本文選題：大豆病害　切入點：特征提取　出處：《農(nóng)業(yè)機械學(xué)報》2017年01期 　論文類型：期刊論文

【摘要】：針對大豆葉部病害性狀特征與病種之間的模糊性和不確定性,將數(shù)字圖像處理技術(shù)與神經(jīng)網(wǎng)絡(luò)智能推理技術(shù)相結(jié)合,充分挖掘大豆受病害脅迫后表現(xiàn)性狀與病種之間的潛在規(guī)律,提出了基于改進級聯(lián)神經(jīng)網(wǎng)絡(luò)的大豆病害診斷模型。首先利用自制載物模板無損采集大田大豆葉部病害數(shù)字圖像,計算病斑區(qū)域的形狀特征、顏色特征及紋理特征14維度特征參數(shù);為突顯各方面特征對于不同病害種類決定作用的差異性,構(gòu)建各子神經(jīng)網(wǎng)絡(luò)并聯(lián)的第1級網(wǎng)絡(luò),第2級網(wǎng)絡(luò)的輸入為第1級網(wǎng)絡(luò)的輸出,利用多維特征各自優(yōu)勢來自動取得病種模式推理規(guī)則,建立了用于大豆葉部病害自動診斷的兩級級聯(lián)神經(jīng)網(wǎng)絡(luò)模型,仿真實驗準(zhǔn)確率為97.67%;同時應(yīng)用量子遺傳計算優(yōu)化級聯(lián)神經(jīng)網(wǎng)絡(luò)參數(shù),平均迭代次數(shù)為743,平均網(wǎng)絡(luò)誤差為0.000 995 445,提高了學(xué)習(xí)效率,實現(xiàn)了大豆葉部病害的高效自動診斷和精確測報,為大田農(nóng)作物全面系統(tǒng)地開展作物病害監(jiān)測、智能施藥及自動防治提供了理論依據(jù)。
[Abstract]:Aiming at the fuzziness and uncertainty between characters of soybean leaf disease and disease species, digital image processing technology and neural network intelligent reasoning technology were combined. In this paper, the potential rules between the performance traits and the disease species of soybean under disease stress are fully explored, and a soybean disease diagnosis model based on improved cascade neural network is proposed. Firstly, the digital images of soybean leaf diseases in the field are collected without loss by using self-made load template. The shape feature, color feature and texture feature of the disease spot region are calculated in 14 dimensions. In order to highlight the difference of the influence of the different features on different disease types, the first level network of each sub-neural network is constructed in parallel. The input of the second level network is the output of the first level network. The inference rules of disease patterns are automatically obtained by using the advantages of multi-dimensional features, and a two-stage cascade neural network model for automatic diagnosis of soybean leaf diseases is established. The accuracy of simulation experiment is 97.67, and the parameters of cascade neural network are optimized by quantum genetic computation, the average iteration number is 743, the average network error is 0.000 995,445, and the learning efficiency is improved. The high efficient automatic diagnosis and accurate forecast of soybean leaf diseases were realized, which provided the theoretical basis for the comprehensive and systematic crop disease monitoring, intelligent application and automatic control of soybean leaf diseases.
【作者單位】： 黑龍江八一農(nóng)墾大學(xué)信息技術(shù)學(xué)院;中國農(nóng)業(yè)大學(xué)現(xiàn)代精細(xì)農(nóng)業(yè)系統(tǒng)集成研究教育部重點實驗室;
【基金】：國家自然科學(xué)基金項目(31601220、31371532) 黑龍江省自然科學(xué)基金項目(QC2016031) “十二五”國家科技支撐計劃項目(2014BAD06B01) 黑龍江省農(nóng)墾總局科技項目(HNK125A-08-03)
【分類號】：S435.651;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 董廣強,韓繼光,邢艷芳;神經(jīng)網(wǎng)絡(luò)在曲線圖中的應(yīng)用[J];農(nóng)機化研究;2003年01期

2 馮芙葉,趙高長,張Oz舉;梯度神經(jīng)網(wǎng)絡(luò)的H-穩(wěn)定性[J];西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版);2003年01期

3 朱玲;裴洪平;陳榮;;灰色RBF網(wǎng)絡(luò)在西湖葉綠素a預(yù)測中的應(yīng)用[J];農(nóng)機化研究;2008年01期

4 師春祥;王晶;張文靜;段慶;;蟻群神經(jīng)網(wǎng)絡(luò)用于農(nóng)村電力短期負(fù)荷預(yù)測[J];農(nóng)機化研究;2008年10期

5 姚吟秋;;淺談神經(jīng)網(wǎng)絡(luò)在生物工程中的應(yīng)用[J];貴州農(nóng)機化;2011年01期

6 黃星奕,吳守一,方如明;用神經(jīng)網(wǎng)絡(luò)方法進行大米留胚率自動檢測的研究[J];農(nóng)業(yè)工程學(xué)報;1999年04期

7 馮旭東,陳方;神經(jīng)網(wǎng)絡(luò)在病蟲害診斷中的應(yīng)用[J];電腦開發(fā)與應(yīng)用;1999年01期

8 劉素青,周暢,杜盛珍;基于遺傳算法的神經(jīng)網(wǎng)絡(luò)木材消耗量預(yù)測模型研究[J];林業(yè)科學(xué);2001年03期

9 郝志華,馬孝江;多分量神經(jīng)網(wǎng)絡(luò)自回歸模型及其工程應(yīng)用[J];農(nóng)業(yè)機械學(xué)報;2005年02期

10 劉繼龍;張振華;謝恒星;;果園土壤貯水量神經(jīng)網(wǎng)絡(luò)估算模型研究[J];農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究;2007年01期

相關(guān)會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 美國明尼蘇達大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

相關(guān)博士學(xué)位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

，

本文編號：1634896