近年來(lái),中國(guó)葡萄酒釀酒產(chǎn)業(yè)穩(wěn)步發(fā)展,葡萄種植產(chǎn)業(yè)規(guī)模逐漸增大,在葡萄生長(zhǎng)過(guò)程中,病害成為制約其高產(chǎn)、優(yōu)質(zhì)、高效益的重要因素之一。釀酒葡萄大規(guī)模、高密度和集群化種植模式給傳染性病害的防治帶來(lái)極大挑戰(zhàn)。傳統(tǒng)的對(duì)農(nóng)作物病害檢測(cè)和識(shí)別,大都是通過(guò)有經(jīng)驗(yàn)的專家在田間現(xiàn)場(chǎng)進(jìn)行識(shí)別和分析,這種人工蹲守的方式周期長(zhǎng),浪費(fèi)時(shí)間和人力,且效率低。采用基于深度學(xué)習(xí)的病害快速準(zhǔn)確識(shí)別,對(duì)于病害的有效防治具有十分重要的意義。本文對(duì)自然條件下葡萄葉片病害動(dòng)態(tài)監(jiān)測(cè)進(jìn)行研究,為了提高自然成像條件下的釀酒葡萄圖像中病害識(shí)別的可靠性,對(duì)時(shí)序葉片圖像作連續(xù)病害檢測(cè)并檢測(cè)病斑變化情況。本文的方法可以排除一些虛假病害,病害監(jiān)測(cè)的可靠性有所提高,可適用于自然條件下葡萄葉片病害的連續(xù)在線監(jiān)測(cè)。在時(shí)序葉片圖像檢測(cè)跟蹤方面,利用Faster R-CNN算法對(duì)每天攝像機(jī)視場(chǎng)中葡萄葉片進(jìn)行檢測(cè),檢測(cè)到的葉片采用改進(jìn)卡爾曼濾波法進(jìn)行跟蹤,以獲得葉片正面圖像。為了實(shí)現(xiàn)多葉片跟蹤和解決由遮擋而造成的跟蹤失敗問(wèn)題,本文在卡爾曼濾波和匈牙利算法基礎(chǔ)上,提出來(lái)一種新跟蹤方法,該方法結(jié)合運(yùn)動(dòng)測(cè)度和深度外觀信息對(duì)跟蹤目標(biāo)進(jìn)行匹配,運(yùn)動(dòng)匹配時(shí)采用馬氏距離,... 

【文章來(lái)源】：甘肅農(nóng)業(yè)大學(xué)甘肅省

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Summary
第一章 緒論
    1.1 論文研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 目標(biāo)檢測(cè)研究現(xiàn)狀
        1.2.2 目標(biāo)跟蹤研究現(xiàn)狀
        1.2.3 顯著性檢測(cè)研究現(xiàn)狀
        1.2.4 植物病害識(shí)別研究現(xiàn)狀
    1.3 本文研究的主要內(nèi)容與結(jié)構(gòu)安排
第二章 葉片檢測(cè)與跟蹤
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
    2.2 Faster R-CNN目標(biāo)檢測(cè)算法
    2.3 試驗(yàn)數(shù)據(jù)集采集
    2.4 葉片檢測(cè)
    2.5 葉片跟蹤
        2.5.1 狀態(tài)估計(jì)
        2.5.2 軌跡處理
        2.5.3 跟蹤過(guò)程的匹配
        2.5.4 引入級(jí)聯(lián)匹配
        2.5.5 外觀特征提取
    2.6 試驗(yàn)與結(jié)果分析
    2.7 本章小結(jié)
第三章 葉片病害顯著性檢測(cè)與病害識(shí)別
    3.1 顯著檢測(cè)模型
    3.2 網(wǎng)絡(luò)結(jié)構(gòu)
    3.3 非局部特征提取
    3.4 交叉熵?fù)p失和IoU邊界損失
    3.5 葉片病害顯著性檢測(cè)結(jié)果與分析
        3.5.1 試驗(yàn)樣本采集
        3.5.2 試驗(yàn)結(jié)果與分析
    3.6 病害識(shí)別
    3.7 本章小結(jié)
第四章 葉片病害的動(dòng)態(tài)監(jiān)測(cè)
    4.0 試驗(yàn)數(shù)據(jù)集
    4.1 數(shù)據(jù)庫(kù)葉片匹配
    4.2 病斑相對(duì)面積測(cè)量
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 數(shù)據(jù)庫(kù)葉片匹配
        4.3.2 病斑相對(duì)面積測(cè)量
        4.3.3 Daniel檢測(cè)法的判斷結(jié)果
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 結(jié)論
    5.2 展望
致謝
參考文獻(xiàn)
導(dǎo)師簡(jiǎn)介
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]基于卷積網(wǎng)絡(luò)和哈希碼的玉米田間雜草快速識(shí)別方法[J]. 姜紅花,王鵬飛,張昭,毛文華,趙博,齊鵬.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(11)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的草莓葉部白粉病病害識(shí)別[J]. 楊晉丹,楊濤,苗騰,朱超,沈秋采,彭宇飛,梅珀彰,黨雨晴.  江蘇農(nóng)業(yè)學(xué)報(bào). 2018(03)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的溫室黃瓜病害識(shí)別系統(tǒng)[J]. 馬浚誠(chéng),杜克明,鄭飛翔,張領(lǐng)先,孫忠富.  農(nóng)業(yè)工程學(xué)報(bào). 2018(12)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的葡萄葉片病害檢測(cè)方法[J]. 劉闐宇,馮全,楊森.  東北農(nóng)業(yè)大學(xué)學(xué)報(bào). 2018(03)
[5]自然環(huán)境下綠色柑橘視覺(jué)檢測(cè)技術(shù)研究[J]. 熊俊濤,劉振,湯林越,林睿,卜榕彬,彭紅星.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(04)
[6]基于深度學(xué)習(xí)的大棚及地膜農(nóng)田無(wú)人機(jī)航拍監(jiān)測(cè)方法[J]. 孫鈺,韓京冶,陳志泊,史明昌,付紅萍,楊猛.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(02)
[7]基于全卷積網(wǎng)絡(luò)的語(yǔ)義顯著性區(qū)域檢測(cè)方法研究[J]. 鄭云飛,張雄偉,曹鐵勇,孫蒙.  電子學(xué)報(bào). 2017(11)
[8]棉花苗葉片復(fù)雜背景圖像的聯(lián)合分割算法[J]. 李凱,馮全,張建華.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2017(10)
[9]基于WT-Otsu算法的植物病害葉片圖像分割方法[J]. 張會(huì)敏,謝澤奇,張善文,張?jiān)讫?  江蘇農(nóng)業(yè)科學(xué). 2017(18)
[10]葡萄與葡萄酒產(chǎn)業(yè)在全面建成小康社會(huì)中的地位作用及政策建議[J]. 韓永奇.  農(nóng)業(yè)部管理干部學(xué)院學(xué)報(bào). 2017(03)

博士論文
[1]基于圖像分析的植物葉部病害識(shí)別方法研究[D]. 胡秋霞.西北農(nóng)林科技大學(xué) 2013

碩士論文
[1]基于深度學(xué)習(xí)的葡萄葉片病害識(shí)別方法研究[D]. 劉媛.甘肅農(nóng)業(yè)大學(xué) 2018
[2]基于機(jī)器視覺(jué)的蔬菜種子質(zhì)量檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 全勝.湖南大學(xué) 2017
[3]醫(yī)學(xué)圖像中多目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D]. 蔡俊林.華南理工大學(xué) 2012



本文編號(hào)：3149401