近年來番茄的種植面積增多,番茄病害成了限制番茄質(zhì)量、品質(zhì)和經(jīng)濟效益的主要因素。因此在番茄病害早期時能準(zhǔn)確的識別出病害種類是至關(guān)重要的。我國目前識別番茄病害的主要方法是靠人工識別,只能根據(jù)自身經(jīng)驗來診斷和用藥,主觀性強,容易出現(xiàn)偏差,有一定的局限性。隨著計算機視覺技術(shù)和人工智能的興起,圖像處理技術(shù)逐漸應(yīng)用于各個方面,開始研究利用計算機實現(xiàn)識別作物病害的方法。大部分番茄病害發(fā)病早期會在葉部產(chǎn)生病斑,因此識別葉部病害可以提前對其進行診斷預(yù)防,保證番茄產(chǎn)量和質(zhì)量。本文在分析了國內(nèi)外近些年來圖像處理技術(shù)和模式識別技術(shù)的基礎(chǔ)上,重點研究了番茄早期葉部病害的識別方法。研究了一種通過對葉部病斑圖像的紋理特征、形狀特征進行提取,結(jié)合BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)番茄葉部病害識別的方法。本文的主要工作如下:(1)番茄葉部病害圖像的預(yù)處理:在采集設(shè)備、光照強度、雜草灰塵等各種因素的影響下,采集的番茄病害圖像會存在一些噪聲干擾,因此要對圖像進行預(yù)處理。依次對圖像作圖像均衡化和圖像去噪。圖像平滑處理中,對比了均值濾波和中值濾波,實驗結(jié)果表明中值濾波處理效果較好。(2)番茄葉部病害圖像分割:圖像分割是整個圖像識別過程中最重要的... 

【文章來源】：河北農(nóng)業(yè)大學(xué)河北省

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 研究內(nèi)容與技術(shù)路線
        1.3.1 研究目標(biāo)
        1.3.2 研究內(nèi)容
        1.3.3 技術(shù)路線
    1.4 論文結(jié)構(gòu)
2 番茄病害圖像采集和預(yù)處理
    2.1 番茄常見病害及其特點
        2.1.1 番茄葉部病害的特點
    2.2 病害的圖像采集
    2.3 病害圖像的預(yù)處理
        2.3.1 灰度化
        2.3.2 直方圖均衡化
        2.3.3 圖像平滑
    2.4 本章小結(jié)
3 番茄病害圖像分割
    3.1 顏色空間模型的選擇
        3.1.1 常見的顏色空間模型
        3.1.2 各空間模型下番茄病害圖像的特點
    3.2 閾值分割法
        3.2.1 雙峰法
        3.2.2 迭代法
        3.2.3 最大類間方差法
    3.3 數(shù)字形態(tài)學(xué)處理
        3.3.1 腐蝕和膨脹
        3.3.2 開運算和閉運算
    3.4 番茄病害圖像分割法的選取
    3.5 本章小結(jié)
4 番茄病害圖像的特征提取
    4.1 番茄葉部病斑分析
    4.2 紋理特征提取
        4.2.1 灰度共生矩陣
        4.2.2 灰度共生矩陣構(gòu)造紋理特征參數(shù)
        4.2.3 番茄葉部病害的紋理特征提取
    4.3 形狀特征提取
        4.3.1 構(gòu)造病斑的形狀特征參數(shù)
        4.3.2 形狀特征提取的預(yù)處理
        4.3.3 番茄葉部病害的形狀特征提取
    4.4 番茄葉部病斑特征參數(shù)的選取
    4.5 本章小結(jié)
5 番茄葉部病害識別
    5.1 模式識別
    5.2 BP神經(jīng)網(wǎng)絡(luò)
        5.2.1 BP神經(jīng)網(wǎng)絡(luò)模型
        5.2.2 BP網(wǎng)絡(luò)模型的優(yōu)化
    5.3 番茄葉部病害識別BP網(wǎng)絡(luò)設(shè)計
        5.3.1 BP網(wǎng)絡(luò)的訓(xùn)練和測試
        5.3.2 實驗結(jié)果及分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
研究生期間發(fā)表的學(xué)術(shù)論文
作者簡介
致謝
中文詳細摘要


【參考文獻】：
期刊論文
[1]基于圖像處理的園林綠化中病害防治及其樹木養(yǎng)護方法研究仿真[J]. 任麗麗.  中國園藝文摘. 2018(03)
[2]基于圖像處理的黃瓜葉子病害識別系統(tǒng)的研究[J]. 劉娜,趙慧,包思圓,張繼超,羊志膺.  山東工業(yè)技術(shù). 2018(05)
[3]探究基于圖像處理技術(shù)的黃瓜葉部病害識別診斷系統(tǒng)[J]. 郝云飛.  現(xiàn)代農(nóng)村科技. 2016(19)
[4]基于圖像處理技術(shù)的四種苜蓿葉部病害的識別[J]. 秦豐,劉東霞,孫炳達,阮柳,馬占鴻,王海光.  中國農(nóng)業(yè)大學(xué)學(xué)報. 2016(10)
[5]基于圖像處理技術(shù)的小麥葉部病害識別研究[J]. 夏永泉,李耀斌,李晨.  科技通報. 2016(04)
[6]基于圖像處理的農(nóng)田作物病害識別研究[J]. 彭吳琦,趙坤坤,焦倩雪,吳紅,王曉蘭.  福建農(nóng)業(yè). 2015(06)
[7]基于圖像處理和模糊識別技術(shù)的煙葉病害識別研究[J]. 王建璽,徐向藝.  現(xiàn)代電子技術(shù). 2015(08)
[8]基于改進BP神經(jīng)網(wǎng)絡(luò)的大豆病害檢測[J]. 張云龍,來智勇,景旭,呂靜.  農(nóng)機化研究. 2015(02)
[9]基于圖像處理技術(shù)的黃瓜葉部病害識別診斷系統(tǒng)[J]. 張芳,付立思.  農(nóng)機化研究. 2014(09)
[10]基于葉片圖像和環(huán)境信息的黃瓜病害識別方法[J]. 王獻鋒,張善文,王震,張強.  農(nóng)業(yè)工程學(xué)報. 2014(14)

碩士論文
[1]基于小波變換和人工神經(jīng)網(wǎng)絡(luò)的玉米種子純度識別[D]. 曹維時.山東農(nóng)業(yè)大學(xué) 2014
[2]基于數(shù)學(xué)形態(tài)學(xué)的圖像去噪[D]. 耿帥.山東師范大學(xué) 2012
[3]基于數(shù)學(xué)形態(tài)學(xué)稻種紋理特征提取與識別研究[D]. 黃美芝.南京農(nóng)業(yè)大學(xué) 2010
[4]基于圖像分析的蘋果病害識別技術(shù)研究[D]. 李宗儒.西北農(nóng)林科技大學(xué) 2010
[5]基于圖像的水稻病害識別方法的研究[D]. 管澤鑫.浙江理工大學(xué) 2010
[6]基于機器視覺的電子樁考系統(tǒng)[D]. 彭興邦.合肥工業(yè)大學(xué) 2006



本文編號：2940983