病害松樹研究對于預防和管控松樹林病害有著重大實際意義,準確地監(jiān)控松樹的生長狀態(tài),及時發(fā)現(xiàn)和確定發(fā)病松樹的位置,可以盡早控制病情的蔓延。生長在陡峭山坡和茂密樹林里面的松樹,傳統(tǒng)的人工識別方法既費力又效率低下,不利于松樹病害的大范圍動態(tài)監(jiān)測,無法保障監(jiān)測的時效性。遙感技術已被廣泛用于植物病蟲害識別領域,通過遙感圖像獲得病蟲害植物冠層信息,結合計算機視覺技術,可實現(xiàn)對地物病蟲害目標的識別,通過無人機遙感獲取高分辨率近地遙感圖像,再使用機器學習和深度學習算法針對病害松樹目標進行識別,可以實現(xiàn)高精度的識別結果。本文首先介紹了傳統(tǒng)機器學習方法對農(nóng)林業(yè)病害檢測識別情況,包括提取的特征類型、識別精度等,進而引出了深度學習、增強學習等方法檢測病害情況,并將本文實驗結果同傳統(tǒng)機器學習以及深度學習方法進行對比。本文主要內(nèi)容如下:1、首先介紹研究區(qū)域的地理環(huán)境、松樹發(fā)病情況,介紹了無人機型號、參數(shù)等,以及無人機航拍圖像預處理情況,在對比實驗中介紹了支持向量機和反向傳播神經(jīng)網(wǎng)絡（Back Propagation Network,BP-net）等傳統(tǒng)機器學習方法以及Alex-net、VGG（Visual Geom... 

【文章來源】：安徽大學安徽省211工程院校

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容及組織結構
第二章 松樹無人機圖像獲取和預處理
    2.1 研究區(qū)域介紹
    2.2 無人機參數(shù)介紹和圖像獲取、預處理
    2.3 本章小結
第三章 基于VGG深度卷積網(wǎng)絡和AdaBoost算法的病害松樹識別
    3.1 復雜圖像背景去除
        3.1.1 常用背景去除算法
        3.1.2 VGG
        3.1.3 基于VGG網(wǎng)絡的復雜背景去除
    3.2 病害松樹識別
        3.2.1 圖像特征提取
        3.2.2 AdaBoost算法
        3.2.3 基于AdaBoost算法的病害松樹識別
    3.3 算法步驟
    3.4 實驗結果分析
        3.4.1 實驗圖像和模型參數(shù)
        3.4.2 實驗結果及分析
    3.5 本章小結
第四章 結合深度卷積神經(jīng)網(wǎng)絡、深度卷積對抗網(wǎng)絡和AdaBoost算法的病害松樹識別
    4.1 數(shù)據(jù)集及樣本擴充
        4.1.1 樣本擴充
        4.1.2 基于DCGAN網(wǎng)絡的樣本擴充
    4.2 基于Inception v3 的復雜背景去除
        4.2.1 Inception網(wǎng)絡
        4.2.2 Inception v3 網(wǎng)絡
        4.2.3 基于Inception v3 去除復雜背景的算法流程
    4.3 基于AdaBoost算法和形態(tài)學的病害松樹識別
        4.3.1 基于AdaBoost算法的病害松樹初識別
        4.3.2 形態(tài)學去除小聯(lián)通域和圖像孔洞填充
    4.4 算法步驟和模型參數(shù)
    4.5 實驗結果和分析
        4.5.1 實驗圖像和模型參數(shù)
        4.5.2 實驗結果及分析
    4.6 本章小結
總結與展望
參考文獻
攻讀碩士學位期間取得的學術成果
致謝


【參考文獻】：
期刊論文
[1]面向對象CART決策樹方法的濕地遙感分類[J]. 姚博,張懷清,劉洋,劉華,凌成星.  林業(yè)科學研究. 2019(05)
[2]C4.5決策樹分類算法性能分析[J]. 劉瑞玲.  信息系統(tǒng)工程. 2019(01)
[3]基于隨機森林方法的小麥葉片病害識別研究[J]. 夏永泉,王兵,支俊,黃海鵬,孫靜茹.  圖學學報. 2018(01)
[4]基于相關向量機的冬小麥蚜蟲遙感預測[J]. 唐翠翠,黃文江,羅菊花,梁棟,趙晉陵,黃林生.  農(nóng)業(yè)工程學報. 2015(06)
[5]基于量子神經(jīng)網(wǎng)絡和組合特征參數(shù)的玉米葉部病害識別[J]. 張飛云.  南方農(nóng)業(yè)學報. 2013(08)
[6]基于加權支持向量數(shù)據(jù)描述的遙感圖像病害松樹識別[J]. 胡根生,張學敏,梁棟,黃林生.  農(nóng)業(yè)機械學報. 2013(05)
[7]基于圖像識別的小麥腥黑穗病害特征提取與分類[J]. 鄧繼忠,李敏,袁之報,金濟,黃華盛.  農(nóng)業(yè)工程學報. 2012(03)



本文編號：3628324