作物病害智能、精準(zhǔn)識(shí)別是現(xiàn)代病害防控的基礎(chǔ),是提高作物品質(zhì)與產(chǎn)量的重要保證。視頻監(jiān)測(cè)具有動(dòng)態(tài)性好、性?xún)r(jià)比高的優(yōu)勢(shì),彌補(bǔ)了靜態(tài)圖像識(shí)別和光譜成像等方法的相應(yīng)不足,但是存在視頻信息冗余量巨大、病害區(qū)域提取效果差以及病害識(shí)別性能差等問(wèn)題,導(dǎo)致應(yīng)用推廣停滯不前。本文主要以茶樹(shù)為研究對(duì)象,運(yùn)用機(jī)器視覺(jué)和深度學(xué)習(xí)的方法和技術(shù),從全面反映作物生長(zhǎng)狀態(tài)的監(jiān)控視頻中,利用關(guān)鍵幀提取、顯著圖提取和CNN識(shí)別技術(shù),實(shí)現(xiàn)作物病害的智能化監(jiān)測(cè)。主要內(nèi)容和結(jié)果包括:1)作物監(jiān)測(cè)視頻關(guān)鍵幀提取研究。為了提高視頻關(guān)鍵幀提取的質(zhì)量和效率,提出一種基于最優(yōu)距離聚類(lèi)和特征融合表達(dá)的視頻關(guān)鍵幀提取算法。在幀間差異性分析基礎(chǔ)上,尋找并確定最優(yōu)幀間距離閾值,采用無(wú)監(jiān)督聚類(lèi)算法對(duì)幀間距離進(jìn)行聚類(lèi),獲得類(lèi)別數(shù)目最優(yōu)的類(lèi)圖像集;計(jì)算圖像的顏色復(fù)雜度和信息熵并融合,按照類(lèi)中圖像特征值“平均”的思想提取類(lèi)代表幀,組成視頻關(guān)鍵幀。該算法解決了無(wú)監(jiān)督聚類(lèi)對(duì)閾值的依賴(lài)性問(wèn)題,兼顧了視頻中目標(biāo)變化和環(huán)境異常兩種情況,具有良好的性能和適應(yīng)性。2)茶樹(shù)葉部病害顯著圖提取研究。為了實(shí)現(xiàn)復(fù)雜背景下茶樹(shù)葉部病害圖像的準(zhǔn)確提取,提出一種將SLIC和SVM算法... 

【文章來(lái)源】：安徽農(nóng)業(yè)大學(xué)安徽省

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－２最優(yōu)距離閾值選取參數(shù)曲線(xiàn)圖??

?＊——ｎ?ｆ?／??ａｍ?＊?＾?／??５?９６＇?＇／?■畜?９０?／??趙?／?＼?迴?／??９４?，?＊?爺—一?”?８５?／???■??．／？?－?Ｆｉｄｅｌｉｔｙ???來(lái)＇?—＊?－?Ｒａｔｉｏ??９２?＊■?１?１?１?＇??８０??１?＇?１?１???０．２?０．２１?０．２２?０．２３?０．２４?０．２５?０．０９?０．１?０．１１?０．１２?０．１３?０．１４??（ｃ）閾值?（ｄ）閾值??圖２－３保真度、壓縮率隨距離閾值變化曲線(xiàn)??Ｆｉｇ?２－３?Ｆｉｄｅｌｉｔｙ?＆?Ｃｏｍｐｒｅｓｓｉｏｎ?ｒａｔｅ?ｃｕｒｖｅ?ｗｉｔｈ?Ｄ?ｔｈｒｅｓｈｏｌｄ??注：圖ａｂｅｄ分別對(duì)應(yīng)４個(gè)試驗(yàn)視頻??２．３．２關(guān)鍵幀提取結(jié)果分析??用０ＣＦＦ算法提取的４個(gè)監(jiān)測(cè)視頻的關(guān)鍵幀，結(jié)果如表２－２和圖２－４所示。表２－２??中關(guān)鍵幀保真度和壓縮率值均較高，ＴＶ（ｄ）為手機(jī)實(shí)地監(jiān)拍視頻，由于幀圖像分辨率較??高，因此運(yùn)行時(shí)間也就相對(duì)較長(zhǎng)。圖２－４為提取出的關(guān)鍵幀以及對(duì)應(yīng)的幀序列號(hào)，將關(guān)??鍵幀與視覺(jué)觀察的視頻內(nèi)容相比，提取出的關(guān)鍵幀與人為觀察判斷出的關(guān)鍵幀一致。將??關(guān)鍵幀幀號(hào)與圖２－２（ａ）變化趨勢(shì)對(duì)比顯示，曲線(xiàn)變化大的視頻關(guān)鍵幀提取出的數(shù)量多，??并且關(guān)鍵幀對(duì)應(yīng)的幀序列號(hào)與幀差異性分析對(duì)應(yīng)的突變點(diǎn)基本一致。??表２－２關(guān)鍵幀提取實(shí)驗(yàn)結(jié)果??Ｔａｂ．２－２?Ｒｅｓｕｌｔｓ?ｏｆ?ｋｅｙ?ｆｒａｍｅ?ｅｘｔｒａｃｔｉｏｎ??視頻名稱(chēng)?幀數(shù)辦?關(guān)鍵幀／頓?保真度／％?壓縮率／％?運(yùn)行時(shí)間／Ｓ??ＴＶ（ａ）?１６１?４?９５．５?９７．５

?１００?－?｜ｌ?ＩＰＣＭ好法?１２〇?ｊｌ?ＩＰＣＭ好法??９５?ｌ?ｉ；??ｊ?１００?■??９０?？?彳一??孑?＾?８０－?？??書(shū)?８５．?ＦＩ?Ｓ?｜??１８〇?｜?ｉｎ?ｎ?Ｓ６〇??１１１?ＩＩＩ?ｌｉｌ?１１１?：Ｌ?ｉｉ?Ｊｌ［??ＴＶ（ａ）?ＴＶ（ｂ）?ＴＶ（ｃ）?ＴＶ（ｄ）?ＴＶ（ａ）?ＴＶ（ｂ）?ＴＶ（ｃ）?ＴＶ（ｄ）??（ａ）保真度?（ｂ）運(yùn)行時(shí)間??（ａ）?Ｆｉｄｅｌｉｔｙ?（ｂ）?Ｔｉｍｅ?ｃｏｎｓｕｍｐｔｉｏｎ??圖２－５三種算法指標(biāo)對(duì)比圖??Ｆｉｇ?２－５?Ｉｎｄｉｃａｔｏｒ?ｃｏｍｐａｒｉｓｏｎ?ｃｈａｒｔ?ｏｆ?ｔｈｒｅｅ?ａｌｇｏｒｉｔｈｍ??２．４關(guān)鍵幀提取算法在茶樹(shù)監(jiān)測(cè)視頻中的應(yīng)用??關(guān)鍵幀提取算法在多類(lèi)型視頻監(jiān)控關(guān)鍵幀提取中應(yīng)用良好，將算法應(yīng)用于茶樹(shù)監(jiān)測(cè)??視頻中。在安徽農(nóng)業(yè)大學(xué)大洋店農(nóng)業(yè)園茶種植基地布置監(jiān)控?cái)z像頭，用于采集茶樹(shù)生長(zhǎng)??監(jiān)測(cè)視頻。通過(guò)團(tuán)隊(duì)專(zhuān)門(mén)開(kāi)發(fā)的軟件對(duì)預(yù)先設(shè)置好的預(yù)置位進(jìn)行巡航采集茶園視頻，軟??件操作界面如圖２－６所示�？蓪�(shí)現(xiàn)的基礎(chǔ)功能有：通過(guò)控制攝像頭旋轉(zhuǎn)、變倍、光圈和??聚焦等方法實(shí)現(xiàn)高質(zhì)量、多角度和多區(qū)域采集茶樹(shù)生長(zhǎng)監(jiān)控視頻；通過(guò)預(yù)先設(shè)置預(yù)置位??進(jìn)行巡航抓拍，實(shí)現(xiàn)多角度多區(qū)域圖像的同時(shí)進(jìn)行；除此之外，還可實(shí)現(xiàn)攝像頭的幀率??等基礎(chǔ)配置參數(shù)的設(shè)置。??受到病害發(fā)生條件以及茶樹(shù)實(shí)際生長(zhǎng)情況的限制，本章以采集到的茶樹(shù)花開(kāi)過(guò)程視??頻為試驗(yàn)基礎(chǔ)，對(duì)關(guān)鍵幀提取算法進(jìn)行驗(yàn)證。視頻采集跨越茶樹(shù)花開(kāi)過(guò)程整個(gè)周期，??從２０】８年１１月２５日到２０］９年２月１４日止。釆集周期跨度較長(zhǎng)，包含了晴天、陰天、??雨天、雪天以及霜降等

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)和小樣本的茶樹(shù)病害圖像識(shí)別[J]. 孫云云,江朝暉,董偉,張立平,饒?jiān)?李紹穩(wěn).  江蘇農(nóng)業(yè)學(xué)報(bào). 2019(01)
[2]基因表達(dá)式編程優(yōu)化的色調(diào)保持低照度圖像增強(qiáng)[J]. 賈新宇,李婷婷,江朝暉,劉海秋,饒?jiān)?  激光與光電子學(xué)進(jìn)展. 2019(09)
[3]相對(duì)顏色空間下梯度分層重構(gòu)的分水嶺分割[J]. 賈新宇,江朝暉,魏雅鹛,劉連忠.  計(jì)算機(jī)科學(xué). 2018(S2)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)與遷移學(xué)習(xí)的油茶病害圖像識(shí)別[J]. 龍滿(mǎn)生,歐陽(yáng)春娟,劉歡,付青.  農(nóng)業(yè)工程學(xué)報(bào). 2018(18)
[5]最優(yōu)距離聚類(lèi)和特征融合表達(dá)的關(guān)鍵幀提取[J]. 孫云云,江朝暉,單桂朋,劉海秋,饒?jiān)?  南京理工大學(xué)學(xué)報(bào). 2018(04)
[6]卷積神經(jīng)網(wǎng)絡(luò)在黃瓜葉部病害識(shí)別中的應(yīng)用[J]. 張善文,謝澤奇,張晴晴.  江蘇農(nóng)業(yè)學(xué)報(bào). 2018(01)
[7]基于GF-1/WFV數(shù)據(jù)的冬小麥條銹病遙感監(jiān)測(cè)[J]. 王利民,劉佳,楊福剛,楊玲波,姚保民,高建孟.  農(nóng)業(yè)工程學(xué)報(bào). 2017(20)
[8]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的多種植物葉片病害識(shí)別[J]. 孫俊,譚文軍,毛罕平,武小紅,陳勇,汪龍.  農(nóng)業(yè)工程學(xué)報(bào). 2017(19)
[9]結(jié)合卷積神經(jīng)網(wǎng)絡(luò)和超像素聚類(lèi)的細(xì)胞圖像分割方法[J]. 楊金鑫,楊輝華,李靈巧,潘細(xì)朋,劉振丙,周潔茜.  計(jì)算機(jī)應(yīng)用研究. 2018(05)
[10]基于融合圖像與運(yùn)動(dòng)量的奶牛行為識(shí)別方法[J]. 顧靜秋,王志海,高榮華,吳華瑞.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(06)

博士論文
[1]面向葉部病害識(shí)別的設(shè)施蔬菜監(jiān)控視頻關(guān)鍵幀提取方法研究[D]. 馬浚誠(chéng).中國(guó)農(nóng)業(yè)大學(xué) 2016
[2]基于機(jī)器視覺(jué)的害蟲(chóng)識(shí)別方法研究[D]. 吳翔.浙江大學(xué) 2016

碩士論文
[1]基于基因表達(dá)式編程的農(nóng)業(yè)信息處理研究[D]. 李婷婷.安徽農(nóng)業(yè)大學(xué) 2018
[2]基于圖像技術(shù)的作物水分檢測(cè)研究與應(yīng)用[D]. 楊春合.安徽農(nóng)業(yè)大學(xué) 2016
[3]養(yǎng)殖大菱鲆4種致病菌多重PCR和熒光定量PCR檢測(cè)方法的建立[D]. 劉智超.中國(guó)海洋大學(xué) 2012
[4]網(wǎng)絡(luò)視頻流發(fā)現(xiàn)及關(guān)鍵幀提取相關(guān)技術(shù)研究[D]. 郭曉軍.西安理工大學(xué) 2009



本文編號(hào)：2999721