【摘要】：基于數(shù)字化的無(wú)損傷的植物病害識(shí)別已成為作物病害診斷的趨勢(shì),論文針對(duì)植物病害癥狀復(fù)雜、現(xiàn)有僅通過(guò)單一的圖像對(duì)比識(shí)別的診斷技術(shù)檢測(cè)效率低等問(wèn)題,綜合利用光譜成像、光譜分析、光譜數(shù)據(jù)庫(kù)技術(shù)以及顏色科學(xué)等諸多領(lǐng)域的知識(shí),開展對(duì)植物葉片主要病害的快速、無(wú)損檢測(cè)方法研究,并在此基礎(chǔ)上建立了病害的快速檢測(cè)模型和病害診斷系統(tǒng)。通過(guò)對(duì)光譜立方體的構(gòu)造的深入研究,基于高分辨率光譜圖像格式,提出了一種通用的尤其適用于高分辨率圖像光譜數(shù)據(jù)快速處理的數(shù)據(jù)結(jié)構(gòu);與SQL Server數(shù)據(jù)庫(kù)結(jié)合,基于上述高分辨率光譜成像系統(tǒng),對(duì)樹木等園藝類植物的上百株樣本的培養(yǎng)、采集和分析,獲得了園藝類病害的大量的圖像和光譜數(shù)據(jù),為找到不同濃度,不同發(fā)病時(shí)段的各種作物病害的光譜規(guī)律以及色彩差異提供了數(shù)據(jù)依據(jù)。本論文的研究結(jié)果為植物病害的快速診斷提供了新的手段,并為計(jì)算機(jī)技術(shù)、信息技術(shù)以及光譜技術(shù)在農(nóng)業(yè)中的應(yīng)用提供了實(shí)例,具有重要的理論和實(shí)踐意義。文章從課題背景入手,在闡述成像光譜技術(shù)、植物病害檢測(cè)相關(guān)理論的基礎(chǔ)上,首先從光譜成像立方體的數(shù)據(jù)結(jié)構(gòu)入手,介紹光譜成像技術(shù)的原理以及常見的光譜成像技術(shù),并搭建基于病害檢測(cè)光譜成像技術(shù)及LCTF的光譜成像硬件系統(tǒng);接著討論光譜圖像數(shù)據(jù)的本地和網(wǎng)絡(luò)的數(shù)據(jù)存儲(chǔ)結(jié)構(gòu),并將提出一種針對(duì)高分辨率光譜圖像數(shù)據(jù)的數(shù)據(jù)庫(kù)模型以及本地化存儲(chǔ)模型,對(duì)LCTF光譜成像系統(tǒng)的數(shù)據(jù)處理及相關(guān)的軟件進(jìn)行設(shè)計(jì);最后通過(guò)比較主成分分析法、線性判別分析、神經(jīng)網(wǎng)絡(luò)方法等幾種常用的特征提取方法并總結(jié)了各種分析對(duì)其在病害判別分析中使用的適宜程度進(jìn)行了分析,提出了一種基于Fisher方法的逐步判別模型進(jìn)行光譜降維,并使用RBF神經(jīng)網(wǎng)絡(luò)對(duì)降維前后的光譜分類能力進(jìn)行檢驗(yàn)。
[Abstract]:It has become the trend of crop disease diagnosis based on digitized and undamaged plant disease recognition. Aiming at the complex symptom of plant disease and the low detection efficiency of the existing diagnosis technology based on single image contrast recognition, etc. Comprehensive use of spectral imaging, spectral analysis, spectral database technology, color science and other fields of knowledge, to develop rapid, non-destructive detection of major plant leaf diseases, On this basis, the rapid detection model and the disease diagnosis system are established. Based on the high resolution spectral image format, a universal data structure is proposed, which is especially suitable for fast processing of spectral data of high resolution image. Combined with SQL Server database, based on the above high resolution spectral imaging system, hundreds of samples of horticultural plants such as trees were cultured, collected and analyzed. A large number of images and spectral data of horticultural diseases were obtained. The spectral law and color difference of various crop diseases in different time periods provide data basis. The results of this paper provide a new method for the rapid diagnosis of plant diseases, and provide examples for the application of computer technology, information technology and spectral technology in agriculture, which has important theoretical and practical significance. This paper begins with the background of the subject, on the basis of expounding the related theories of imaging spectrum technology and plant disease detection, starting with the data structure of spectral imaging cube, introduces the principle of spectral imaging technology and the common spectral imaging technology. The hardware system of spectral imaging based on disease detection and LCTF is built. Then, the local and network data storage structures of spectral image data are discussed, and a database model and localized storage model for high-resolution spectral image data are proposed. The data processing and related software of LCTF spectral imaging system are designed. Finally, by comparing principal component analysis (PCA), linear discriminant analysis (LDA), neural network (Ann) and other commonly used feature extraction methods, the suitable degree of their application in disease discriminant analysis is analyzed. A stepwise discriminant model based on Fisher method is proposed for spectral dimensionality reduction and RBF neural network is used to test the spectral classification ability before and after dimensionality reduction.
【學(xué)位授予單位】：遼寧科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：S43;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 劉啟航;周強(qiáng);;蝗蟲視覺光譜效應(yīng)與趨光響應(yīng)光譜的對(duì)比測(cè)定[J];光譜學(xué)與光譜分析;2014年07期

2 ;[J];;年期

相關(guān)會(huì)議論文 前2條

1 朱福榮;黃偉慶;;1μm-1．65μm光譜范圍濾光片的研制[A];中國(guó)光學(xué)學(xué)會(huì)2006年學(xué)術(shù)大會(huì)論文摘要集[C];2006年

2 張鵬斌;蘇云;鄭國(guó)憲;;一種用于行星大氣光譜探測(cè)的新型空間外差光譜儀[A];中國(guó)空間科學(xué)學(xué)會(huì)空間探測(cè)專業(yè)委員會(huì)第二十六屆全國(guó)空間探測(cè)學(xué)術(shù)研討會(huì)會(huì)議論文集[C];2013年

相關(guān)博士學(xué)位論文 前7條

1 萬(wàn)磊;固態(tài)氫基質(zhì)隔離分子高分辨光譜裝置和部分應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

2 王新北;基于傅立葉紅外光譜儀的材料光譜發(fā)射率測(cè)量技術(shù)的研究[D];哈爾濱工業(yè)大學(xué);2007年

3 熊嬋;基于多維多模式超光譜系統(tǒng)的復(fù)雜混合溶液成分分析[D];天津大學(xué);2012年

4 馬振鶴;光譜光學(xué)相干層析成像理論與實(shí)驗(yàn)研究[D];天津大學(xué);2007年

5 方宇;高/超光譜遙感數(shù)據(jù)降維算法研究[D];華中科技大學(xué);2014年

6 洪新華;衍/折射光學(xué)系統(tǒng)消二級(jí)光譜的研究[D];中國(guó)科學(xué)院研究生院（西安光學(xué)精密機(jī)械研究所）;2005年

7 吳雪梅;結(jié)合信號(hào)處理技術(shù)的近紅外光譜分析新方法研究[D];西北大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 柳文娟;新型高分辨率激光光譜技術(shù)研究[D];浙江大學(xué);2015年

2 張凱華;基于光柵單色儀的光譜發(fā)射率測(cè)量裝置[D];河南師范大學(xué);2015年

3 臧延哲;氛圍條件材料光譜發(fā)射率測(cè)量實(shí)驗(yàn)研究[D];長(zhǎng)春理工大學(xué);2016年

4 鄭水欽;基于光譜操控的超快光學(xué)技術(shù)研究[D];深圳大學(xué);2016年

5 許開品;銅、鋼和鐵的光譜發(fā)射率的研究[D];河南師范大學(xué);2016年

6 張逸;基于高分辨率光譜圖像采集及混合模型的植物病害檢測(cè)方法[D];遼寧科技大學(xué);2016年

7 羅天舒;上皮組織層結(jié)構(gòu)的非線性光譜分辨成像技術(shù)研究[D];福建師范大學(xué);2008年

8 王東;新型多光譜偏振成像技術(shù)研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2015年

9 陸運(yùn)章;用于礦石成分分析的激光誘導(dǎo)擊穿光譜定量化測(cè)量技術(shù)研究[D];北京交通大學(xué);2009年

10 張琴;太陽(yáng)能涂層光譜發(fā)射率測(cè)量?jī)x的研制[D];哈爾濱工業(yè)大學(xué);2011年

，

本文編號(hào)：2383232