基于深度学习的苹果病害识别及知识图谱构建研究与应用.pdf

摘要

苹果作为我国重要农产品之一，在农业生产和经济发展中具有重要地位，而苹果

病害的发生对苹果产业的发展和果农的收益造成了严重的威胁。因此，如何准确高效

地识别苹果病害，采取科学合理的防治措施，成为当前苹果生产过程中的重要问题。

本研究以苹果病害为研究对象，针对苹果病害图像人工识别难度高、病害知识难以被

有效利用等问题，结合深度学习、知识图谱等相关理论技术，设计并开发了一种苹果

病害的识别与防治决策系统，本文主要研究工作如下：

(1)苹果病害图像识别模型的构建研究。首先将网上收集到的苹果病害原始图像

进行分类和整理，再经过数据扩充后制作了苹果病害图像数据集。然后运用深度学习

相关理论技术，对卷积神经网络模型Efficientnet进行改进，主要改进点包括：将模型

SE模块替换为的CBAM模块；将Swish激活函数替换为Mish激活函数；将模型首

层普通卷积层替换为Ghost卷积层，以减少模型参数量，提高模型的性能和运行效率。

最后，在训练的过程中加入了迁移学习方法，进一步加快训练过程，提升对苹果病害

图像的学习能力。经过在本研究自建苹果病害图像数据集上验证，改进后的模型准确

率达到97.53%，比原模型提升了3.29%，参数量为原来的71%，有效的减少了模型

的参数量，提高了运行效率。

(2)苹果病害知识图谱的构建研究。首先进行苹果病害知识图谱的模式层构建，定

义了苹果病害的实体和关系。其次，针对深度学习模型训练数据缺乏问题，构建了苹

果病害中文数据集，再使用实体关系联合抽取模型E-GlobalPointer对从专业书籍和网

站上收集的非结构化数据进行实体关系抽取，实验表明，该模型在本研究自建的苹果

病害中文数据集上F1值达到了83.23%，相较于其他同类模型，效果优异。接着采用

实体对齐的方法进行知识融合，减少实体冗余。最后通过Neo4j图数据库将最终得到

的苹果病害三元组进行知识存储与可视化，构建苹果病害知识图谱，为苹果病害的防

治工作提供了有效的数据支持。

(3)设计并开发了苹果病害防治决策系统。使用Python程序中的PyQt5库，在上

述改进的Efficientnet模型与知识图谱两部分的基础上，利用数据库和Qt开发等相关

技术，完成了系统的开发。该系统可以帮助从业者准确高效地识别出苹果病害种类，

并根据知识图谱中的病害防治知识，进行科学合理的病害防治措施。

关键词：苹果病害；图像识别；知识图谱；Neo4j数据库；防治决策

II

目录

第一章绪论1

1.1研究背景及意义1

1.2国内外研究现状2

1.2.1农作物病害识别的国内外研究现状2

1.2.2知识图谱的国内外研究现状3

1.3研究内容与技术路线5

1.4论文组织结构7

第二章相关理论与技术8

2.1卷积神经网络概述8

2.2迁移学习理论10

2.3知识图谱相关技术理论11

2.3.1知识图谱概述11

2.3.2知识图谱构建12

2.3.3知识抽取13

2.3.4知识融合14

2.4图数据库15

2.5本章小结15

第三章基于改进EfficientNet的苹果病害识别模型构建16

3.1苹果病害图像数据集构建16

3.1.1图像收集16

3.1.2数据增强16

3.2模型设计19

3.2.1EfficientNet网络模型19

3.2.2替换为CBAM注意力机制20

3.2.3替换为Mish激活函数23

3.2.4替换为Ghost模块24

3.2.5CBAM-Ghost-Ef