6 结束语

对于植物病虫管理模块，植物是本系统的重要基础数据，疾病和症状都要依赖于作物知识库，库中具有大量数据的害虫和疾病数据库，加之声情并茂的用户交互界面，使生产者能够全面了解各种农作物、果蔬目前存在的所有可能的病虫程度与影响范围系统。该系统中的图像诊断系统各类病虫整理近万张图片信息库，再结合多年从事病虫害研究和实践的众多高级专家的经验和知识，以帮助农民实地实作，实时诊断病虫害，及时采取防治措施。在病虫害较为复杂的情况下，可以利用远程专家组进行实时通讯和诊断，防止在防治过程中走弯路，把损失降到最低。对于诊断管理模块，在作物各时期的生产生活中，对植物形成了一些客观的经验数据，又由于系统的作物种类很多，利用分类管理把种类分成不同类别进行诊断，方便用户进行查找和检索。

[1]范振军，李小霞.基于ROI快速检测与融合特征的马铃薯病害识别[J].西南农业学报，2019,32(03)：543-550.

[2]李建华，郝炘，牛明雷,等.基于卷积神经网络的农作物病害识别[J].中国农业信息，2019，31(03)：39-47.

[3]高雄，汤岩，陈铁英,等.基于图像处理的甘蓝虫害识别研究[J].江苏农业科学，2017，45(23):235-238.

[4]吴健宇.基于深度卷积神经网络的农作物病虫害识别及实现[D].哈尔滨:哈尔滨工业大学，2019.

[5]陈洋.基于卷积神经网络的农作物病虫害图像分类研究[D].南昌:江西农业大学，2018.

[6]苏一峰，杜克明，李颖.基于物联网平台的小麦病虫害诊断系统设计初探[J].中国农业科技导报，2016，18(02):86-94.

文章来源：《现代农业研究》 网址: http://www.xdnyyj.cn/qikandaodu/2021/0722/1332.html