【摘要】：花生是重要的經濟作物。在傳統(tǒng)的種植過程中,花生非常容易受到病害的威脅。為了減少病害的威脅及提高農作物的產量,種植者往往噴灑以及澆灌大量的農藥,這將造成大量的農藥殘留和污染環(huán)境。隨著時代的不斷向前發(fā)展,為了降低病害的影響、減少農藥的使用,提高農作物的質量來滿足現(xiàn)在的人們對食品安全的要求。如何能及早發(fā)現(xiàn)病變并科學分類是減少并提高藥物使用效率的重要依據(jù)。數(shù)字化農業(yè)的推進是解決此類問題的關鍵。本文采用以計算機視覺技術為手段,結合圖像處理技術,選取了花生種植中常見的兩種病害:黑斑病、褐斑病做為研究對象。形成了一個相對完整的可自動采集、預處理和病斑區(qū)域的分割技術。通過提取病斑區(qū)域的顏色、形狀、以及紋理特征實現(xiàn)特征參數(shù)的提取和判別模型的構建;采用支持向量機SVM的分類方法來進行對花生葉斑病進行分類;通過粒子群優(yōu)化算法尋找最佳的懲罰因子系數(shù),以及采用交叉驗證法來確定核函數(shù)中的方差從而提高病害分類的準確性。本研究主要以計算機視覺技術為一定的基礎條件,為實現(xiàn)花生葉部病害在田間實時在線檢測、識別和分類提供了可能。對花生種植業(yè)的病害發(fā)現(xiàn)、分類、防治等具有指導意義。論文主要開展的研究工作有以下幾部分:1,圖像的獲取和預處理。通過數(shù)據(jù)采集裝置進行數(shù)據(jù)的采集然后將數(shù)據(jù)信號傳送到計算機,計算機首先對原始數(shù)據(jù)進行保存,然后調用圖像處理裝置。由于原始數(shù)據(jù)在自然光的條件下獲取,首先需要對原始數(shù)據(jù)進行自適應中值濾波去噪,然后進行顏色、紋理、形狀特征k值的提取以及閾值分割等。2,對超綠算法的改進。超綠算法在綠色作物圖像分割中具有廣泛應用。本文結合花生病害的特點對傳統(tǒng)的超綠算法進行了改進,通過改進的超綠算法能夠有效的獲取清晰的花生病斑圖像。主要步驟如下:分析了花生葉片中存在的噪聲的特點,噪聲一般分為細小的顆粒狀噪聲、椒鹽噪聲等。首先利用自適應中值濾波算法去除細小的顆粒狀噪聲和椒鹽噪聲,其次將其它類型噪聲選用選擇性孔洞填充將其完善去掉,并使用MATLAB工具,最終得到清晰的花生病害圖。此方法有效的還原了花生病斑的原始數(shù)據(jù)為后期的花生病害準確識別提供保障,能夠對植物病害快速準確的自動識別診斷,有利于克服人眼視覺識別系統(tǒng)的主觀性、經驗性、效率低等特點。3,病斑分類。對于提取的特征數(shù)據(jù)值,采用支持向量機的粒子群優(yōu)化算法進行病害分類。采用這種方法進行分類該實驗成功篩選出了兩種病斑且正確識別率很高。懲罰因子即對誤差的寬容度,其系數(shù)越高容忍度越低。本論文的研究內容對提高花生病害實時準確性識別,推動我國的數(shù)字化農業(yè)的發(fā)展具有現(xiàn)實意義與明顯的應用前景。
【圖文】：

基于顏色特征的花生葉褐斑病及黑斑病圖像識別技術研究曲線、曲線標準偏差和正弦波曲線擬合識別出作物，并結合二值圖像中綠色植物連通的質心獲得作物位置信息。該方法為株間機械除草裝置避苗和除草自動控制提供了基條件。1.3 主要內容本論文主要針對花生葉斑病中的常見類型：黑斑病、褐斑病進行了基于機器視覺的析和分類。系統(tǒng)總的組成框圖如圖 1-1 所示。主要包括有：圖像獲取、圖像預處理[9]、征提取、模式分類等模塊。

第 1 章 緒論空間的相關顏色特征值。采用基于粒子群優(yōu)化算法的支持向量機 SVM 分類器葉病斑的處理和基于支持向量機（SVM）技術的對 1-2、圖 1-3 所示。
【學位授予單位】：河南大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：S435.652;TP391.41

【參考文獻】

相關期刊論文 前10條

1 趙瑤池;胡祝華;白勇;曹鳳勤;;基于紋理差異度引導的DRLSE病蟲害圖像精準分割方法[J];農業(yè)機械學報;2015年02期

2 邱志祺;孫鐵強;;一種提高圖像中值濾波效果的改進算法[J];中國科技信息;2014年22期

3 朱旭東;梁光明;;基于樣本隨機均勻分布的BP神經網絡改進算法[J];數(shù)字技術與應用;2014年08期

4 王獻鋒;張善文;王震;張強;;基于葉片圖像和環(huán)境信息的黃瓜病害識別方法[J];農業(yè)工程學報;2014年14期

5 胡煉;羅錫文;曾山;張智剛;陳雄飛;林潮興;;基于機器視覺的株間機械除草裝置的作物識別與定位方法[J];農業(yè)工程學報;2013年10期

6 王宇慶;朱明;;評價彩色圖像質量的四元數(shù)矩陣最大奇異值方法[J];光學精密工程;2013年02期

7 夏麗;;基于迭代最佳閾值分割的邊緣檢測研究[J];時代教育;2012年21期

8 劉松濤;殷福亮;;基于圖割的圖像分割方法及其新進展[J];自動化學報;2012年06期

9 南洋;王家民;;RAW格式與JPEG格式比較分析研究[J];電影評介;2012年10期

10 高虹;謝麗華;陳明麗;劉洪亮;;玉米田除草劑藥害發(fā)生現(xiàn)狀與緩解技術探討[J];現(xiàn)代化農業(yè);2012年03期

相關碩士學位論文 前4條

1 劉雙雙;基于非因果信號處理的分數(shù)階次圖像去噪算法研究[D];安徽工業(yè)大學;2017年

2 次丹妮;基于計算機視覺的花卉葉部病害識別方法研究[D];天津職業(yè)技術師范大學;2016年

3 曹曉琳;基于數(shù)學形態(tài)學的圖像邊緣檢測方法[D];哈爾濱工業(yè)大學;2012年

4 徐小龍;基于紅外熱成像技術的植物病害早期檢測的研究[D];浙江大學;2012年

，

本文編號：2654819