【摘要】：花生是重要的經(jīng)濟(jì)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(nóng)作物的產(chǎn)量,種植者往往噴灑以及澆灌大量的農(nóng)藥,這將造成大量的農(nóng)藥殘留和污染環(huán)境。隨著時(shí)代的不斷向前發(fā)展,為了降低病害的影響、減少農(nóng)藥的使用,提高農(nóng)作物的質(zhì)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(xué)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(nóng)業(yè)的推進(jìn)是解決此類問題的關(guān)鍵。本文采用以計(jì)算機(jī)視覺技術(shù)為手段,結(jié)合圖像處理技術(shù),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(gè)相對完整的可自動(dòng)采集、預(yù)處理和病斑區(qū)域的分割技術(shù)。通過提取病斑區(qū)域的顏色、形狀、以及紋理特征實(shí)現(xiàn)特征參數(shù)的提取和判別模型的構(gòu)建;采用支持向量機(jī)SVM的分類方法來進(jìn)行對花生葉斑病進(jìn)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(yàn)證法來確定核函數(shù)中的方差從而提高病害分類的準(zhǔn)確性。本研究主要以計(jì)算機(jī)視覺技術(shù)為一定的基礎(chǔ)條件,為實(shí)現(xiàn)花生葉部病害在田間實(shí)時(shí)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(dǎo)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(yù)處理。通過數(shù)據(jù)采集裝置進(jìn)行數(shù)據(jù)的采集然后將數(shù)據(jù)信號傳送到計(jì)算機(jī),計(jì)算機(jī)首先對原始數(shù)據(jù)進(jìn)行保存,然后調(diào)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(jìn)行自適應(yīng)中值濾波去噪,然后進(jìn)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(jìn)。超綠算法在綠色作物圖像分割中具有廣泛應(yīng)用。本文結(jié)合花生病害的特點(diǎn)對傳統(tǒng)的超綠算法進(jìn)行了改進(jìn),通過改進(jìn)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(diǎn),噪聲一般分為細(xì)小的顆粒狀噪聲、椒鹽噪聲等。首先利用自適應(yīng)中值濾波算法去除細(xì)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(zhǔn)確識別提供保障,能夠?qū)χ参锊『焖贉?zhǔn)確的自動(dòng)識別診斷,有利于克服人眼視覺識別系統(tǒng)的主觀性、經(jīng)驗(yàn)性、效率低等特點(diǎn)。3,病斑分類。對于提取的特征數(shù)據(jù)值,采用支持向量機(jī)的粒子群優(yōu)化算法進(jìn)行病害分類。采用這種方法進(jìn)行分類該實(shí)驗(yàn)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(nèi)容對提高花生病害實(shí)時(shí)準(zhǔn)確性識別,推動(dòng)我國的數(shù)字化農(nóng)業(yè)的發(fā)展具有現(xiàn)實(shí)意義與明顯的應(yīng)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(shù)研究曲線、曲線標(biāo)準(zhǔn)偏差和正弦波曲線擬合識別出作物，并結(jié)合二值圖像中綠色植物連通的質(zhì)心獲得作物位置信息。該方法為株間機(jī)械除草裝置避苗和除草自動(dòng)控制提供了基條件。1.3 主要內(nèi)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(jìn)行了基于機(jī)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(yù)處理[9]、征提取、模式分類等模塊。

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

【參考文獻(xiàn)】

相關(guān)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(dǎo)的DRLSE病蟲害圖像精準(zhǔn)分割方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年02期

2 邱志祺;孫鐵強(qiáng);;一種提高圖像中值濾波效果的改進(jìn)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(jī)均勻分布的BP神經(jīng)網(wǎng)絡(luò)改進(jìn)算法[J];數(shù)字技術(shù)與應(yīng)用;2014年08期

4 王獻(xiàn)鋒;張善文;王震;張強(qiáng);;基于葉片圖像和環(huán)境信息的黃瓜病害識別方法[J];農(nóng)業(yè)工程學(xué)報(bào);2014年14期

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

6 王宇慶;朱明;;評價(jià)彩色圖像質(zhì)量的四元數(shù)矩陣最大奇異值方法[J];光學(xué)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(shí)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(jìn)展[J];自動(dòng)化學(xué)報(bào);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(shù)探討[J];現(xiàn)代化農(nóng)業(yè);2012年03期

相關(guān)碩士學(xué)位論文 前4條

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

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

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

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

，

本文編號：2654819