【《经济作物健康状况评估系统的设计案例》5600字】

经济作物健康状况评估系统的设计案例目录TOC\o"1-3"\h\u7922经济作物健康状况评估系统的设计案例 1177911.1系统开发环境 1114801.2系统框架与功能模块设计 2314221.2.1软件功能需求分析 216481.2.2系统框架设计 3162841.2.3功能模块设计 425601.3系统测试与运行 7268921.3.1系统功能测试 7290341.3.2系统性能测试 818541.3.3系统运行结果 8为了使本文上述的研究内容具有良好的实际应用能力，本文在整合上述的研究方法的基础上，结合现代计算机技术和移动互联网的发展状态，为智能移动设备开发了一套完整的经济作物健康状况评估系统。在该系统中，用户可以通过随时随地上传所拍摄的作物叶部病害图像，并获取相对应的病害信息和治疗方法建议，提高用户在农业生产中的智能化水平。1.1系统开发环境在做系统的开发工作之前，首先要确定的就是系统的开发环境，这其中包括了硬件环境和软件环境。由于本系统需要面向的尽可能多的智能移动设备，且在开发过程中涉及到了众多功能模块开发，因此所采用的软件开发环境和编程语言有些许不同。但总的来说，本系统的开发环境需要满足表1.1及表1.2的要求。表1.1系统硬件环境要求信息说明参数要求中央处理器Intel(R)Core(TM)i5-8250UCPU@1.6GHz1.8GHz及以上内存8GB及以上硬盘500GB及以上显示器分辨率1080720及以上网络环境具备以太兼容网卡，需支持TCP/IP协议表1.2系统软件环境要求信息说明参数要求操作系统Windows7及以上版本的Windows64位操作系统数据库版本MicrosoftSQLServer2012程序编译环境MyEclipse2015、VisualStudio2019、PyCharm2019编程语言支持java、C++、Python、OpenCV、SQL、HTML1.2系统框架与功能模块设计针对经济作物健康状况评估系统目标用户的覆盖特点与对该系统的功能模块具体要求，本文所设计的经济作物健康状况评估系统可以移植至多种智能移动设备中，方便用户通过所上传的具体作物叶部病害图像获得该作物可能所患有的病害信息，提高作物种植效率。1.2.1软件功能需求分析在当前时代下，常见的经济作物病害检测方法主要还是依靠人工检查来发现，这种依靠人眼观察的方法通常会导致病害检测效率低下，且可靠性较为不稳定。而且由于负责作物生产的工作人员大部分都缺乏相应的专业知识，而农业生产专家往往无法及时对患病地区进行诊断，从而导致种植人员错过最佳治疗阶段。随着计算机技术的进步与移动互联网的普及，越来越多的种植人员希望通过自己手中的智能移动设备来进行作物病害的诊断。因此本文所开发的经济作物健康状况评估系统可以很好的满足多数种植人员的需求，顺应了时代发展。本文的目标是设计一款可以在大多数智能移动设备上所运行的经济作物健康状况评估系统，该系统除了应包括基本数字图像的获取和处理结果的突出显示外，还应有工作首页以显示当前用户的状态和必要信息的推送以及数据管理以满足用户对过往诊断数据的回顾需求。因此，结合本课题的研究内容和实际应用程序的要求，本文对经济作物健康状况评估系统软件提出以下功能需求：（1）数字图像的获取与上传首先在用户使用图像进行评估之前，系统软件应能在较快速度下成功调用智能移动设备的摄像头，使用户可以根据现场拍摄的角度和距离，拍摄作物叶部图像上传至系统。除此之外，系统还应使用户可以通过访问智能移动设备的本地相册，等待用户选择好作物叶部病害图像并确认后，将其上传至服务器中；（2）作物叶部病害识别在用户成功上传作物叶部病害图像至服务器中后，系统应能够根据用户所上传的图像，对该图像进行必要的前期处理工作，例如判断该图像的亮度信息是否在可使用范围以及对图像进行背景分割处理等，之后通过调用识别模型对处理后的图像进行计算，并得出识别结果；（3）重要信息展示除了向用户展示系统对用户上传图像的处理结果和种植指导建议外，为了提升用户使用体验，系统还应包括工作首页和数据管理等界面，方便用户进行个人信息的管理。除了上述的功能需求外，对系统的性能而言也要大致满足以下几点需求：（1）可靠性需求用户在使用经济作物健康状况评估系统时，该系统要在应对不同的作物品种和各个品种的种植环境，以及用户使用习惯所导致的不同拍照角度和距离等情况下，应用较为优秀的识别准确率；（2）实时性需求在具备较高的识别准确度的前提下，同时在网络状况良好的环境中，系统应该尽量缩短对每张图像的计算时长，以减少用户的等待时间，提升用户的使用体验。1.2.2系统框架设计在智能移动设备上部署应用程序，其主要的开发模式包括了原生状态开发和基于网站形式的应用程序开发。其中原生状态开发作为如今主流应用的主要开发模式，它的结构包含了数据服务端和应用客户端两个部分。由原生状态所开发出来的应用程序，其因为将应用所有的界面元素、恒定数据内容与逻辑框架均安装在本身的应用程序中，而具有良好的稳定性且在无网络连接的状态下也可以打开应用程式并显示正常用户交互界面。但也是上述原因，导致了原生状态开发模式具有不易移植性、高开发成本和后续维护与升级复杂等缺点。与原生状态的开发模式不同，基于网站形式的应用程序开发模式所开发出的客户端只包含了基础应用框架部分，而关于应用程序运行的所有界面元素、数据内容等内容均需要从云端读取数据。因此，基于网站形式的应用程序开发模式具有跨平台、开发周期短和易于安装和维护等诸多优点，但也由于由基于网站形式所开发出的应用程序在智能移动设备本地并没有存储相关数据，因此在网络连接不太顺畅的时候，会出现无法打开应用程序的状况，致使其调用和推送信息能力弱于前种开发模式。考虑到在降低开发与适配的工作量的同时，尽可能多的适配不同的智能移动设备的实际应用开发需求，本文采用了基于网站形式的应用开发模式。在该模式下，使得应用程序的开发与传统网站的开发大致相似，因此在本文中，也采用了在网站开发中常见的B（浏览器）/S（服务器）架构。本文所设计的常见经济作物健康评估系统的核心功能实现部分将被集中至云端服务器硬件中，其主要功能逻辑事务也在服务器端实现，如作物图像的处理等。相反经济作物健康评估系统的客户端只承担了浏览功能，因此无需做任何维护，从而有效提升了系统的开发效率。图1.1展示了本文所开发的经济作物健康状况评估系统的主要框架图，由该图可以看出，用户端和服务端作为两个相对独立的部分，通过互联网通信接口和数据缓存区域来进行必要的信息通信。同时由图1.1可知，在用户通过用户端选择并上传图像后，该图像数据和与其匹配的作物名称被传送至服务端的数据缓存区域，之后经过必要的图像处理和计算后，将评估结果与建议重新返回至用户端进行显示。为了满足用户对数据管理的需要，在系统的框架中本文还设置了与数据库的通信方式，如图1.1所示，数据在通过服务端的数据缓存区时，会由数据控制模块来将数据写入至数据库中保存。同样在用户通过用户端的数据管理模块调用和修改需要的数据时，控制模块也可对数据库进行必要的读取与修改。图1.1系统框架示意图在B/S的开发框架下，服务器端的架构就显得尤为重要，本文采用了网站开发中常用的SSH2开发框架作为服务器开发的架构。该开发框架通过将Struts2、Spring和Hibernate框架进行整理合并，实现了架构中网络层与数据层的高效通信，并使用轻量级封装简化了框架中的数据持久层代码，提升了开发效率，具有良好的扩展性和可靠性。1.2.3功能模块设计根据上几章节中的对软件功能需求分析，在系统总体结构框架下，本文对经济作物健康状况评估系统的功能模块分为工作首页模块、健康评估模块和数据管理模块三大部分，其结构图如图1.2所示。（1）工作首页模块工作首页模块作为用户进入应用程序后默认的展示界面，其包括了用户的个人信息，如头像、名字、单位以及最近一次的登录时间等。在初次登陆时，用户还可以在此界面申请账号等基本信息，在申请账号并被系统后台管理进行审核后，用户方可使用新的账号登陆系统。另外，对于一些系统所推送的重要信息，用户也可以在此界面进行查看。图1.2系统功能模块设计图（2）健康评估模块健康评估模块是本文系统的核心模块部分，其功能包括了集成本文所提的作物病害识别方法，并提供相应的结果展示与给予种植指导建议。该模块的具体功能包括图像数据采集、作物种类选择、图像处理、调用模型进行预测和结果展示五个部分。在图像数据采集中，用户可以通过现场拍照的形式上传图像，也可以通过访问设备中的本地相册进行图像选择。由于本文根据不同作物类型训练了多种识别模型，因此在选择完图像后，用户还需要告知系统其需要对何种作物进行健康评估。在该功能下，本文为用户提供了苹果、玉米、葡萄、番茄和烟草这五种常见经济作物选项。在选择好图像数据和作物种类信息并上传至服务端后，健康评估模块便可通过调用后端功能程序完成识别评估操作，模块的图像处理及模型预测的具体工作流程如图1.3所示。从图1.3中可以看出，服务器在读取到上传作物图像后，会先对该图像进行必要的降噪和锐化处理以提升图像整体的质量。之后为了保证用户所上传的图像的亮度信息符合常规标准，系统会对该图像的亮度信息进行判断。如若该图像为低光照环境下拍摄的图像，系统便会调用MSRCP算法对图像进行亮度增强，以使作物叶部病害图像的整体亮度得到提升的同时，其图像本身所包含的作物叶部病害重要图像特征信息不会丢失。图1.3健康评估模块工作流程图在根据实际情况调整完图像的亮度信息后，由图1.3可以看出，模块会调用本文所提的AISA自动分割算法来对用户所上传的野外环境作物叶部病害图像进行分割。经过这一步后，作物叶部病害的复杂背景信息会被很好剔除，有效提升了后续卷积神经网络模型的识别精确度。经过处理后的图像会由与之匹配的卷积神经网络模型进行评估计算，在得出计算结果后，系统会将患有该病害的概率超过5%的结果挑选出来。随后系统会根据这些评估结果，匹配与之对应的种植指导意见，在附随相应信息链接后返送至用户端的界面中已于显示，并将相应的信息保存至数据库中。（3）数据管理模块数据管理模块作为用户对系统进行管理的重要接入口，其主要包括了查看历史数据和修改历史数据两个部分的功能。通过该模块，用户可以在相应界面中查看到根据作物健康状况评估时间排序的历史评估记录，并可以根据相应需求针对某一条记录进行修改，或者在某一条记录中重新选择图像进行上传评估。1.3系统测试与运行在系统开发完毕后，为了评估该系统的有效性与稳定性，需要对系统中的各项功能进行必要的测试。针对本文所开发的经济作物健康状况评估系统，该测试包括了诸如图像的采集上传、计算评估以及结果输出等系统重要功能。除了对系统的稳定性和有效性进行测试评估外，还要对该系统的性能进行测验，包括该系统每种作物的分类识别准确度等，并对结果进行相应的分析。1.3.1系统功能测试为保证本文所开发的经济作物健康状况评估系统的稳定性和有效性以及功能完整性，本节对该系统的核心功能进行了必要测试，例如图像的拍摄与上传、健康状况评估结果的展示等，该系统的具体功能测试情况如表1.3所示。表1.3系统功能测试结果信息测试功能基本要求测试情况是否通过图像采集能够调用设备摄像装置，并上传拍摄的作物图像图像拍摄及上传功能正常是图像上传能够打开设备本地相册，并可选择作物图像上传图像选择及上传功能正常是信息选择能够选择作物品种信息下拉框选择待评估作物的品种信息正常是图像评估能够对图像中所包含的作物是否患有病害进行评估系统输出该作物可能患有的病害和其概率值，以及种植指导建议正常是信息接收用户端能够接收来自服务端的重要信息推送接收信息推送功能正常是数据管理能够对评估记录进行相应的查询及修改或者删除系统查询及修改或者删除评估记录正常是由表1.3可以看到，系统功能的测试内容具体包括了图像采集与上传、信息选择、图像评估、信息接收以及数据管理等功能是否达到系统的要求。由表1.3的测试结果可以看出，该系统的核心功能模块均工作正常。1.3.2系统性能测试为了模拟用户在实际使用情况下本文所开发的系统的性能表现，本节使用了全程未参与模型训练与验证的测试集作为测试样本图像，来评估模型在不同环境输入图像下的分类正确率性能表现，具体的测试结果如表1.4所示。表1.4系统性能测试结果信息作物种类识别病害种数基本要求识别正确率是否通过苹果4识别正确率不得低于0.800.84是玉米4识别正确率不得低于0.800.85是葡萄4识别正确率不得低于0.800.87是番茄10识别正确率不得低于0.800.89是烟草5识别正确率不得低于0.800.84是由表1.4可以看出，在该测试集下，系统对上述五种作物的平均正确率达到了0.85左右，其中在番茄作物的十种病害预测中，系统的正确率达到了0.89。除此之外，系统的最低识别率达到了0.84，基本符合了实际应用的需要1.3.3系统运行结果图1.4显示了经济作物健康状况评估系统的健康评估功能的运行界面，其中图1.4（a）为评估前的选择信息界面，图1.4（b）为系统经过计算后返回结果的界面。由图1.4（a）可以看出，在系统的健康评估功能模块中，其为用户提供了作