本书以河南省冬小麦为研究对象，面向智慧农业，基于物联网技术、WSN混合组网策略及深度学习算法，结合多源联合监测手段和多模态融合识别技术，以“传感器部署组网→监测数据采集→生育阶段分类识别→病虫害及干旱精准识别→生产智能诊断”为主线，开展河南省冬小麦生长过程智能监测和智能诊断的研究，实现冬小麦生产过程的智慧化管理。主要内容包括：提出了基于LoRa的智慧农业WSN混合组网策略及服务质量评价方法；提出了一种改进Faster R-CNN的冬小麦生育阶段分类识别模型；构建了基于VGGNet-16的冬小麦生长过程病虫害精准识别模型；建立了基于多模态深度学习的冬小麦关键生育期干旱胁迫监测S-DNet模型；研发了河南省冬小麦生长过程智能诊断系统。 本书适合从事农业水利工程、计算机科学与技术、计算机应用、农业技术推广等的管理、科研、技术人员参考，也适合高等院校相关专业的师生参考。

前言
第1章 绪论
1.1 研究背景
1.2 研究目的和意义
1.3 国内外研究现状
1.4 小麦生长监测及智能诊断存在的主要问题
1.5 主要研究内容与技术路线
第2章 研究区概况及冬小麦典型灾害特征
2.1 河南省概况
2.2 冬小麦病虫害发生规律及防治现状
2.3 冬小麦干旱灾害发生规律及抗旱减灾现状
2.4 土壤肥力对冬小麦生长影响
第3章 WSN混合组网策略及网络服务质量评价
3.1 WSN组网基础分析
3.2 WSN混合组网策略
3.3 WSN网络服务质量评价
3.4 本章小结
第4章 基于改进的Fastel R-CNN的冬小麦生育阶段分类识别
4.1 深度可分离卷积图像分割模型
4.2 改进的Faster R-CNN目标检测模型
4.3 深度特征学习的冬小麦生育阶段分类识别
4.4 本章小结
第5章 基于VGGNet-16的冬小麦生长过程病虫害精准识别
5.1 冬小麦病虫害深度学习模型的选择
5.2 数据扩充的冬小麦病虫害识别模型
5.3 迁移学习改进的冬小麦病虫害识别
5.4 注意力机制改进的冬小麦病虫害识别
5.5 本章小结
第6章 基于多模态深度学习的冬小麦生长过程干旱监测
6.1 数据集准备
6.2 基于气象因素的小麦干旱胁迫
6.3 深度学习模型的选择及训练方法
6.4 试验结果
6.5 基于多模态深度学习融合的干旱胁迫模型
6.6 本章小结
第7章 河南省冬小麦生长过程智能诊断系统
7.1 系统设计
7.2 诊断优化方法
7.3 系统实现与诊断结果分析
7.4 本章小结
第8章 结论与展望
8.1 结论
8.2 创新点
8.3 展望
参考文献
英文缩略表