發(fā)布時間：2020-03-30 20:34

【摘要】：在全世界各國,農作物病害都會對作物產量造成嚴重影響,如何精準識別不同種類病害、科學診斷出病害是智慧農業(yè)的重要研究方向。本文主要以大豆病害里最常見的病毒病、白粉病、霜霉病、褐斑病和灰斑病五種病害為研究對象,進行病害自動識別研究。目前針對農作物病害識別多是以人工提取顏色、形狀和光譜等特征為主,這些特征容易受人為和自然環(huán)境影響,造成識別率的降低。針對上述問題,本文采用卷積神經網絡的特征學習方法,對病害特征進行自動提取學習,并通過改進模型和壓縮模型策略,最終在更小的模型尺寸下達到了較好效果,為大豆病害的自動識別在低端移動平臺的應用提供理論支持。本文主要研究:(1)構建了大豆病害模型訓練數(shù)據(jù)集。通過增強、翻轉和加噪點等樣本擴充方法,將五種病害數(shù)據(jù)集擴充到3430張,彌補了一些小樣本訓練的缺陷。針對病害樣本量普遍較少的問題,提出了一種基于K-means的預訓練卷積神經網絡模型,通過矢量量化思想,構建特征表達字典,將聚類結果作為Conv1的權值,并研究構造了多種卷積神經網絡模型,分析權值分布特點,討論最優(yōu)K值、Patch塊大小、激活函數(shù)和不同初始化方式對網絡的影響。探究了模型結合Dropout稀疏數(shù)據(jù)增強策略來強化特征,解決了過擬合問題,以及網絡深度對K-means預訓練效果的影響等。該模型解決了隨機初始化權值的缺陷,最終,在小樣本的大豆病害下,驗證了 K-means預訓練方法的有效性,準確率達到96.7%。(2)針對模型大、收斂速度慢、穩(wěn)定性不高的問題,在基于無監(jiān)督卷預訓練積神經網絡的基礎上,提出了基于批標準化的小型化網絡架構模型。通過加入BN層,調節(jié)其在激活函數(shù)前的數(shù)值分布,解決了收斂速度慢和神經元壞死等問題。根據(jù)卷積神經網絡架構特點,提出權值裁剪和架構壓縮策略,通過設置閾值過濾掉微小權值,并研究設置不同的卷積核數(shù)目和尺寸、不同的FC節(jié)點數(shù)等來減少冗余,在大豆病害識別模型上驗證效果,最終將參數(shù)內存壓縮到9.6 M的情況下,準確率快速收斂到94.6%,保證精度的同時大大縮減了模型尺寸與計算量,該模型小快準的優(yōu)點解決了當下模型普遍內存和計算量太大,無法應用到移動端及農業(yè)機器人等低端運算平臺的問題。
【學位授予單位】：安徽大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：S435.651;TP183

【參考文獻】

相關期刊論文 前10條

1 黃雙萍;孫超;齊龍;馬旭;汪文娟;;基于深度卷積神經網絡的水稻穗瘟病檢測方法[J];農業(yè)工程學報;2017年20期

2 孫俊;譚文軍;毛罕平;武小紅;陳勇;汪龍;;基于改進卷積神經網絡的多種植物葉片病害識別[J];農業(yè)工程學報;2017年19期

3 劉闐宇;馮全;;基于卷積神經網絡的葡萄葉片檢測[J];西北大學學報(自然科學版);2017年04期

4 劉慶;唐賢倫;張娜;;基于非監(jiān)督預訓練的結構優(yōu)化卷積神經網絡[J];工程科學與技術;2017年S2期

5 鄒月嫻;余嘉勝;陳澤晗;陳錦;王毅;;圖像分類卷積神經網絡的特征選擇模型壓縮方法（英文）[J];控制理論與應用;2017年06期

6 秦豐;劉東霞;孫炳達;阮柳;馬占鴻;王海光;;基于圖像處理技術的四種苜蓿葉部病害的識別[J];中國農業(yè)大學學報;2016年10期

7 馬偉;王秀;祁力鈞;;基于可見-近紅外光譜分析的植株葉片病害光譜識別研究[J];光譜學與光譜分析;2016年S1期

8 李彥冬;郝宗波;雷航;;卷積神經網絡研究綜述[J];計算機應用;2016年09期

9 李沐慧;王媛媛;陳井生;顏秀娟;劉曉宇;段玉璽;朱曉峰;陳立杰;;2015年東北地區(qū)大豆田病害種類與危害程度調查研究[J];大豆科學;2016年04期

10 胡敏;陳紅波;許良鳳;謝成軍;江河;;基于顏色和紋理特征的黃瓜病害識別算法[J];電子測量與儀器學報;2015年07期

相關博士學位論文 前2條

1 譚文學;基于機器學習的作物病害圖像處理及病變識別方法研究[D];北京工業(yè)大學;2016年

2 田杰;基于圖像分析的小麥葉部病害識別方法研究[D];西北農林科技大學;2015年

相關碩士學位論文 前4條

1 謝寶劍;基于卷積神經網絡的圖像分類方法研究[D];合肥工業(yè)大學;2015年

2 郝麗;基于圖像處理的大豆病害識別方法研究[D];浙江理工大學;2015年

3 YUSUF BABANGIDA LAWAL“巴邦齊達”;基于高光譜成像技術的煙葉病害識別方法研究[D];浙江大學;2012年

4 王曉麗;基于近紅外光譜技術的水稻葉部病害診斷模型構建[D];中國農業(yè)科學院;2011年

，

本文編號：2608027