【摘要】：葡萄品種多且繁雜,識別較為困難,單純依靠人力來進(jìn)行品種識別,要求操作者擁有專業(yè)的葡萄分類知識和豐富的實(shí)踐經(jīng)驗(yàn),并且工作量大,會影響識別的客觀性�；谌~片圖像分析的葡萄品種識別,可以幫助人們鑒定葡萄品種,縮短鑒定時間,普及葡萄品種知識,增加民眾對葡萄品種的認(rèn)識。本文以成熟期不同葡萄品種葉片作為研究對象,首先對其葉片圖像進(jìn)行預(yù)處理,然后對于人工設(shè)計特征和深度學(xué)習(xí)特征進(jìn)行特征提取,最后將提取的特征向量作為參數(shù)輸入,采用支持向量機(jī)分類器建立識別模型,實(shí)現(xiàn)對葡萄品種的識別,為葡萄品種識別提供一種新方法。本文的主要內(nèi)容如下:(1)葡萄葉片樣本圖像預(yù)處理。對掃描的葡萄葉片樣本圖像進(jìn)行分析,根據(jù)葉片圖像和背景的像素差異較大,選擇基于灰度閾值的方法進(jìn)行分割并利用最小外接矩形提取葉片圖像,使用形態(tài)學(xué)、灰度化和幾何變化等技術(shù)對葉片圖像進(jìn)行預(yù)處理,為特征提取和識別打下基礎(chǔ)。(2)基于人工設(shè)計特征和深度學(xué)習(xí)特征的葡萄葉片特征提取。分析葡萄葉片形態(tài)結(jié)構(gòu),利用人工設(shè)計的方向梯度直方圖特征和基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)特征表示葉片的形態(tài)特征。方向梯度直方圖特征可以很好的表達(dá)葉片圖像的邊緣梯度信息和空間紋理信息等,基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)特征可以自主學(xué)習(xí)葡萄葉片的特征,具有高維深度語義表達(dá)性,能夠完整豐富地表達(dá)葡萄葉片屬性。(3)根據(jù)提取的葡萄葉片特征,建立基于支持向量機(jī)葡萄的葉片品種識別模型。在Matlab2010b環(huán)境下進(jìn)行實(shí)驗(yàn),分別對人工設(shè)計特征(包括Hu不變矩、灰度共生矩、方向梯度直方圖等特征)和基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)特征進(jìn)行建模實(shí)驗(yàn),并對實(shí)驗(yàn)結(jié)果進(jìn)行分析,實(shí)驗(yàn)結(jié)果表明,使用方向梯度直方圖特征的識別率達(dá)到86.67%,使用深度學(xué)習(xí)特征的識別率達(dá)到88.33%。綜上所述,通過對葡萄葉片形態(tài)特征的分析,本文提出了采用高維人工設(shè)計特征和深度學(xué)習(xí)特征表示葡萄葉片形態(tài)結(jié)構(gòu)的方法,利用支持向量機(jī)模型進(jìn)行葡萄葉片的品種識別,取得了較好的結(jié)果,為同種科目不同品種的植物葉片識別提供了一種借鑒方法,具有廣闊的應(yīng)用前景。
[Abstract]:Grape variety is more and more complicated, so it is difficult to identify grape varieties. Relying solely on manpower to identify grape varieties requires operators to have professional knowledge of grape classification and rich practical experience, and heavy workload, which will affect the objectivity of identification. The grape variety recognition based on leaf image analysis can help people to identify grape varieties, shorten the identification time, popularize grape variety knowledge and increase people's understanding of grape varieties. In this paper, the leaves of different grape varieties in mature period are used as the research object. Firstly, the leaf image is preprocessed, then the artificial design features and depth learning features are extracted, and the extracted feature vectors are input as parameters. Support vector machine classifier is used to establish recognition model to realize grape variety recognition and to provide a new method for grape variety recognition. The main contents of this paper are as follows: (1) sample image preprocessing of grape leaves. According to the pixel difference between leaf image and background, the grayscale threshold method is chosen to segment the leaf image and extract the leaf image by using the minimum external rectangle, and the morphology is used. Grayscale and geometric changes are used to preprocess the leaf image, which lays the foundation for feature extraction and recognition. (2) Grape leaf feature extraction based on artificial design feature and depth learning feature. The morphological structure of grape leaves was analyzed, and the morphological features of grape leaves were represented by artificial direction gradient histogram and depth learning feature based on convolution neural network. The directional gradient histogram features can well express the edge gradient information and spatial texture information of leaf images. The depth learning features based on convolution neural network can learn the characteristics of grape leaves independently and have high dimensional depth semantic expression. (3) based on the extracted characteristics of grape leaves, a vinifer-based vane variety recognition model based on support vector machine (SVM) was established. The experiments were carried out in Matlab2010b environment. The artificial design features (including Hu invariant moment, gray level co-occurrence moment, directional gradient histogram and so on) and the depth learning feature based on convolution neural network were modeled, respectively. The experimental results show that the recognition rate of directional gradient histogram is 86.67 and the recognition rate of depth learning is 88.33. To sum up, by analyzing the morphological characteristics of grape leaves, this paper proposes a method to express the morphological structure of grape leaves by using high-dimensional artificial design features and in-depth learning features, and the support vector machine model is used to identify the varieties of grape leaves. Good results have been obtained, which provides a reference method for the recognition of plant leaves of different varieties in the same subject, and has a broad application prospect.
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔡如鵬;;葡萄基因組被破譯[J];中國新聞周刊;2007年34期

2 呂剛;楊海清;;基于光譜技術(shù)的葡萄活體可溶性固體含量在線檢測研究[J];紅外;2012年10期

3 ;信息·廣告[J];中外葡萄與葡萄酒;2001年04期

4 ;果業(yè)文獻(xiàn)要目[J];柑桔與亞熱帶果樹信息;2004年03期

5 王秀蘭 ,趙常青;適合保護(hù)地裁培的葡萄品種栽培與管理[J];科技成果縱橫;2002年06期

6 ;果業(yè)文獻(xiàn)要目[J];柑桔與亞熱帶果樹信息;2004年04期

7 張金林;砧木技術(shù)在中西部地區(qū)葡萄產(chǎn)業(yè)發(fā)展中的應(yīng)用[J];甘肅科技縱橫;2003年04期

8 ;資訊時空[J];新聞天地;2007年08期

9 劉林松,王少波;“百萬富翁”的檔案經(jīng)[J];山東檔案;2004年04期

10 ;[J];;年期

相關(guān)會議論文 前10條

1 徐小菊;陳青英;;葡萄雙層覆膜大棚栽培研究[A];慶祝中國園藝學(xué)會創(chuàng)建80周年暨第11次全國會員代表大會論文摘要集[C];2009年

2 張維昌;;‘熊岳白’葡萄選育試驗(yàn)(摘要)[A];中國園藝學(xué)會成立六十周年紀(jì)念暨第六屆年會論文集（Ⅰ果樹）[C];1989年

3 李曉燕;李連國;王麗雪;;葡萄不同種類、品種組織解剖構(gòu)造觀察[A];中國科學(xué)技術(shù)協(xié)會第二屆青年學(xué)術(shù)年會園藝學(xué)論文集[C];1995年

4 王同坤;于鳳鳴;郭紫娟;張海斌;李紅星;;葡萄品種過氧化物酶同工酶分析[A];中國科學(xué)技術(shù)協(xié)會第二屆青年學(xué)術(shù)年會園藝學(xué)論文集[C];1995年

5 施安華;;保加利亞葡萄品種在河北省各地的適應(yīng)情況[A];河北省果樹學(xué)會論文選編（1962）[C];1962年

6 賀普超;;我對豫東沙區(qū)發(fā)展百萬畝葡萄的幾點(diǎn)意見[A];葡萄研究論文選集[C];2003年

7 柴菊華;賀普超;程廉;崔彥志;;中國葡萄野生種對葡萄根癌病的抗性[A];葡萄研究論文選集[C];2003年

8 李敬川;劉俊;張東風(fēng);董健霖;;從市場價格變動探討我國埋土防寒區(qū)葡萄園降低成本的對策[A];第十四屆中國科協(xié)年會第6分會場：林業(yè)新興產(chǎn)業(yè)科技創(chuàng)新與綠色增長學(xué)術(shù)研討會論文集[C];2012年

9 曹孜義;;葡萄離體繁殖和脫毒研究工作的回顧及展望[A];植物組織培養(yǎng)與脫毒快繁技術(shù)——全國植物組培、脫毒快繁及工廠化生產(chǎn)技術(shù)學(xué)術(shù)研討會論文集[C];2001年

10 賀普超;;葡萄早熟性與氧化酶活性的關(guān)系[A];葡萄研究論文選集[C];2003年

相關(guān)重要報紙文章 前10條

1 通訊員 盧慶雷 李曉英 李永剛;吃葡萄不吐葡萄皮[N];北京日報;2001年

2 本報記者 耿聞;葡萄文化念就農(nóng)民致富經(jīng)[N];中國旅游報;2007年

3 記者　常世榮 通訊員　解硯輝 劉志非;4萬農(nóng)戶種葡萄 10萬工人興產(chǎn)業(yè)[N];河北經(jīng)濟(jì)日報;2006年

4 本報記者 妥超云邋通訊員 吳紅艷;賞葡萄鐝說葡萄鐝品葡萄[N];酒泉日報;2008年

5 本報記者 周崇 通訊員 畢照榮 李文;新和舉辦第五屆賽葡萄會[N];阿克蘇日報;2008年

6 北京市通州區(qū)張家灣鎮(zhèn)鎮(zhèn)長 鄧乃庚;應(yīng)對入世挑戰(zhàn) 打造葡萄強(qiáng)鎮(zhèn)[N];中國特產(chǎn)報;2003年

7 王秋雨;金土地上的“葡萄王”[N];農(nóng)民日報;2001年

8 李波;葡萄新品種“早黑寶”[N];農(nóng)民日報;2002年

9 李曉霞　羅騏;華鎣：葡萄“串”起的萬畝基地[N];廣安日報;2009年

10 張維賢　劉國偉 曾友進(jìn);敦煌葡萄俏天下[N];酒泉日報;2009年

相關(guān)博士學(xué)位論文 前10條

1 周興本;水肥配比對葡萄生長發(fā)育、氮代謝及水肥耦合效應(yīng)的研究[D];沈陽農(nóng)業(yè)大學(xué);2015年

2 高敏;葡萄抗病相關(guān)基因表達(dá)及抗黑痘病轉(zhuǎn)錄組研究[D];西北農(nóng)林科技大學(xué);2015年

3 王珊;埋土防寒期葡萄枝條風(fēng)障對葡萄園生態(tài)環(huán)境的影響[D];西北農(nóng)林科技大學(xué);2015年

4 金燕;基于神經(jīng)網(wǎng)絡(luò)和機(jī)器視覺的南方葡萄專家系統(tǒng)研究[D];湖南農(nóng)業(yè)大學(xué);2009年

5 呂秀蘭;葡萄品種遺傳多樣性和霜霉病抗性鑒定的生化與分子生物學(xué)研究[D];四川農(nóng)業(yè)大學(xué);2005年

6 朱丹實(shí);葡萄采后軟化機(jī)制及風(fēng)味劣變的研究[D];沈陽農(nóng)業(yè)大學(xué);2014年

7 楊克強(qiáng);葡萄無核基因定位與作圖的研究[D];西北農(nóng)林科技大學(xué);2003年

8 曾辰;極端干旱區(qū)成齡葡萄生長特征與水分高效利用[D];中國科學(xué)院研究生院（教育部水土保持與生態(tài)環(huán)境研究中心）;2010年

9 溫鵬飛;葡萄與葡萄酒中黃烷醇類多酚和果實(shí)原花色素合成相關(guān)酶表達(dá)規(guī)律的研究[D];中國農(nóng)業(yè)大學(xué);2005年

10 白云崗;極端干旱區(qū)成齡葡萄需水規(guī)律及微灌節(jié)水技術(shù)研究[D];新疆農(nóng)業(yè)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 楊成濤;云南主產(chǎn)區(qū)主栽葡萄果皮組成成分及抗氧化活性研究[D];昆明理工大學(xué);2015年

2 胡竹韻;葡萄香氣糖苷提取分析方法的優(yōu)化設(shè)計與應(yīng)用[D];西北農(nóng)林科技大學(xué);2015年

3 楊麗;寧夏青銅峽地區(qū)釀酒葡萄成熟指標(biāo)體系的初步研究[D];西北農(nóng)林科技大學(xué);2015年

4 王勇健;葡萄不同品種形態(tài)建模三維輔助設(shè)計方法研究[D];寧夏大學(xué);2015年

5 肖東明;不同葡萄品種枝條參與低溫脅迫響應(yīng)抗寒指標(biāo)研究[D];寧夏大學(xué);2015年

6 杜楊建;中國野生毛葡萄‘丹鳳-2’芪合成酶基因表達(dá)及啟動子分析[D];西北農(nóng)林科技大學(xué);2015年

7 范高韜;葡萄VvCOR27基因的克隆與抗寒功能研究[D];西南交通大學(xué);2015年

8 胡見飛;基于傅里葉變換紅外光譜的葡萄果苗鑒別研究[D];云南師范大學(xué);2015年

9 陳淑麗;覆蓋防寒對葡萄越冬性的影響[D];河北科技師范學(xué)院;2015年

10 陸琨;大新縣一年兩熟葡萄種植業(yè)調(diào)查研究[D];廣西大學(xué);2015年

，

本文編號：2396191