【技术实现步骤摘要】
本专利技术涉及软件系统开发的研究领域，尤其是融合深度学习预测模型的系统设计。
技术介绍
1、基于目前中草药产生的病害仍停留在人工观察识别阶段，多出现识别不准，乱用农药等问题，病情初始阶段症状不明显，人工很难诊断出结果，即使诊断出结果，也无法保证准确率等缺陷。
2、近年来，越来越多的研究人员把网络技术与农业领域相结合，把目光投向为农业管理人员减轻劳动力并提高农作物产量和质量。纵观近些年的病虫害研究，大多研究人员更多研究如何提高病虫害的识别效果，并未将这种科学识别效果让农业管理人员应用。
3、因此，本专利技术设计了一个中草药病害识别系统，供中草药管理人员投入使用，科学识别中草药病害种类，监测中草药生长环境，设置中草药适宜生长环境，方便管理人员随时查看，预防中草药病害的产生，提高中草药产量和质量，推动中医药产业的发展，为智慧农业贡献力量。
4、系统开发方法主要使用前端vue和element-ui技术架构，后端使用springboot和mybatis框架，数据库使用mysql，深度学习预测模型使用yolov5改进模型。
5、深度学习yolov5原模型的识别率精度不高，将对yolov5模型进行改进，使模型识别率提高，达到更好的识别效果。
技术实现思路
1、本专利技术的目的在于设计开发一个中草药病害识别系统并提高病害识别效率，证明改进深度学习模型具有更高的识别效果和识别准确率。
2、本专利技术采用的技术方案是：
3、步骤1
4、步骤2：使用所选程序设计语言搭建系统整体框架，实现系统基础功能，主要包括人员的登录注册、人员信息的管理、角色管理、权限管理、病虫害信息库等功能，完成系统基础框架；
5、步骤3：将深度学习预测模型与系统相连接，编写系统中草药病害识别界面；
6、步骤4：中草药病害识别页面与深度学习预测模型相互融合，达到病害识别效果；
7、步骤5：对中草药生长环境进行监测，设置适宜中草药生长环境范围，将超过或低于范围值内的环境数据视为不利于中草药生长。
8、2.根据权利要求1所述的中草药病害识别系统使用技术方法，其特征在于：深度学习预测模型与软件开发技术相融合，其中所述步骤4中识别效果的评价标准主要是由平均准确率ap表示为：。其中，代表第n次训练后的准确率，ap值越大，其模型平均准确率越高。
9、3.根据权利要求1所述的中草药病害识别系统使用技术方法，其特征在于：所述步骤5的监测中草药生长环境，掌握中草药生长全过程。
10、本专利技术的优点和积极效果是：
11、中草药病害识别预警系统是把软件开发技术与农业领域相结合，提供给农业管理人员一套便于维护管理，规范种植，高精度识别中草药病害种类，能监测中草药生长环境信息，并能对不利于中草药生长的环境信息采取预防措施，便于管理人员随时查看环境信息和预防病害产生。该系统的设计专利技术能加快推动中国农业大国向农业强国的迈进，同时推动中医药产业的发展。
12、国内外研究者对病虫害识别
研究颇多，但并未形成一个完整且面向大众使用的病虫害识别系统，因此，本系统的设计加入深度学习预测模型，并将其改进，提高识别准确率，达到更高的识别效果。
【技术保护点】
1.基于vue和Springboot的中草药病害识别系统，其特征在于：包括如下步骤：
2.根据权利要求1所述的中草药病害识别系统使用技术方法，其特征在于：深度学习预测模型与软件开发技术相融合，其中所述步骤4中识别效果的评价标准主要是由平均准确率AP表示为：。其中，代表第n次训练后的准确率，AP值越大，其模型平均准确率越高。
3.根据权利要求1所述的中草药病害识别系统使用技术方法，其特征在于：所述步骤5的监测中草药生长环境，掌握中草药生长全过程。
【技术特征摘要】
1.基于vue和springboot的中草药病害识别系统，其特征在于：包括如下步骤：
2.根据权利要求1所述的中草药病害识别系统使用技术方法，其特征在于：深度学习预测模型与软件开发技术相融合，其中所述步骤4中识别效果的评价标...
【专利技术属性】
技术研发人员：杨磊，周晓睿，宋欣，张坤辑，欧阳凯，
申请(专利权)人：天津农学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。