书目详细信息
： 基于深度学习的云南大叶种茶树产量预测模型的建立及关键技术研究
书目信息 机读格式(MARC)
| ISBN/价格： | CNY20.00 (估\呈缴)学位论文 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 530000 |
| 题名责任者项： | 基于深度学习的云南大叶种茶树产量预测模型的建立及关键技术研究/.杨贺凯著/.王白娟指导 |
| 出版发行项： | 2023.5.23 |
| 载体形态项： | 100页:;+图表:;+30cm |
| 一般附注： | 机电工程学院, 学号2020210043 |
| 提要文摘： | 茶产业是云南省农业的重要组成部分，也对经济增长、农村经济发展、农民增收等方面都具有重要的作用，而云南大叶种茶树又是云南茶树的良种，在云南茶树里占据主要地位。对其茶树产量的预测不仅可以为解决目前茶产量无法精确预测的问题打下基础，还可通过其产量预测为茶树的病虫害预警提供依据等，对云南茶产业发展有着至关重要的意义。但查找国内外的文献可以发现，目前对茶树产量预测的研究几乎没有，为此本研究参考大量其他单颗植物产量预测的研究，提出适用于云南大叶种茶树产量预测的两种研究方法，即搭建基于深度学习的图像预测网络和参量预测网络来对云南大叶种茶树产量进行预测，通过对比分析最后找出其中最适合作为云南大叶种茶树产量预测的神经网络模型。本次研究以一芽两叶鲜重为产量，利用深度学习算法对云南大叶种茶树产量预测的模型建立和关键技术进行研究。主要研究的内容和结论如下： （1）采集图像和参量数据，运用相机按照规定完成对1050棵云南大叶种茶树进行拍照，对1050棵茶树进行测量，运用精密电子秤称量每颗茶树产量。将产量分成等级打入图像中生成标签文件，完成图像预测模型的VOC数据集制作，将采集的11种参量数据按照特征输入xlsx表格中，完成参量数据集的制作，为下文建模做准备。 （2）针对云南大叶种茶树图像的特点，查找大量资料后，理论上选择Yolov5神经网络进行图像预测，因为Yolov5对单目标的检测效果和检测速度都是比较优秀的。但是其模型较大、要求算力较高、适用性不强，针对这些问题进行关键技术研究，提出了改进的Yolov5神经网络，对其Focus层、特征提取层、Neck层进行轻量化改进，得到改进后的Yolov5神经网络。最后搭建Faster-RCNN和SSD神经网络与上述两个神经网络进行对比，验证其准确性，增加实验的严谨性。最后建模得出改进后的Yolov5模型mAP为88%，优于Faster-RCNN和SSD的84%和83%，其模型大小为90.1MB，相比于原模型的334MB减少了约73%。综上所述，改进型的Yolov5算法在保证准确率几乎不变的情况下模型更加轻量化，所需算力大幅度降低，增加了适用性，完成了图像预测产量模型的建立和针对Yolov5原网络的问题进行的关键技术研究。但是其模型只能对茶树产量进行大致分类预测，可以适用于粗略的产量预测分级，要想精确预测产量需要建立参量预测模型。 （3）根据上文所做的参量数据集，对参量进行相关性分析，利用皮尔森、肯德尔、斯皮尔曼相关性分析法进行分析，选择相关性较强的8个参量进行回归模型建立。针对云南大叶种茶树产量参数预测的多输入单输出的特点，理论上选择DBN神经网络模型，该模型对于小样本的多变量预测模型效果比较好，但是由于模型的RBM层神经元数量和该层的学习率为人为设定，一定程度上影响其准确性，针对这个问题进行关键技术研究，提出了用HPO算法优化的DBN网络，用HPO的寻优思路替代人工设定。最后搭建BILSTM神经网络模型与上述两个模型进行对比，验证其准确性，增加实验的严谨性。带入数据得到HPO-DBN模型平均准确率和R2为98.53%和0.9857优于DBN原模型的95.88%，0.9801和BILSTM 的92.76%，0.9005，完成了参量预测产量模型的建立和针对DBN网络问题进行的关键技术研究。最后选定最优的HPO-DBN网络进行全参量和选参量的建模对比，全参量模型准确率为98.45%，略低于选参量模型，进一步验证了相关性分析选择参量的准确性。 （4）将上文的所有模型进行对比分析，对云南大叶种茶树产量预测模型的建立和关键技术进行总结，即对于云南大叶种茶树的产量预测研究中，改进型Yolov5的图像识别预测网络，虽然输入图片预测产量的效果较为方便快捷，适用性强，mAP为88%，但是由于预测的产量只能进行大致分类，达不到茶树产量的精准预测，可以用于一些准确度要求不高的茶产量粗略预测分析。而HPO-DBN参量预测网络，其准确率98.53%相对较高，并能相对准确的预测出茶树产量的精确数值，符合作为云南大叶种茶树产量预测的神经网络模型，最后撰写实验结论完成本次研究。 |
| 并列题名： | Establishment of a Deep Learning-based Prediction Model for Yunnan Large Leaf Tea Tree Yield and Key Technology Research |
| 题名主题： | 云南大叶种茶树产量预测 改进型Yolov5网络 HPO优化DBN网络 相关性分析 深度学习算法 学位论文 |
| 中图分类： | TP391.4-533 |
| 个人名称等同： | 杨贺凯 著 |
| 个人名称次要： | 王白娟 指导 |
| 团体名称等同： | 云南农业大学 授予 |
| 记录来源： | CN YNAUL 20240301 |