文献综述
现状
在我国,随着社会主义和经济的快速发展,城市化越来越快,人口也是越来越多的集中到城市,而且人们对于环境的要求也是越来越高。这样城市中的园林绿化就应运而生。园林绿化是城市绿化的重要资源，但是在城市园林中最大的问题就是园林树木的病虫害。
时代在变迁，传统的人力考察树木病虫害的方法需要耗费大量的时间，人力物力资源，并且不能在前期及时发现树木受到病虫害的情况导致灾情变得严重，社会财产遭到巨大损失。于是基于Python的程序设计思想和BP神经网络算法的树木病虫害识别系统的开发就应运而生。在城市园林中装有大量的摄像头，本课题设计的目的就是实现识别树木的种类，通过摄像头获取图像，并通过神经网络算法识别出获取的图像中的树木是否遭遇了病虫害。这样做的目的是可以有效的控制园林树木的病虫害，为城市中园林树木的发展提供有力的保障。
正文
1 BP神经网络概述
BP(Back Propagation)网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。BP一般为多层神经网络,其模型拓扑结构一般包括输入层(input)、隐层(hide layer)和输出层(output layer)。
2 BP网络在实际生活中的运用（使用BP网络识别农作物病虫害特征）
农作物病虫害常年对作物造成严重危害，使农业经济造成严重损失，各种类型的病虫害能否得到正确的诊断，直接影响到作物的产量和品质。病虫害的发生、发展和危害既受本生生物学特性制约，又受难以掌控的环境因素的影响，从而使病虫害特征知识具有复杂、多样、不完整性、难获取和难组织等特点，从而造成知识库中的数据常常是稀疏的、不精确的、不完全的、
目前已开发的一些病虫害识别系统主要是以害虫、病害检索表为依据，通过构造病虫、病害识别特征数据库，建立索引。这种模型不能较好的处理不完全信息与模糊信息，而且实用性也不是很强。BP神经网络具有对非线性复杂系统预测的良好特性，通过对实例来自动获取知识，不需要分析和整理，可以处理一些不精确的、不完整的、不明确的信息，具有处理迷糊数据的能力和一定的容错能力，比较适合实现病虫害知识获取和处理的自动化。
结论
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
