彭炜峰，副教授，中共党员，主持重庆市科技局自然科学基金项目 1 项、重庆市教委科学技术研究项目 4 项、重庆市教委人文社会科学研究项 目 2 项、重庆市教委教育教学改革项目 3 项、重庆市创新创业项目 3 项， 发表学术论文 10 余篇（其中中文核心论文 7 篇），授权专利 6 项（其中 发明专利 2 项）。2022 年被评为市水利局优秀党员。2018 年指导学生参 加大学生“互联网+”创新创业大赛获国赛三等奖，2021、2022 连续两年 参加重庆市高等职业教育教师教学能力比赛均获一等奖，2022 年作为主研 人员参与的教学成果获重庆市教学成果二等奖。

目录

第一章

绪论................................................................................................................................1

第一节 昆虫基础知识..........................................................................................................1

第二节 植物病害基本知识..................................................................................................7

第三节 作物病虫害综合防治............................................................................................19

第四节 农药应用技术........................................................................................................25

第二章

基于卷积神经网络的农作物病害识别..................................................................... 27

第一节 概述........................................................................................................................27

第二节 DCNN 理论与技术............................................................................................... 29

第三节 基于 LAB 双分支分类模型的农作物病害识别方法......................................... 36

第四节 基于自然场景的农作物病害识别研究............................................................... 48

第五节 农作物病害识别系统的设计................................................................................54

第三章

基于图像分析的植物及其病虫害识别..................................................................... 58

第一节 叶片图像分类特征及图像预处理....................................................................... 58

第二节 植物叶片图像常用的分割方法........................................................................... 62

第三节 最大最小判别映射植物叶片图像分类方法....................................................... 67

第四节 基于叶片图像和监督正交最大差异伸展的植物识别方法............................... 69

第五节 采用局部判别映射算法的玉米病害识别方法................................................... 72

第六节 监督正交局部保持映射的植物叶片分类方法................................................... 75

第七节 基于叶片图像处理和稀疏表示的植物识别方法............................................... 79

第八节 基于稀疏表示字典学习的植物分类方法........................................................... 81

第九节 基于判别映射分析的植物叶片分类方法........................................................... 84

第十节 环境信息在黄瓜病害识别方法中的应用........................................................... 88

第四章

基于计算机视觉的农作物病害叶片识别................................................................. 93

第一节 概述........................................................................................................................93

第二节 叶片图像预处理....................................................................................................94

第三节 基于支持向量机的农作物病害叶片识别......................................................... 105

第四节 基于 Xception 的农作物病害叶片识别.............................................................116

第五节 基于迁移学习的农作物病害叶片识别............................................................. 122

第五章

基于深度学习的农作物图像分割与病虫害识别...................................................129

第一节 概述......................................................................................................................129

第二节 基于 AA-U-Net 网络的病虫害叶片分割算法研究.......................................... 131

第三节 基于多模态融合的病虫害识别模型研究......................................................... 144

第四节 病虫害识别系统实现..........................................................................................156

第六章

基于机载多光谱图像的植被病虫害区域识别.......................................................164

第一节 概述......................................................................................................................164

第二节 数据的获取与分析..............................................................................................166

第三节 结合植被指数模型的有效监督分类方法......................................................... 177

第四节 基于并行极限学习机和 CNN 的遥感图像分类...............................................183

第五节 基于深度残差网络和双重注意力机制的分类模型......................................... 194

第七章

基于 GPRS 的土壤墒情远程监测系统.................................................................. 203

第一节 概述......................................................................................................................203

第二节 土壤墒情监测系统总体设计方案..................................................................... 206

第三节 系统硬件设计......................................................................................................214

第四节 系统软件设计......................................................................................................221

第五节 基于土壤墒情监测系统的病虫害防治............................................................. 227

第八章

基于 CBR-Ontology 的农作物病虫害防控智能决策支持系统........................... 235

第一节 概述......................................................................................................................235

第二节 基于本体的农作物病虫害知识集成................................................................. 239

第三节 基于本体的农作物病虫害案例表示................................................................. 252

第四节 基于本体的案例检索..........................................................................................261

第五节 基于 CBR-Onlogy 的病虫害防控决策支持系统..............................................271

结语............................................................................................................................................ 276

参考文献....................................................................................................................................277