1 绪论
1.1 研究背景和意义
香菇种植产业作为“高产、优质、高效、生态、安全”的重要产业,对促进农业产业结构调整,建设“资源节约型和环境友好型”农业,确保农业增效、农民增收和农村环境友好具有重要影响（董静，2017；程爽爽，2019）。香菇作为一种传统有机的大型真菌，它的营养价值、药用价值、医疗保健功效逐步受到人们的青睐。因此香菇菌棒工厂化高效、智能生产关键技术的研发、信息集成迫在眉睫。
2018 年 3 月 8 日，习近平总书记在参加山东代表团审议时强调：“要推动乡村产业振兴，紧紧围绕发展现代农业，围绕农村一二三产业融合发展，构建乡村产业体系，实现产业兴旺，把产业发展落到促进农民增收上来。”目前，国内外同行业未发现有香菇菌棒生产管理系统，成果具有较高的推广应用价值。而且成果可推广应用到整个食用菌行业，食用菌生产又是农林作物废弃资源循环利用得重要转化渠道，工厂化日益受到国内外得关注，成果的推广应用将促进整个食用菌行业的新旧动能转换，为乡村产业振兴、脱贫攻坚提供坚实的基础。
山东七河生物科技有限公司在菌棒生产及香菇种植方面在国内处于领先地位，菌棒生产已经实现拌料、装袋、高温杀菌及接种的自动化，菌棒及香菇产品远销国内外。公司自动化设备建设发展很快，但是香菇菌棒生产相关的信息化、智慧化系统仍不完善。生产过程纸质化的记录较多，统计复杂，信息资源分散，缺少统一规划的信息化系统。同时香菇菌棒培养对于菌棒出菇质量非常重要，培养过程成熟度判断及刺孔操作时间基本上要靠熟练地培养员凭经验进行观察判断，导致人力成本较高，培养效率较低，规模化生产受到制约。因此基于公司和产业的需求，设计实现香菇菌棒生产管理系统，对香菇菌棒成熟度识别方法进行研究，对于提高香菇菌棒产量和品质，带动香菇产业的规模化发展具有重要意义。
............................
1.2 国内外研究现状
1.2.1 食用菌信息化系统研究现状
食用菌产品的生产方式主要包含两大类。一种是家庭或农业合作组织为基本生产单位，采用春秋大棚或日光温室为种植方式的，按自然季节栽培的传统生产方式。另外一种是通过建立封闭的生产空间，采用模拟生态环境、智能化控制、自动化机械作业为现代工厂一体化的生产方式，主要应用于食用菌的生产上（杨娟等，2009）。在食用菌的研究与培植技术上，日本是食用菌生产较为领先的国家之一，产品行销海内外。标准菇房——由食用菌接种车间、菌丝培养车间、子实体生长车间、包装车间和库房构成。与日本相比韩国的食用菌栽培技术同样处于世界先进地位。韩国的食用菌栽培基本实现了工厂化生产，除了在少数环节以人工来进行辅助，其他生产环节实现了较为先进的智能化控制（杨军，2016）。欧美食用菌的发展几乎就是双胞蘑菇的发展史。应用近代科学的方法栽培食用菌起源于双胞蘑菇。食用菌的生产模式已经基本实现自动化，可以通过机械化的方式完成食用菌的栽培原料从发酵、接种、发菌、出菇等过程（Shahryari Z et al，2019；韩德贤等，2014；陈强等，2013）。发达国家由于工业化起步较早，环境监测方面的研究进展比较深入（Gonçalo Marques et al，2019；Liang C et al，2019）。使用物联网技术对农业进行自动化、智能化地识别、定位、跟踪、监控和管理较成熟（陈晓栋，2015；Z. ZHANG，2011）。在食用菌监控系统方面的研究也有着较长的研究历史，各方面技术相对成熟（J. WANG，2018）。但是在香菇种植系统，尤其是香菇菌棒生产系统方面的研究较少。
我国可以种植培育世界上绝大多数的食用菌品种，尤其在香菇我国在食用菌自动化研究中，对各个菌类的生长习性均掌握很全，已经拥有非常成熟的培育技术，也是我国得以在食用菌工厂化自动化种植中取得突出进步的原因之一（李玉等，2017）。同时食用菌产业现在仍旧采取的是以提高劳动生产率和依靠经验管理的农业生产模式，对食用菌生长过程所涉及的环境因子的调控依赖于人工积累的长期经验，这在一定程度上阻碍了我国食用菌产业的进一步发展（张子奇，2018；韩奕昕，2019）。与国外发达国家的食用菌栽培技术相比，我国食用菌起步较晚，仍然依靠传统的人工经验进行管理，菌棒生产等环节自动化程度较低（严志雁等，2019）。生产数据较为零散难以进行整合，与国外发达国家还有不少的差距。在环境监测方面的研究主要通过物联网监测生长环境数据,控制系统实时监测调控生长环境参数（于丽丽，2015；岳仕达，2015）。同时可以促进食用菌高效地生产，最大限度地提高食用菌产量，实现食用菌菌丝的生长数据管理，对香菇出菇数量及出菇品质至关重要。
.............................
2 基于深度卷积神经网络的香菇菌棒成熟度识别
2.1 香菇菌棒图像数据集的采集与处理
在山东省淄博市七河生物科技股份有限公司的西楼菌棒工厂，设备使用 Canon 相机，进行实地考察和数据集采集，获得香菇菌棒图像。香菇菌棒通常在培养棚中培养，公司建设有规模化的培养棚，通风照明设施较为完善，为香菇菌棒的数据集采集提供了良好的环境及光照基础。
本文共采集香菇菌棒数据集 516 张。其中成熟度达到一刺标准的 206 张，成熟度达到二刺标准的 104 张，八成成熟 102 张，完全成熟菌棒 104 张，如图 2 所示。
农业论文怎么写.
.....................
2.2 卷积神经网络基本架构
神经网络的构成主要包含输入层、隐含层和输出层三部分，由多个神经元连接而成。卷积神经网络是神经网络和深度学习的结合，它由神经网络的三个组成部分通过层级堆叠形成，将上层输入作为下层输出，比传统神经网络层次更深。卷积神经网络的隐含层包括卷积层、池化层和全连接层，在二维图像数据处理上，卷积神经网络通过卷积和池化操作自动提取输入数据特征，并将图像数据转换成由多个神经元组成的特征映射图，通过全连接层完成图像识别，具有局部感受域、权值共享和深度网络等特性。卷积神经网络可自动提取特征的特性相比传统特征提取方法节省成本也提高了模型精度。
2.2.1 卷积层
卷积层是 CNN 中最重要的层，当输入图像数据时，通过卷积核的卷积运算提取输入的图像特征。卷积层包含许多不同大小的卷积内核。不同大小的卷积核具有不同的特征。较大尺寸的卷积内核可以覆盖更大范围的图像数据，因此可以提取多维全局特征。提取较小的图像数据区域和更细微的区域特征。在图像特征提取中，卷积核是定义区域中每个像素权重的函数。卷积运算取该区域中像素的加权平均值。输入图像可以通过样本进入该区域的小部分区域，卷积核执行卷积运算，从而产生与输出图像相对应的像素。在卷积操作中，通过在输入图像矩阵的不同位置滑动该大小的卷积核，直到输入图像矩阵（卷积区域）在不同位置，直到滑动卷积核遍历整个图像数据为止，提取像素特征。和卷积核相乘。最后，通过激活函数投影卷积结果以获得新的功能图。因此，卷积层本质上是特征提取器，使用不同的卷积核来提取不同类型的特征，并且与卷积核高度匹配的卷积块也将具有更高的响应值。
.............................
3 香菇菌棒生产管理系统需求分析 ....................................... 28
3.1企业概况 ........................................... 28
3.2用户分析 ...................................................... 29
3.3功能性需求分析 ......................................... 30
4 香菇菌棒生产管理系统设计与实现 .......................... 33
4.1系统总体框架设计 ............................................. 33
4.2系统功能模块设计 .................................... 34
5总结与展望 .............................. 56
5.1总结 ........................................... 56
5.2主要创新点 .................................... 57
4 香菇菌棒生产管理系统设计与实现
4.1 系统总体框架设计
香菇菌棒生产管理系统总体架构如图 22 所示。以智慧七河大数据平台为基础，利用其提供的软硬件基础设施，以七河创新项目数据库为基础数据库，构建基础信息数据库、装袋信息数据库、接种信息数据库、培养信息数据库、模型数据库、工作量统计信息数据库等，在数据库基础上构建数据服务层，为应用系统层提供数据服务，应用系统层主要包括装袋管理、接种管理、培养管理、仓库结转管理、工作量统计等功能模块。包括为管理人员决策提供支持，为生产人员提供各工序生产信息记录、仓库信息结转、工作量统计等功能。最终用户可以通过 PC 端、平板及手机进行访问。
农业论文参考
5 总结与展望
5.1 总结
本论文围绕香菇菌棒生产信息化、智慧化，依托智慧七河创新工程项目，基于香菇菌棒生产及管理人员的精准需求，研发了香菇菌棒生产管理系统。主要成果如下：
（1）提出了基于深度卷积神经网络的香菇菌棒成熟度识别方法
通过对七河生物公司生产全流程以及香菇菌棒培养过程的了解，采集了香菇菌棒培养过程的菌棒图像，基于三种深度卷积神经网络特征提取结果与 SIFT 和 SURF 传统特征提取结果对比可视化，可视化结果表明了深度卷积神经网络优秀的特征提取能力。最后分别采用 softmax 和 SVM、KNN、贝叶斯四种分类器将全连接层与输出层进行连接，分类结果经过对比可以看出基于 ResNet50 的深度网络特征提取结果在softmax 分类器上具有较好的分类表现，精度达到了 78.94%，因此选择基于 ResNet 深度网络作为基础模型。为香菇菌棒培养过程菌棒成熟度的识别以及一刺、二刺等操作提供了有效方法，对于节省人力、提高菌棒培养质量和效率具有很大意义。
（2）构建了香菇菌棒生产专题数据库
将各分厂、班组在生产过程产生的数据通过生产流程整理、串联，构建了香菇菌棒生产专题数据库，主要包括装袋信息、接种信息、培养信息、仓库结转信息、工作量统计信息等。生产数据库为生产系统的实现提供了数据支持，同时为香菇菌棒的生产管理、数据统计、生产决策提供了有效的数据支撑。
（3）设计并实现了香菇菌棒生产管理系统
基于 Springboot+Vue 框架、响应式框架等技术，设计并实现了香菇菌棒生产管理系统，主要实现了各生产工序记录信息化、生产质量全流程可追溯、产品仓库结转、工资统计、薪资补贴等功能。生产人员可以高效的记录各工序生产信息，并对生产信息进行维护，方便了生产工序的推进，提高了生产效率。生产管理人员可以查看各环节的生产记录，及时做好生产计划调整，发现生产环节的各种问题，为生产决策提供了科学依据。
参考文献（略）