基于Android和深度学习的外来入侵植物智能识别系统

• 全文链接
• 请求原文

作   者：

刘万学;  蒯乃阳;  韩爽;  冼晓青;  陈宝雄;  吕军;  姚青; 

作者机构：

农业农村部农业生态与资源保护总站;  植物病虫害生物学国家重点实验室;  浙江理工大学信息电子学院; 

关键词：

智能识别;  云服务器;  深度学习;  移动终端APP;  外来入侵植物; 

期刊名称：

植物保护

基金项目：

主要入侵生物防制技术与产品

i s s n：

0529-1542

年卷期：

2021 年 004 期

页   码：

174-179,233

摘   要：

我国是遭受外来入侵生物危害最严重的国家之一。目前国内对外来入侵植物的鉴定主要依靠调查人员的经验和专家的人工识别,存在费时费力和主观性强的问题。针对上述问题,本文在Android环境下开发了一个实时便捷的外来入侵植物智能识别系统,由移动客户端APP、云服务器和基于深度学习的外来入侵植物识别模型组成。调查者可以通过手机客户端APP拍摄植物图像,上传至云服务器,识别模型会自动识别图像上的植物,识别结果和防治信息在1～2 s内反馈至用户客户端,还可以远程请求专家鉴定。该系统对35科135种入侵植物的平均识别率达到85.3%。基于Android的外来入侵植物智能识别系统实现了中国常见入侵植物信息查询、自动识别、入侵植物采集点地图显示和专家远程鉴定等功能,为野外调查人员提供了一个便捷准确的外来入侵植物自动识别和调查工具。