儲(chǔ)糧害蟲問題困擾著世界上許多國(guó)家,每年都會(huì)因蟲害問題損失高額的糧食^[1]。中國(guó)的農(nóng)作物和其加工產(chǎn)品在農(nóng)產(chǎn)品出口中排第二,在中國(guó)國(guó)民經(jīng)濟(jì)中占據(jù)著重要地位,然而即便如此,也無法控制儲(chǔ)糧害蟲引起的安全問題。為了解決這一問題,需要檢測(cè)出這些害蟲并將其消滅。對(duì)于害蟲的檢測(cè),除了使用聲音檢測(cè)方法外,其他諸如人工肉眼判斷的方法不利于害蟲的自動(dòng)檢測(cè),而且傳統(tǒng)的檢測(cè)方法耗時(shí)長(zhǎng)且所需費(fèi)用較高,因此,一種基于圖像識(shí)別處理的害蟲檢測(cè)方法應(yīng)運(yùn)而生,并將此技術(shù)應(yīng)用于農(nóng)業(yè)生產(chǎn)中。準(zhǔn)確鑒定作物病蟲害是避免損失的重要前提。圖像識(shí)別方法以其高效、低成本、易操作等優(yōu)點(diǎn),成為近年來害蟲防治工作的研究熱點(diǎn)和主要技術(shù)手段。重點(diǎn)關(guān)注作物病蟲害圖像識(shí)別的發(fā)展前景,將病蟲害圖像識(shí)別與物聯(lián)網(wǎng),傳感器等技術(shù)相結(jié)合。建立和收集農(nóng)業(yè)大數(shù)據(jù),為智慧農(nóng)業(yè)提供數(shù)據(jù)基礎(chǔ)。針對(duì)基于圖像識(shí)別的儲(chǔ)糧害蟲問題,本文以常見的玉米象為研究對(duì)象,提出了一種基于圖像識(shí)別的糧食害蟲圖像識(shí)別方法。建立玉米象數(shù)據(jù)集,使用SVM、Adaboost算法、Logistic回歸算法對(duì)圖片數(shù)據(jù)進(jìn)行分類訓(xùn)練,同時(shí),使用測(cè)試樣本對(duì)訓(xùn)練模型進(jìn)行測(cè)試,最終對(duì)比其識(shí)別精... 

【文章來源】：山西農(nóng)業(yè)大學(xué)山西省

【文章頁(yè)數(shù)】：38 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

玉米象

-14-4實(shí)驗(yàn)過程4.1研究對(duì)象本論文以玉米中的玉米象為例作為研究對(duì)象如圖4-1。玉米象是中國(guó)儲(chǔ)糧的頭號(hào)害蟲，也是世界性的重要儲(chǔ)糧害蟲[24]。玉米象屬于鉆蛀性害蟲，其成蟲以玉米、小麥及高粱為食如圖4-2，幼蟲存在于禾谷類種子內(nèi)。主要為害貯存2—3年的陳糧，成蟲啃食，幼蟲蛀食谷粒[32]，是一種最主要的初期性害蟲，貯糧被玉米象咬食而造成許多碎粒及粉屑，易引起后期性蟲害的發(fā)生[25]。圖4-1玉米象Figure4-1Cornweevil針對(duì)人工檢測(cè)儲(chǔ)糧玉米內(nèi)部害蟲效率低、容易漏檢等問題展開研究。玉米象是儲(chǔ)糧害蟲主要害蟲之一，嚴(yán)重時(shí)可引起多樣蟲子感染[26]。所以，玉米象的防治也成為許多科研人員研究的重點(diǎn)之一，但目前人工防治與化學(xué)防治已無法滿足當(dāng)前農(nóng)作物的安全生產(chǎn)，開發(fā)圖像識(shí)別技術(shù)已然成為了玉米象防治領(lǐng)域的焦點(diǎn)。圖3-2被玉米象污染的糧堆（圖片來源于網(wǎng)絡(luò)）Figure3-2CornweevilContaminatedGrainPiles

-16-的特征。我們知道一幅圖像包含很多的信息，由多個(gè)像素組成。若每一個(gè)像素視為一維數(shù)據(jù)，想要得到計(jì)算結(jié)果則很難，因?yàn)橄袼刂g不僅僅關(guān)聯(lián)較大而且還包含著一個(gè)含量很高的特征向量[54]。PCA技術(shù)不僅降低了數(shù)據(jù)的維度而且還去除了一定的噪聲影響。第一步，將p*q圖像轉(zhuǎn)換成灰度圖qpijf*)(，以列向量為基準(zhǔn)將矩陣按列相連，生成向量),,,,,,,(222112111pqpffffffx和),,,(21nxxxR包含N個(gè)圖像。第二步，計(jì)算矩陣R的均值x如公式（27）：（27）第三步，計(jì)算矩陣R的離散度矩陣TiniimxmxS)()(1，然后求出S的前m個(gè)最大的特征值m，，，，321得出對(duì)應(yīng)的特征向量m,,,,321構(gòu)成特征矩陣),,,,(321mA。第四步，將圖片投影到由矩陣A的子空間中，對(duì)應(yīng)空間中的一個(gè)點(diǎn)，即iTYxA，),,,(21myyyY其中iy是在子空間中的點(diǎn)。第五步，將圖像樣本q降維，然后通過L2距離計(jì)算q與),,,(21myyyY中列向量的相似度，最后將距離進(jìn)行排序得出檢索結(jié)果[55]。完成PCA算法后，接下來就是使用它進(jìn)行降維處理實(shí)驗(yàn)，對(duì)三維立體圖像進(jìn)行降維處理如圖4-3和圖4-4。圖4-3降維前圖4-4降維后Figure4-3BeforedimensionreductionFigure4-4Afterdimensionreduction4.3SVM技術(shù)訓(xùn)練本次實(shí)驗(yàn)主要針對(duì)兩組圖片進(jìn)行，首先將圖片進(jìn)行SVM分類處理，進(jìn)行圖片分類，不可避免地是提前需要將圖片劃分為訓(xùn)練集與測(cè)試集。實(shí)驗(yàn)中訓(xùn)練集是50張的有蟲的圖片以及50張無蟲圖片。相應(yīng)的測(cè)試集所含內(nèi)容一致。隨機(jī)輸入玉米圖片，測(cè)試10張NiixNx11

【參考文獻(xiàn)】：
期刊論文
[1]我國(guó)智能網(wǎng)聯(lián)汽車測(cè)試及示范基地發(fā)展現(xiàn)狀[J]. 鄧曉峰,王潤(rùn)民,徐志剛,劉丁貝.  汽車工業(yè)研究. 2019(01)
[2]基于城市先進(jìn)道路交通系統(tǒng)的智能交通仿真平臺(tái)設(shè)計(jì)[J]. 趙津,張博,張慶余,趙鵬超.  汽車工業(yè)研究. 2019(01)
[3]物聯(lián)網(wǎng)技術(shù)在智能交通領(lǐng)域中的應(yīng)用[J]. 張普釩.  科技傳播. 2019(04)
[4]基于云平臺(tái)的農(nóng)業(yè)綜合信息應(yīng)用系統(tǒng)的設(shè)計(jì)與開發(fā)[J]. 張學(xué)利,馬娜,朱瑜馨,趙永明,汪健平,劉國(guó).  地理空間信息. 2019(02)
[5]基于機(jī)器視覺的車道線智能識(shí)別系統(tǒng)的設(shè)計(jì)[J]. 劉文俊,陳世春.  智能建筑與智慧城市. 2019(02)
[6]智能交通協(xié)調(diào)控制系統(tǒng)設(shè)計(jì)研究[J]. 溫毓銘,滕國(guó)文.  智能計(jì)算機(jī)與應(yīng)用. 2019(02)
[7]信息化在農(nóng)業(yè)經(jīng)濟(jì)管理中的應(yīng)用研究[J]. 魯娜.  農(nóng)業(yè)與技術(shù). 2019(03)
[8]信息化對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)影響的回歸分析[J]. 姚長(zhǎng)林.  農(nóng)業(yè)與技術(shù). 2019(03)
[9]現(xiàn)代農(nóng)業(yè)與農(nóng)業(yè)信息化探析[J]. 宋勇建,宋金玲.  農(nóng)家參謀. 2019(03)
[10]基于物聯(lián)網(wǎng)的農(nóng)業(yè)信息化系統(tǒng)研究與設(shè)計(jì)[J]. 袁越輝.  農(nóng)家參謀. 2019(03)

博士論文
[1]基于支持向量機(jī)的植物病害識(shí)別研究[D]. 任東.吉林大學(xué) 2007



本文編號(hào)：3127859