2018年全國煙草實現(xiàn)稅利總額11145.1億元,中國煙草行業(yè)的利稅占據(jù)中國整個財政收入的十分之一左右。但每年因?qū)煵莶『o法做到及時防控從而導(dǎo)致重大經(jīng)濟損失。我國中部地區(qū)常見的煙草病害為赤星病和蛙眼病,又以赤星病和蛙眼病的早期癥狀最為難分,經(jīng)驗不足的植保人員和農(nóng)戶無法正確判斷兩種早其病害,甚至做出錯誤施藥方案,導(dǎo)致不能及時遏止病情,致使產(chǎn)量和收入大幅縮減。目前國內(nèi)對煙草早期病害研究未有相關(guān)報道,煙草赤星病和蛙眼病發(fā)病速度快,病害從早期到晚期約一周,兩種早期病害相似程度高,嚴重依賴植保人員的專業(yè)素質(zhì)。當前研究成果普遍存在復(fù)雜背景下無法有效分割、只對中后期病害檢測、依賴人工檢驗等問題。因此,亟需一種高效、準確的煙草早期病害自動檢測識別方法,以解決上述問題。根據(jù)煙草赤星病和蛙眼病早期相似性大的特點,本文提出一種基于計算機視覺的煙葉早期病害分割及識別方法,對兩種病害進行有效分割和識別判斷,能提前約3天發(fā)現(xiàn)和確診是那種病害,進行針對性人為干預(yù),最大程度上降低損失。(1)作者在煙草大田采集實驗所需的煙草赤星病和蛙眼病數(shù)據(jù)。選取合適時間點、合適拍攝距離、合適拍攝對象,使獲取病害圖像達到最好效果。對獲取的圖像進行Mean shift平滑處理和簡單線性迭代聚類處理。(2)本文通過研究EXG超綠特征分割方法和HSV顏色空間的閾值分割方法,發(fā)現(xiàn)EXG超綠特征分割方法對圖像中存在非綠噪聲無法進行有效分割,HSV顏色空間的閾值分割方法對病斑區(qū)域和背景對比度差的情況下無法準確分割病斑區(qū)域。根據(jù)煙草赤星病和蛙眼病各個時期病斑表現(xiàn)特點,將視覺顯著性引入到病斑分割過程中,提出基于種子點選取的顯著性檢測的分割方法,驗證在復(fù)雜背景下分割病斑圖像的可行性,并對比兩種圖像分割方法,通過實驗驗證該方法的有效性。(3)根據(jù)煙草赤星病和蛙眼病各個時期病斑表現(xiàn)形式的不同,提取病斑的顏色特征、形態(tài)特征和紋理特征,共獲取28維特征參數(shù)。對獲取的特征參數(shù)用粒子群算法進行優(yōu)化,多次試驗對比選取最優(yōu)參數(shù)組,適應(yīng)度為96.68,交叉驗證率為93.21%,驗證集識別率為96%,共13維特征參數(shù)。利用網(wǎng)格搜索法對SVM的參數(shù)進行尋優(yōu),并建立SVM分類模型,訓(xùn)練集900組,測試集300組,共1200組數(shù)據(jù),對煙草赤星病和蛙眼病的早期病害識別率達到92%,兩種病害的早中晚三個時期共6類的識別率達到96%,實驗結(jié)果表明達到較好的識別效果。
【學(xué)位單位】：華北水利水電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;S435.72
【部分圖文】：

2 煙葉病斑圖像采集及預(yù)處理葉病斑圖像采集草赤星病和蛙眼病表現(xiàn)特征及分級標準赤星病各個時期表現(xiàn)特征，根據(jù)以往研究表明引起煙草赤星病的病原菌菌[20]。一般赤星病在煙株打頂后進入成熟期發(fā)�。怀嘈遣≡诎l(fā)病初期外草葉片出現(xiàn)圓形斑點，其斑點的顏色多為黃褐色，此時進入發(fā)病中期，移和天氣因素的影響其病斑逐漸變大且為褐色，之后發(fā)病速度呈指數(shù)倍漸擴散到整個煙株，此時煙草赤星病進入中后期，從病斑表面觀察上，期有明顯的輪紋，在病斑的周邊與正常綠色葉片之間有黃色暈環(huán)，由于在赤星病的病斑表面出現(xiàn)黑色霉層。天氣炎熱干燥的情況下會造成病斑期的時候病斑擴大且連成一片的情況嚴重（多個病斑逐漸擴散并聯(lián)合形，造成病葉焦枯脫落甚至絕收[21-22]。

0 0[0% 5%] 1[5% 10%] 2[10% 20%] 3[20% 30%] 4[30%] 5ASBSCSsDSESFS ，級標準，級標準，級標準，級標準，級標準，級標準其中 s 代表煙葉病斑的病斑區(qū)域的總面積，[ A F]代表每個時期的煙葉病斑的病斑區(qū)域總面積，S 代表整個葉片面積。2.1.2 煙葉病斑原始圖像數(shù)據(jù)采集本文的研究對象為大田實際環(huán)境下的煙葉早期赤星病和蛙眼病病害葉片，以及跟蹤拍攝所標記的赤星病和蛙眼病早中晚三個時期的煙葉病害圖像。

（h） （i） （j） （k） （l）圖 2-3 a-e 分別是煙草蛙眼病早期、中期、中期、晚期、煙草植株幼苗圖像h-l 分別是煙草赤星病早期、中期、中期、晚期、復(fù)雜背景下圖像Fig.2-3 a-e are images of frog-eye leaf spot of tobacco in the early, middle, middle, late and tobaccoplant seedlingsh-l are images of brown spot in the early, middle, middle, late and image against a complexbackground（a） （b） （c） （d） （e）
【參考文獻】

相關(guān)期刊論文 前10條

1 關(guān)強;薛河儒;姜新華;;基于二維OTSU的田間植物圖像分割方法[J];江蘇農(nóng)業(yè)科學(xué);2015年12期

2 黃奇瑞;;基于FCM和SVM的TM遙感影像自動分類算法[J];華北水利水電大學(xué)學(xué)報(自然科學(xué)版);2015年04期

3 曹立耘;;煙草赤星病的發(fā)生與綜合防治[J];鄉(xiāng)村科技;2015年15期

4 王建璽;徐向藝;;基于圖像處理和模糊識別技術(shù)的煙葉病害識別研究[J];現(xiàn)代電子技術(shù);2015年08期

5 張紅濤;孫志勇;田媛;侯棟宸;;基于多光譜圖像融合技術(shù)的麥粒圖像增強方法研究[J];華北水利水電大學(xué)學(xué)報(自然科學(xué)版);2014年06期

6 張紅濤;胡玉霞;毛罕平;韓綠化;;基于近紅外高光譜成像的糧蟲生命體征檢測研究[J];農(nóng)機化研究;2014年08期

7 張紅濤;李芳;胡玉霞;張恒源;;倉儲害蟲局部形態(tài)學(xué)特征提取方法研究[J];河南農(nóng)業(yè)科學(xué);2014年02期

8 魏朝霞;楊彩波;和慧;唐嘉義;;大薊提取物對植物病原真菌的抑制活性[J];云南農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué));2014年01期

9 李學(xué)俊;趙禮良;;扁豆病害葉片的病斑剝離分割[J];計算機工程與應(yīng)用;2014年23期

10 周翔南;王富強;藺冬;;基于遺傳算法的SVM冰凌預(yù)報模型研究[J];華北水利水電學(xué)院學(xué)報;2012年01期

相關(guān)博士學(xué)位論文 前2條

1 王志強;基于局部中心量度的聚類算法研究[D];華南理工大學(xué);2018年

2 王小根;粒子群優(yōu)化算法的改進及其在圖像中的應(yīng)用研究[D];江南大學(xué);2009年

相關(guān)碩士學(xué)位論文 前8條

1 滕娟;赤星病煙葉圖像分割研究[D];吉首大學(xué);2017年

2 曾嶸;自然光環(huán)境下馬鈴薯外部缺陷的無損檢測方法研究[D];東華理工大學(xué);2017年

3 王一丁;煙草花葉病害高光譜特征及其病害程度判別分析模型的研究[D];河南農(nóng)業(yè)大學(xué);2016年

4 徐紅梅;基于SVM多分類判決的MPPSK信號檢測研究[D];東南大學(xué);2015年

5 汪京京;復(fù)雜背景下小麥病害圖像分割方法研究及應(yīng)用[D];安徽農(nóng)業(yè)大學(xué);2014年

6 李斐斐;基于機器視覺的煙葉除雜關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2014年

7 王健峰;基于改進網(wǎng)格搜索法SVM參數(shù)優(yōu)化的說話人識別研究[D];哈爾濱工程大學(xué);2012年

8 蘇恒強;玉米病害圖像識別系統(tǒng)的設(shè)計與實現(xiàn)[D];吉林大學(xué);2010年

本文編號：2847057