本文關(guān)鍵詞：基于機器視覺的玉米病蟲害監(jiān)測方法研究　出處：《安徽工程大學》2017年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 機器視覺 圖像預處理 特征提取 病害識別

【摘要】：中國是個農(nóng)業(yè)大國,農(nóng)業(yè)收入是國民經(jīng)濟的主要來源之一。農(nóng)作物在生長過程中時時刻刻會受到病蟲害的影響,從一定程度上制約著農(nóng)作物的產(chǎn)量。因此,及時、準確地識別農(nóng)產(chǎn)品病蟲害會有效地減少其損失。玉米作為我國最重要的糧食之一,近些年受到病蟲害的影響導致產(chǎn)量有所下降,如何利用現(xiàn)代機器視覺技術(shù)作為依據(jù)對病癥種類進行準確地識別,達到對病情"對癥下藥"具有重要意義。本文主要圍繞利用計算機視覺技術(shù)對玉米葉常見四種類型的病害進行識別,并進行了相關(guān)實驗研究。具體研究內(nèi)容及成果包括以下幾個方面:首先,通過相機采集玉米葉灰斑病、大斑病、小斑病、銹病四種常見病害作為研究對象,并利用中值濾波和聚類方法對玉米葉片圖像預處理,排除無關(guān)變量(陰影,光照等)因素的影響,并在此基礎(chǔ)之上,通過彩色空間的聚類分割方法對病斑區(qū)進行分割,能較好的保留病斑區(qū)邊緣以及顏色特性。其次,利用顏色、紋理、形狀特征參數(shù)的方法對玉米葉片圖像進行特征提取;顏色特征得到一階矩、二階矩、三階矩特征參數(shù),紋理特征得到對比度、相關(guān)性、熵、均勻性、能量相關(guān)特征參數(shù),形狀特征得到面積、周長、矩形度、伸長度、似球度相關(guān)參數(shù),因此,通過提取玉米四種病害間的差異性可對病害準確分類。最后,通過利用支持向量機分別對玉米葉片病害進行識別;在支持向量機原理的基礎(chǔ)上,對數(shù)據(jù)統(tǒng)計分類并建立數(shù)據(jù)庫,并得到最終的識別結(jié)果。實驗結(jié)果表明利用單向的特征識別存在一定的誤差,而結(jié)合多特征的方法能夠達到較為理想的實驗結(jié)果;并在此基礎(chǔ)之上,利用vs2013設(shè)計了玉米四種常見病害的可視化界面,具有良好的交戶性,為玉米葉的病害圖像識別提供了一定的借鑒。綜上,本文利用圖像處理技術(shù)對玉米常見的四種病害特征識別,通過聚類分割方法對病斑區(qū)分割,結(jié)合圖像紋理特征向量的參數(shù)進行統(tǒng)計與分類,以對玉米常見病斑進行精準識別,具有一定的實際應用和推廣價值。
[Abstract]:China is a large agricultural country, agricultural income is one of the main sources of the national economy. Crops are always affected by pests and diseases in the process of growth, which to some extent restricts the output of crops. Timely and accurate identification of pests and diseases of agricultural products will effectively reduce their losses. Corn, as one of the most important grain in China, has been affected by pests and diseases in recent years, resulting in a decline in yield. How to use modern machine vision technology as the basis for accurate identification of disease types. It is of great significance to achieve the "right remedy" for the disease. This paper mainly focuses on the identification of four common diseases of maize leaf by computer vision technology. The specific research contents and results include the following aspects: firstly, four common diseases of maize leaf gray spot, large spot, small spot and rust were collected by camera as the research object. The median filter and clustering method were used to preprocess the maize leaf image, and the independent variables (shadow, light, etc.) were excluded, and on this basis. Through the color space clustering segmentation method to segment the disease spot area, can better preserve the disease spot edge and the color characteristic. Secondly, uses the color, the texture. The method of shape feature parameter is used to extract the feature of maize leaf image. Color features obtained first moment, second moment, third moment feature parameters, texture features obtained contrast, correlation, entropy, uniformity, energy correlation feature parameters, shape features to obtain area, perimeter, rectangle. The relative parameters of elongation and sphericity are related, so the disease can be classified accurately by extracting the difference among the four maize diseases. Finally, the maize leaf disease is identified by using support vector machine. Based on the principle of support vector machine (SVM), the statistical classification of data and the establishment of database are carried out, and the final recognition results are obtained. The experimental results show that there are some errors in using one-way feature recognition. The experimental results can be achieved by combining the multi-feature method. On this basis, the visual interface of four common diseases of maize was designed by using vs2013, which has good housekeeping, and provides a certain reference for the recognition of maize leaf disease image. In this paper, we use image processing technology to identify the four common disease features of maize, segment disease area by clustering segmentation method, combined with the parameters of image texture feature vector for statistical and classification. It has certain practical application and popularizing value to accurately identify common spot of maize.
【學位授予單位】：安徽工程大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：S435.13;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 安愛琴;余澤通;王宏強;;基于機器視覺的蘋果大小自動分級方法[J];農(nóng)機化研究;2008年04期

2 孫海霞;張淑娟;薛建新;周靖博;;基于機器視覺和光譜技術(shù)水果分級的研究進展[J];農(nóng)機化研究;2014年01期

3 陳麗君;趙鳳芹;;基于機器視覺的變量機械系統(tǒng)的關(guān)鍵技術(shù)[J];農(nóng)機化研究;2005年06期

4 郭海針;馬俊龍;徐海剛;;基于機器視覺的農(nóng)業(yè)機械無人駕駛系統(tǒng)[J];農(nóng)機化研究;2009年06期

5 毛璐;趙春江;王開義;張水發(fā);;機器視覺在農(nóng)產(chǎn)品物流分級檢測中的應用[J];農(nóng)機化研究;2011年07期

6 馮世杰;王艷平;;基于機器視覺的溫室作物行間雜草的識別[J];信陽農(nóng)業(yè)高等�？茖W校學報;2012年02期

7 李謙;蔡曉華;;機器視覺在除草機器人中的應用[J];農(nóng)機化研究;2014年07期

8 黎萍,朱軍燕,劉燕德,嚴霖元;機器視覺在農(nóng)產(chǎn)品檢測與分級中的應用與展望[J];江西農(nóng)業(yè)大學學報;2005年05期

9 王靜娜;賀園園;陳雄飛;馮春貴;祝詩平;;機器視覺在農(nóng)產(chǎn)品品質(zhì)檢測和采收包裝中的應用[J];農(nóng)機化研究;2011年07期

10 王潤濤;張長利;房俊龍;王樹文;楊方;田磊;;基于機器視覺的大豆籽粒精選技術(shù)[J];農(nóng)業(yè)工程學報;2011年08期

相關(guān)會議論文 前10條

1 趙磊;董吉文;李金屏;;拓撲理論在機器視覺中的研究進展[A];全國第十五屆計算機科學與技術(shù)應用學術(shù)會議論文集[C];2003年

2 張彥東;;基于機器視覺的連接器裝配機床改造研究[A];首屆珠中江科協(xié)論壇論文集[C];2011年

3 蔡小秧;陳文楷;;機器視覺中的魯棒估計技術(shù)[A];計算機技術(shù)與應用進展·2007——全國第18屆計算機技術(shù)與應用（CACIS）學術(shù)會議論文集[C];2007年

4 劉雅舉;李娜;張莉;李東明;;機器視覺在藥用玻璃瓶質(zhì)量檢測中的研究[A];2007年河北省電子學會、河北省計算機學會、河北省自動化學會、河北省人工智能學會、河北省計算機輔助設(shè)計研究會、河北省軟件行業(yè)協(xié)會聯(lián)合學術(shù)年會論文集[C];2007年

5 吳慶華;代娜;黃俊敏;程志輝;何濤;;基于機器視覺的軸承二維尺寸檢測[A];第六屆全國信息獲取與處理學術(shù)會議論文集（1）[C];2008年

6 馬連峰;張秋菊;;基于機器視覺的彩色套印檢測技術(shù)研究[A];第十一屆全國包裝工程學術(shù)會議論文集（二）[C];2007年

7 金守峰;張慧;;面向機器視覺的織物緯斜檢測方法[A];全國先進制造技術(shù)高層論壇暨第九屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2010年

8 管庶安;周龍;陳永強;廖明潮;;機器視覺在糧食品質(zhì)檢測中的應用研究[A];中國糧油學會第三屆學術(shù)年會論文選集（下冊）[C];2004年

9 張偉華;陳軍;連世江;賈海政;;機器視覺及其在農(nóng)業(yè)機械中的應用綜述[A];2007年中國農(nóng)業(yè)工程學會學術(shù)年會論文摘要集[C];2007年

10 沈?qū)殗?陳樹人;尹建軍;;基于機器視覺的棉田雜草精確定位研究[A];紀念中國農(nóng)業(yè)工程學會成立30周年暨中國農(nóng)業(yè)工程學會2009年學術(shù)年會（CSAE 2009）論文集[C];2009年

相關(guān)重要報紙文章 前10條

1 本報記者 李劍琦;機器視覺行業(yè)整合正熱 中國市場尚處萌芽期[N];機電商報;2005年

2 本報記者 董碧娟;解密機器視覺“第三只眼”[N];經(jīng)濟日報;2013年

3 本報記者 郭濤;機器視覺：為機器裝上“眼睛”和“大腦”[N];中國高新技術(shù)產(chǎn)業(yè)導報;2014年

4 張均;德國機器視覺傳感器市場前景好[N];中國貿(mào)易報;2007年

5 金剛;給機器一雙慧眼[N];計算機世界;2007年

6 朱廣菁;機器視覺怎樣“看”不合格產(chǎn)品[N];大眾科技報;2008年

7 宋昆;用機器視覺控制煙草質(zhì)量[N];計算機世界;2007年

8 張棟;西安光電子專業(yè)孵化器舉辦專業(yè)展覽會[N];中國高新技術(shù)產(chǎn)業(yè)導報;2007年

9 王遐;機器視覺:藥品包裝在線檢測系統(tǒng)開發(fā)成功[N];中國包裝報;2010年

10 點評人 高炎 黃牧青 劉笑一 李士杰 北京大學技術(shù)轉(zhuǎn)移中心;機器視覺輔助冬季道路狀況監(jiān)測[N];科技日報;2014年

相關(guān)博士學位論文 前10條

1 梁卓銳;機器視覺手勢交互的交互映射研究[D];華南理工大學;2015年

2 孟慶寬;基于機器視覺的農(nóng)業(yè)車輛—農(nóng)具組合導航系統(tǒng)路徑識別及控制方法研究[D];中國農(nóng)業(yè)大學;2014年

3 田明銳;基于機器視覺的散料裝車控制系統(tǒng)研究[D];長安大學;2016年

4 沈振乾;基于機器視覺的交叉路口智能交通燈控制關(guān)鍵技術(shù)研究[D];天津工業(yè)大學;2014年

5 葛動元;面向精密制造與檢測的機器視覺及智能算法研究[D];華南理工大學;2013年

6 饒洪輝;基于機器視覺的作物對行噴藥控制系統(tǒng)研究[D];南京農(nóng)業(yè)大學;2006年

7 龔愛平;基于嵌入式機器視覺的信息采集與處理技術(shù)研究[D];浙江大學;2013年

8 陳麗君;基于機器視覺的變量噴霧控制系統(tǒng)研究[D];沈陽農(nóng)業(yè)大學;2009年

9 徐曉秋;機器視覺球面孔位快速精密測量系統(tǒng)的研究[D];四川大學;2006年

10 成芳;稻種質(zhì)量的機器視覺無損檢測研究[D];浙江大學;2004年

相關(guān)碩士學位論文 前10條

1 冼志軍;錫膏印刷機誤差與錫膏印刷質(zhì)量檢測技術(shù)研究[D];華南理工大學;2015年

2 孫斌;基于FPGA的壓力表盤機器視覺研究與實現(xiàn)[D];昆明理工大學;2015年

3 許哲;基于機器視覺的快速測溫熱電偶焊接技術(shù)研究[D];河北聯(lián)合大學;2014年

4 李鵬;基于機器視覺的PCB工業(yè)在線檢測系統(tǒng)研究[D];昆明理工大學;2015年

5 佘燕玲;以用戶為中心的機器視覺手勢交互空間映射關(guān)系研究[D];華南理工大學;2015年

6 孫中國;基于機器視覺的面粉袋碼垛機器人研究[D];山東建筑大學;2015年

7 漆靜;基于機器視覺集裝箱吊具智能定位系統(tǒng)研究[D];西南交通大學;2015年

8 張文;基于機器視覺的通信裝備故障識別研究[D];西南交通大學;2015年

9 冉寶山;基于機器視覺的裝料系統(tǒng)試驗研究[D];長安大學;2015年

10 馮康;基于機器視覺的棉花識別與定位技術(shù)的研究[D];石河子大學;2015年

，

本文編號：1433785