"農業是一個復雜的生命繫統，具有典型的生態區域性和生理過程復雜性。信息技術是推動社會經濟變革的重要力量，加速農業信息化發展是世界各國的共同選擇。我國是個農業大國，對農業信息化技術與科學有著巨大需求。目前，大部分農業設備或者終端隻能采集農作物圖像，缺乏加工提取功能，不能提取到能指導農業生產管理的有用信息，並對農業物聯網終端的圖像信息實現自動分析識別處理，同時做出智能響應，這已經成為破解困於設備“視而不見”困局的首要任務。長勢圖像直觀地、形像地表達了作物生長、發育、健康狀況、受害程度、病因等方方面面等

●第1章病蟲害智能診斷和農業智能繫統概述
1.1深度學習在作物圖像處理及病害識別領域的應用背景
1.1.1圖像信息成為農業物聯網大數據的“主力軍”
1.1.2破解“視而不見”困局的關鍵在於圖像信息的機器識別
1.1.3作物病害圖像識別是發展精準、高效、綠色農業的基石
1.1.4深度機器學習有機融入是智慧農業的必由之路
1.2病蟲害智能診斷的研究目標及內容
1.2.1研究目標
1.2.2研究內容
1.3國內外智能診斷的研究現狀和發展趨勢
1.3.1圖像技術在病害識別診斷上的應用
1.3.2機器學習的圖像降維和特征提取研究
1.3.3農業專家繫統和病害診斷技術研究
1.3.4深度方法在圖像等非結構化數據識別領域的研究
1.4專家繫統概述及其發展概況
1.5專家繫統的開發方式
1.6農業信息化技術和農業專家繫統
1.6.1農業信息化技術
1.6.2農業專家繫統
1.7農業專家繫統開發工具的研究
1.8多媒體農業智能應用繫統
1.8.1多媒體農業智能應用繫統
1.8.2多媒體農業智能應用繫統平臺
1.9主要工作及本書結構
第2章CT圖像特征的支持向量網絡籽種品質評價
2.1支持向量網絡和籽種品質智能評價
2.2SVN的理論基礎
2.2.1優化問題的基本概念
2.2.2優化問題的很優解條件
2.2.3博弈問題和對偶理論
2.2.4Wolfe對偶（烏爾夫對偶）方法
2.3線性SVN和基於核的SVN
2.3.1規範超平面和SVN的形式化問題
2.3.2SVN的形式化求解
2.3.3基於核的支持向量網絡和VC維
2.4懲罰校正SVN
2.4.1問題描述
2.4.2懲罰支持向量機
2.4.3均勻懲罰SVC的學習錯誤率分析
2.4.4懲罰因子校正
2.5籽種CT特征SVN分析實驗及討論
2.5.1實驗過程
2.5.2籽種影像特征提取
2.5.3結果分析、對比及討論
2.6本章小結
第3章病害圖像預處理及其病變識別
3.1蘋果病害圖像采集及識別
3.1.1蘋果病害及其病變圖像特征
3.1.2基於圖像的病害識別
3.2病害圖像的預處理
3.2.1圖像整形和采集方位多樣性仿真
3.2.2圖像采集亮度多樣性和多樣性組合
3.2.3圖像灰值化和稀疏化
3.3病變圖像特征提取及方法
3.3.1數據相關性分析降維的特征提取
3.3.2半監督學習的降維特征提取
3.3.3監督深度學習提取特征和卷積網絡
3.4卷積運算和深度卷積神經網絡
3.4.1像卷積運算
3.4.2卷積的局部、全局連接
3.4.3LeNet卷積神經網絡及其特征圖多對多組合
3.5本章小結
第4章主成分圖像降維的病變模式識別
4.1圖像特征提取和PCA方法
4.2PCA方法
4.2.1PCA降維的基本過程
4.2.2均值和協方差
4.2.3本征值和本征向量
4.2.4數據集的PCA分析和重構
4.3基於距離的重構數據誤差分析
4.3.1PCA降維
4.3.2溢界丟棄PCA方法和病變圖像降維
4.4實驗結果與分析
4.4.1重構性能分析
4.4.2識別性能分析
4.5本章小結
第5章玻爾茲曼機圖像降維的病害識別
5.1玻爾茲曼機
5.1.1麥克斯韋玻爾茲曼分布
5.1.2玻爾茲曼機機器學習模型
5.1.3玻爾茲曼機模型的能量函數
5.2理想玻爾茲曼機學習和自動編碼
5.2.1模型節點激活的條件概率
5.2.2樣本的概率分布
5.2.3理想梯度上升的玻爾茲曼機學習
5.2.4RBM自動編碼網絡
5.3玻爾茲曼機對比散度學習和隨機反饋學習
5.3.1樸素對比發散方法學習方法
5.3.2基於反饋的隨機對比散度方法
5.4模型評價和實驗分析
5.4.1基於分批的學習和機器模型評價
5.4.2玻爾茲曼機的病變圖像降維實驗及分析
5.4.3基於識別性能分析
5.5本章小結
第6章基於深度卷積網絡的病變圖像識別
6.1卷積神經網絡
6.1.1網絡結構和參數
6.1.2網絡功能流程
6.1.3網絡BP梯度偏差傳遞算法
6.2彈性動量學習
6.2.1算子學習和參數學習
6.2.2彈性動量的權值更新方法
6.3識別網絡的實現
6.3.1全局參數
6.3.2卷積層參數
6.3.3采樣層參數
6.3.4網絡的初始化
6.3.5網絡輸入的前饋
6.3.6網絡誤差的後傳
6.3.7網絡的梯度下降和動量學習
6.4基準數據上的實驗分析及討論
6.4.1MNISTZipDigit字符數據實驗及結果
6.4.2基於ORLFace數據集的人臉識別
6.5病害圖像識別實驗
6.5.1混淆矩陣和召回率
6.5.2識別性能對比
6.5.3不同網絡的性能收斂
6.5.4不同數據集合的識別精度收斂
6.5.5不同動量方法的誤差函數收斂性
6.6本章小結
第7章農業智能應用繫統平臺的繫統設計
7.1應用繫統平臺的研發背景
7.1.1目標繫統描述及要求
7.1.2農業智能應用繫統的初步繫統分析
7.2農業智能應用繫統業務用例建模
7.2.1用戶角色
7.2.2業務對像實體
7.2.3業務用例角色
7.2.4農業智能應用繫統平臺的體繫結構
7.3繫統平臺的組件構成模型
7.3.1農業智能應用繫統平臺
7.3.2農業智能應用繫統開發平臺
7.3.3農業智能應用繫統運行平臺
7.3.4農業智能應用繫統
7.4農業智能應用繫統平臺的繫統設計
7.4.1及邏輯分塊
7.4.2子繫統和
7.4.3文件目錄結構設計
7.4.4開發平臺繫統數據庫設計
7.4.5安全機制設計
7.5本章小結
第8章農業領域的知識表示與知識管理
8.1知識和專家繫統
8.1.1專家繫統基本結構
8.1.2知識表示技術
8.1.3推理策略
8.1.4知識獲取
8.2農業領域的知識表示
8.2.1農業知識規則模式
8.2.2領域知識表示模式
8.2.3農業領域知識庫的數據庫設計
8.3農業領域知識管理平臺的功能需求分析
8.3.1知識庫管理的基本功能
8.3.2知識管理
8.3.3提問式推理
8.4農業知識管理平臺的設計與實現
8.4.1類和包設計與實現
8.4.2界面設計與實現
8.4.3第三方組件的應用
8.5本章小結
第9章農情數據庫
9.1概述
9.1.1農業基礎數據
9.1.2農業智能應用繫統與農情數據庫
9.1.3農情數據庫管理的基本問題
9.2農情數據庫管理平臺的設計
9.2.1農情數據庫管理
9.2.2農情庫表結構管理
9.2.3農情數據管理
9.2.4農情數據查詢
9.2.5配置到應用繫統
9.3本章小結
第10章農業電子圖書
10.1電子圖書概述
10.1.1廣受歡迎的電子圖書
10.1.2農業電子圖書與農業智能應用繫統
10.1.3農業智能應用繫統平臺中的農業電子圖書平臺
10.2農業電子圖書平臺的設計與實現
10.2.1農業電子圖書制作
10.2.2農業電子圖書管理
10.2.3農業電子圖書配置到農業智能應用繫統
10.3本章小結
第11章農業智能應用繫統管理及平臺的繫統管理
11.1農業智能應用繫統管理
11.1.1生成農業智能應用繫統
11.1.2農業智能應用繫統運行平臺
11.1.3發行應用繫統
11.1.4軟件注冊序列號管理
11.2平臺的繫統管理
11.2.1繫統日志管理
11.2.2繫統資源管理
11.2.3界面主題管理
11.2.4用戶角色管理
11.3本章小結
附錄A結論和展望
附錄B致謝
參考文獻

本書運用深度學習方法研究了農作物病蟲宵智能診斷及其應用與實踐。首先，分別圍繞CT圖像籽種品質評價定級的人工智能方法、病變圖像模式數值分析降維方法、半監督深度學習降維、病害圖像模式監督深度學習降維等方法展開深入研究；拓展深度學習的理論和應用範疇，構造基於深度學習的農業信息智能分析處理的數據結構和算法；其次，從軟件工程視角，詳細地闡述了"農業智能應用繫統平臺"的設計和實現方法，特別是農業領域知識表示、電子圖書、農情數據庫等子繫統的設計及其技術解決方案。本書緊扣深度學習的農作物病害圖像識別和繫統診斷主題，提供了大量農作物病害圖像實例集，實用性較強，可作為智能科學與技術、農業信息化、農業工程及其他其他相關專業的高年級本科生和研究生教材，也可作為農業工程技術人員研究、開發農業智能應用繫統和智慧農業App的參考用書。

譚文學 等 著