalNetwork,密集卷积神经网络 E-R:Entity-relationship, 实体联系 IoT:Internet ofThings,物联网 IMS:Information Management System,信息管理系统 LPWA:Low PowerWideArea,低功耗广域网 MVC:ModelView Controller,MVC设计模式 NB-IOT:Narrow BandInternet ofThings,基于蜂窝的窄带物联网 UWM:UltraWideband,超宽带 ResNet:ResidualNeuralNetwork,残差神经网络 RIA:Rich InternetApplications,丰富互联网程序 ReLU: RectifiedLinearUnit,线性修正单元 SQL:StructuredQuery Language, 结构化查询语言 目录 中文摘要I AbstractII 1 引言1 1.1研究目的与意义1 1.2 国内外研究现状2 1.2.1农业物联网的国内外研究现状2 1.2.2农业图像识别技术的国内外研究现状3 1.2.3农业管理信息系统的国内外研究现状4 1.3研究内容及技术路线5 1.3.1研究内容5 1.3.2技术路线7 1.4论文结构8 2 关键技术9 2.1开发工具及环境配置9 2.2系统开发框架9 2.2.1SpringMVC9 2.2.2MyBatis10 2.2.3ExtJS11 2.3知识图谱12 2.4NB-IoT13 2.5TensorFlow13 2.6相关算法14 2.6.1卷积神经网络14 2.6.2DenseNet16 3 需求分析 18 3.1温室番茄种植现状及存在的问题18 3.2系统预期目标18 3.3系统可行性分析19 3.3.1技术支持19 3.3.2 实用性分析19 3.4功能需求分析19 3.4.1系统后台管理19 3.4.2终端APP21 3.5功能用例24 4基于DenseNet 的番茄叶部病害图像识别27 4.1番茄叶部病害图像数据集的构建27 4.1.1数据的采集27 4.1.2数据的预处理28 4.2基于DenseNet 的番茄叶部病害图像识别模型30 4.3实验结果与分析31 5 系统设计与实现33 5.1系统设计33 5.1.1设计原则33 5.1.2总体设计33 5.1.3详细设计34 5.1.4番茄温室微环境数据采集监测系统的设计36 5.1.5数据库设计40 5.2系统实现43 5.2.1系统后台功能实现43 5.2.2终端APP功能实现48 6系统测试55 6.1测试环境55 6.2测试方法56 6.3功能测试56 7 总结与展望60 7.1总结60 7.2 展望60 参考文献61 致谢68 攻读学位期间所获成果情况69 山东农业大学硕士专业学位论文 中文摘要 番茄是山东省重要的果蔬作物，其在食用和药用方面都有着不可替代的作用和地 位，每年需求量较大。然而当前番茄种植方式相对传统落后，而番茄的整个生长过程 又对生长环境、病害防治的要求都非常严格，由此容易造成产量不足和农户收益率不 高等问题。因此，本文将物联网技术、人工智能、图像处理等现代信息技术应用于温 室番茄种植相关信息的管理和叶部病害的识别与防治，研究并实现了温室番茄智能管 理信息系统，该系统可以辅助农户更好的做好增产丰收和病害