基于图像识别的可视化病虫害识别设备的制作方法

技术特征：
1.基于图像识别的可视化病虫害识别设备，包括底板(1)，其特征在于，所述底板(1)的上端中心处通过转轴转动连接有旋转板(2)，所述旋转板(2)的上端固定连接有立杆(3)，所述立杆(3)的上端固定安装有数据采集器(4)，所述立杆(3)的杆壁通过螺栓固定卡套有套环(5)，所述套环(5)的侧壁固定连接有固定杆(6)，所述固定杆(6)远离套环(5)的一端固定卡接有调节杆(7)，所述调节杆(7)远离固定杆(6)的一端固定卡接有连接杆(8)，所述连接杆(8)的一端固定连接有固定筒(9)，所述固定筒(9)内通过螺栓固定安装有红外识别器(10)；所述连接杆(8)和调节杆(7)的右端均固定连接有定位螺柱(11)，所述调节杆(7)和固定杆(6)的左端开设有与定位螺柱(11)匹配连接的定位螺槽(12)，所述固定杆(6)和调节杆(7)的左端外壁均固定套接有连接筒(13)，所述连接杆(8)和调节杆(7)的右端外壁固定套接有与连接筒(13)抵挡接触的限位环板(14)，所述限位环板(14)的表面均匀插设有多个限位插杆(15)，所述连接筒(13)的一端开设有与限位插杆(15)对应插接的限位插槽(16)，多根所述限位插杆(15)的一端固定连接有同一个拉板(17)，所述拉板(17)和限位环板(14)相向一侧固定连接有多个限位弹簧(18)。2.根据权利要求1所述的基于图像识别的可视化病虫害识别设备，其特征在于，所述旋转板(2)和底板(1)的表面对称开设有多个定位螺孔且通过定位螺栓固定连接。3.根据权利要求1所述的基于图像识别的可视化病虫害识别设备，其特征在于，所述红外识别器(10)通过导线与数据采集器(4)电性连接。4.根据权利要求1所述的基于图像识别的可视化病虫害识别设备，其特征在于，所述立杆(3)和套环(5)为对应的矩形结构。5.根据权利要求1所述的基于图像识别的可视化病虫害识别设备，其特征在于，所述固定筒(9)的内壁固定连接有一层防滑耐磨橡胶垫。6.根据权利要求1所述的基于图像识别的可视化病虫害识别设备，其特征在于，所述数据采集器(4)具有以下方法步骤：s1.首先在相关网站及数据库搜集大量植物病虫害的图像样本，s2.在样本准备完毕后，对图像进行预处理，通过图像降噪、直方图均衡化、灰度变化等模糊图像细节、保留了原本植物的轮廓与形状信息，s3.对图像数据进行归一化得到正则样本，卷积神经网络能够面向具有多通道的图像数据，很好的提取正则数据特征，进行多次迭代训练，根据训练样本输出结果不断调整网络内各神经元节点的权值与偏移，最终获得训练有素的识别网络。7.根据权利要求6所述的基于图像识别的可视化病虫害识别设备，其特征在于，所述卷积神经网络包括三部分，第一部分和最后一部分分别是输入、输出层，所述中间部分为隐含层，所述隐含层与传统神经网络有些不同，由卷积层，全连接层和池化层组成，其中卷积层和池化层是不同于深度神经网络的一种结构层。卷积层可以从输入的高维的数据中提取要素并以特征图的方式进行反馈，它包含多个卷积内核，能够以固定步长提取数据集的空间特征，并通过一个非线性激活函数表达特征，池化层夹在连续的卷积层中间，它的主要作用是将特征图中特征点的结果替换为邻近区域的特征统计信息，能够在保留输入数据特征的同时适当压缩特征图。8.根据权利要求6所述的基于图像识别的可视化病虫害识别设备，其特征在于，所述卷
积神经网络的输入层可以处理多维数据，能够很好的契合无线网络中复杂的信道增益矩阵，并且卷积神经网络是数据驱动的，只需要充足的样本就可以很好的学习复杂系统的输入输出关系，当卷积神经网络得到训练后，将其固化入智能设备即可发挥作用，当设备通过摄像头或直接传入数据获得植物局部病害图像后，网络前端对图像进行处理得到可被卷积神经网络接纳的数据，随后输入网络中，经过各个节点简单快速的计算即可在ms级时间精度上快速作出分类，识别出当前植物所属的病虫害类别，并触发后台二级响应。

技术总结
本发明涉及病虫害识别技术领域，且公开了基于图像识别的可视化病虫害识别设备，包括底板，所述底板的上端中心处通过转轴转动连接有旋转板，所述旋转板的上端固定连接有立杆，所述立杆的上端固定安装有数据采集器，所述立杆的杆壁通过螺栓固定卡套有套环，所述套环的侧壁固定连接有固定杆，所述固定杆远离套环的一端固定卡接有调节杆，所述调节杆远离固定杆的一端固定卡接有连接杆，所述连接杆的一端固定连接有固定筒，所述固定筒内通过螺栓固定安装有红外识别器。本发明能够便于对装置的快速调节，且能够实现对红外识别器的快速固定安装，结构稳固性好。结构稳固性好。结构稳固性好。


技术研发人员：张睿智 刘鑫 崔俊凯 陈杰杰
受保护的技术使用者：南京信大卫星应用研究院有限公司
技术研发日：2021.07.20
技术公布日：2021/11/9