【摘要】：在全世界各國(guó),農(nóng)作物病害都會(huì)對(duì)作物產(chǎn)量造成嚴(yán)重影響,如何精準(zhǔn)識(shí)別不同種類病害、科學(xué)診斷出病害是智慧農(nóng)業(yè)的重要研究方向。本文主要以大豆病害里最常見(jiàn)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(duì)象,進(jìn)行病害自動(dòng)識(shí)別研究。目前針對(duì)農(nóng)作物病害識(shí)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(shí)別率的降低。針對(duì)上述問(wèn)題,本文采用卷積神經(jīng)網(wǎng)絡(luò)的特征學(xué)習(xí)方法,對(duì)病害特征進(jìn)行自動(dòng)提取學(xué)習(xí),并通過(guò)改進(jìn)模型和壓縮模型策略,最終在更小的模型尺寸下達(dá)到了較好效果,為大豆病害的自動(dòng)識(shí)別在低端移動(dòng)平臺(tái)的應(yīng)用提供理論支持。本文主要研究:(1)構(gòu)建了大豆病害模型訓(xùn)練數(shù)據(jù)集。通過(guò)增強(qiáng)、翻轉(zhuǎn)和加噪點(diǎn)等樣本擴(kuò)充方法,將五種病害數(shù)據(jù)集擴(kuò)充到3430張,彌補(bǔ)了一些小樣本訓(xùn)練的缺陷。針對(duì)病害樣本量普遍較少的問(wèn)題,提出了一種基于K-means的預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型,通過(guò)矢量量化思想,構(gòu)建特征表達(dá)字典,將聚類結(jié)果作為Conv1的權(quán)值,并研究構(gòu)造了多種卷積神經(jīng)網(wǎng)絡(luò)模型,分析權(quán)值分布特點(diǎn),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(duì)網(wǎng)絡(luò)的影響。探究了模型結(jié)合Dropout稀疏數(shù)據(jù)增強(qiáng)策略來(lái)強(qiáng)化特征,解決了過(guò)擬合問(wèn)題,以及網(wǎng)絡(luò)深度對(duì)K-means預(yù)訓(xùn)練效果的影響等。該模型解決了隨機(jī)初始化權(quán)值的缺陷,最終,在小樣本的大豆病害下,驗(yàn)證了 K-means預(yù)訓(xùn)練方法的有效性,準(zhǔn)確率達(dá)到96.7%。(2)針對(duì)模型大、收斂速度慢、穩(wěn)定性不高的問(wèn)題,在基于無(wú)監(jiān)督卷預(yù)訓(xùn)練積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,提出了基于批標(biāo)準(zhǔn)化的小型化網(wǎng)絡(luò)架構(gòu)模型。通過(guò)加入BN層,調(diào)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(jīng)元壞死等問(wèn)題。根據(jù)卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)特點(diǎn),提出權(quán)值裁剪和架構(gòu)壓縮策略,通過(guò)設(shè)置閾值過(guò)濾掉微小權(quán)值,并研究設(shè)置不同的卷積核數(shù)目和尺寸、不同的FC節(jié)點(diǎn)數(shù)等來(lái)減少冗余,在大豆病害識(shí)別模型上驗(yàn)證效果,最終將參數(shù)內(nèi)存壓縮到9.6 M的情況下,準(zhǔn)確率快速收斂到94.6%,保證精度的同時(shí)大大縮減了模型尺寸與計(jì)算量,該模型小快準(zhǔn)的優(yōu)點(diǎn)解決了當(dāng)下模型普遍內(nèi)存和計(jì)算量太大,無(wú)法應(yīng)用到移動(dòng)端及農(nóng)業(yè)機(jī)器人等低端運(yùn)算平臺(tái)的問(wèn)題。
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：S435.651;TP183

【參考文獻(xiàn)】

相關(guān)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(jīng)網(wǎng)絡(luò)的水稻穗瘟病檢測(cè)方法[J];農(nóng)業(yè)工程學(xué)報(bào);2017年20期

2 孫俊;譚文軍;毛罕平;武小紅;陳勇;汪龍;;基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的多種植物葉片病害識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2017年19期

3 劉闐宇;馮全;;基于卷積神經(jīng)網(wǎng)絡(luò)的葡萄葉片檢測(cè)[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年04期

4 劉慶;唐賢倫;張娜;;基于非監(jiān)督預(yù)訓(xùn)練的結(jié)構(gòu)優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)[J];工程科學(xué)與技術(shù);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(jīng)網(wǎng)絡(luò)的特征選擇模型壓縮方法（英文）[J];控制理論與應(yīng)用;2017年06期

6 秦豐;劉東霞;孫炳達(dá);阮柳;馬占鴻;王海光;;基于圖像處理技術(shù)的四種苜蓿葉部病害的識(shí)別[J];中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào);2016年10期

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

8 李彥冬;郝宗波;雷航;;卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J];計(jì)算機(jī)應(yīng)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?yáng)|北地區(qū)大豆田病害種類與危害程度調(diào)查研究[J];大豆科學(xué);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(shí)別算法[J];電子測(cè)量與儀器學(xué)報(bào);2015年07期

相關(guān)博士學(xué)位論文 前2條

1 譚文學(xué);基于機(jī)器學(xué)習(xí)的作物病害圖像處理及病變識(shí)別方法研究[D];北京工業(yè)大學(xué);2016年

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

相關(guān)碩士學(xué)位論文 前4條

1 謝寶劍;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法研究[D];合肥工業(yè)大學(xué);2015年

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

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

4 王曉麗;基于近紅外光譜技術(shù)的水稻葉部病害診斷模型構(gòu)建[D];中國(guó)農(nóng)業(yè)科學(xué)院;2011年

，

本文編號(hào)：2608027