科创中国

行业领域

农、林、牧、渔业

需求背景

         随着农业行业越来越被国家重视，智慧农业也被国家大力推崇，从事农业的人员，时时刻刻都有着大量的农业相关知识和技能需要通过专家来进行指导和学习，其中最重要的就是农产品的病虫害相关的知识。本项目想通过先进的计算机科学的知识，结合农业的特定领域，通过计算机的深度学习，通过深度神经网络和卷积神经网络来学习大量的现有的农业病虫害相关知识，训练出大规模的深度神经网络集群的模型，然后通过互联网的模式给广大的农业从业者给予具有一定准确度的相关知识的指导。

需解决的主要技术难题

1. 农业品种类别多，不同的品种和品类的病虫害都有比较大的差别，并且相关的病例图片较少，难以训练出较高准确度的模型

2. 和农业病虫害相关的深度学习神经网络模型例子较少，需要深刻理解模型的工作原理，以及对现有模型进行改进来适合特定的领域

3. 互联网企业对于农业相关专业领域的行业知识较少，可以提供的专业意见和评判意见存在较大的限制

4. 通过计算机视觉的相关方法，在复杂的图片环境中对特定农产品以及农产品的所属病害的特征进行图像分割和图像提取。

期望实现的主要技术目标

1. 深度学习（英语：Deep Learning）是机器学习的分支，是一种以人工神经网络为架构，对资料进行表征学习的算法。深度学习是机器学习中一种基于对数据进行表征学习的算法。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

2. 卷积神经网络（英语：Convolutional Neural Network）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，卷积神经网络由一个或多个卷积层和顶端的全连通层组成，同时也包括关联权重和池化层。这一结构使得卷积神经网络能够利用输入数据的二维结构。与其他深度学习结构相比，卷积神经网络在图像方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他深度、前馈神经网络，卷积神经网络需要考量的参数更少，使之成为一种颇具吸引力的深度学习结构。

3. 强化学习（英语：Reinforcement Learning，简称RL）是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。强化学习是除了监督学习和非监督学习之外的第三种基本的机器学习方法。与监督学习不同的是，强化学习不需要带标签的输入输出对，同时也无需对非最优解的精确地纠正。其关注点在于寻找探索（对未知领域的）和利用（对已有知识的）的平衡。

4. 计算机视觉：（英语： Computer Vision）是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像

处理进度