白粉病作為小麥的主要病害之一,嚴重制約著我國小麥的產量和品質。該病害在早期如果發(fā)現(xiàn)不及時、不準確,容易使農戶增加經濟損失,還可能造成過量噴灑農藥引起農田環(huán)境污染。同時,在該病染病中晚期,無損監(jiān)測對病害防控的重要性降低,但能為災害損失評估提供有價值的參考,因此如何對小麥關鍵生育期的白粉病嚴重度進行快速、準確地診斷變得十分重要。遙感技術具有無損、快捷、省時等優(yōu)勢,尤其是高光譜成像技術融合圖像和光譜的數(shù)據(jù)優(yōu)勢,可以為作物病蟲害監(jiān)測研究中的目標識別提供重要的技術支持。本論文以小麥白粉病葉片為研究對象,利用ImSpector V10E-QE成像光譜儀收集研究目標的“圖譜合一”數(shù)據(jù),結合計算機圖像處理和機器學習技術,進行白粉病病情回歸預測與病害嚴重度分類研究,以期指導作物病害噴藥防治及為災后損失評估提供技術支撐。本文主要研究內容和結果如下:（1）利用計算機圖像處理技術進行病斑分割,實現(xiàn)病情指數(shù)（Disease Index,DI）的定量計算。首先,在中值濾波增強圖像之后,采用OTSU分割算法和模糊C—均值聚類對Lab顏色空間中的a分量和b分量進行葉片和背景區(qū)域分割處理;其次,利用超紅顏色特征2R-G... 

【文章來源】：安徽大學安徽省 211工程院校

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 研究現(xiàn)狀
        1.2.1 基于近地非成像高光譜遙感的病蟲害監(jiān)測研究
        1.2.2 基于近地成像高光譜遙感的病蟲害監(jiān)測研究
    1.3 研究內容與技術路線
        1.3.1 小麥白粉病害分割方法研究與系統(tǒng)設計
        1.3.2 小麥白粉病早期特征研究與建模
        1.3.3 小麥白粉病中晚期嚴重度識別研究
    1.4 論文結構
第二章 試驗方案與數(shù)據(jù)獲取
    2.1 試驗方案
    2.2 數(shù)據(jù)獲取
        2.2.1 試驗儀器
        2.2.2 高光譜數(shù)據(jù)獲取
    2.3 高光譜數(shù)據(jù)預處理
        2.3.1 反射率轉換
        2.3.2 光譜特征增強
    2.4 病害嚴重度劃分
    2.5 本章小結
第三章 病斑分割方法及系統(tǒng)搭建
    3.1 引言
    3.2 染病葉片病斑分割流程
    3.3 圖像增強處理
        3.3.1 直方圖均衡化
        3.3.2 鄰域平均法
        3.3.3 中值濾波
    3.4 葉片區(qū)域提取
        3.4.1 Lab顏色空間
        3.4.2 OTSU閾值分割
        3.4.3 模糊C—均值聚類
        3.4.4 形態(tài)學處理
    3.5 病斑區(qū)域提取
    3.6 病情指數(shù)計算
    3.7 小麥葉片病斑分割系統(tǒng)搭建
        3.7.1 系統(tǒng)開發(fā)
        3.7.2 系統(tǒng)實現(xiàn)
    3.8 本章小結
第四章 基于Relief-F波段篩選的小麥白粉病早期特征研究
    4.1 引言
    4.2 研究方法
        4.2.1 Relief-F算法
        4.2.2 適用于病害檢測的植被指數(shù)選取
        4.2.3 支持向量回歸
    4.3 染病早期不同病害嚴重等級的光譜特征
    4.4 基于Relief-F算法的病害敏感波段提取
    4.5 病情反演模型建立
    4.6 本章小結
第五章 基于Isomap與PNN的小麥白粉病中晚期嚴重度分類研究
    5.1 引言
    5.2 研究方法
        5.2.1 等距映射算法
        5.2.2 概率神經網(wǎng)絡
    5.3 染病中晚期不同病害嚴重度的光譜特征
    5.4 Isomap降維處理
    5.5 中晚期白粉病病害指數(shù)計算
    5.6 基于PNN的分類識別結果與分析
    5.7 Isomap降維處理在早期病害上的應用
    5.8 本章小結
第六章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
致謝
攻讀學位期間發(fā)表的學術論文
攻讀學位期間參與的科研項目


【參考文獻】：
期刊論文
[1]高光譜成像技術在果蔬品質安全無損檢測中的應用[J]. 盧娜,韓平,王紀華.  食品安全質量檢測學報. 2017(12)
[2]利用成像高光譜區(qū)分冬小麥白粉病與條銹病（英文）[J]. 梁棟,劉娜,張東彥,趙晉陵,林芬芳,黃林生,張慶,丁玉婉.  紅外與激光工程. 2017(01)
[3]小麥白粉病氣候風險評估[J]. 張蕾,郭安紅,王純枝.  生態(tài)學雜志. 2016(05)
[4]基于SVM分類的紅外艦船目標識別[J]. 張迪飛,張金鎖,姚克明,成明偉,吳永國.  紅外與激光工程. 2016(01)
[5]冬小麥條銹病嚴重度不同估算方法對比研究[J]. 王靜,景元書,黃文江,張競成,趙娟,張清,王力.  光譜學與光譜分析. 2015(06)
[6]基于相關向量機的冬小麥蚜蟲遙感預測[J]. 唐翠翠,黃文江,羅菊花,梁棟,趙晉陵,黃林生.  農業(yè)工程學報. 2015(06)
[7]基于小波變換與支持向量機回歸的冬小麥葉面積指數(shù)估算[J]. 梁棟,楊勤英,黃文江,彭代亮,趙晉陵,黃林生,張東彥,宋曉宇.  紅外與激光工程. 2015(01)
[8]最小二乘支持向量機用于時間序列葉面積指數(shù)預測[J]. 梁棟,謝巧云,黃文江,彭代亮,楊曉華,黃林生,胡勇.  紅外與激光工程. 2014(01)
[9]復雜背景下甜瓜果實分割算法[J]. 王玉德,張學志.  農業(yè)工程學報. 2014(02)
[10]白粉病脅迫下小麥冠層葉綠素密度的高光譜估測[J]. 馮偉,王曉宇,宋曉,賀利,王晨陽,郭天財.  農業(yè)工程學報. 2013(13)

博士論文
[1]小麥病蟲害多尺度遙感識別和區(qū)分方法研究[D]. 袁琳.浙江大學 2015
[2]基于光譜和成像技術的作物病害不同侵染期快速檢測方法研究[D]. 程術希.浙江大學 2014
[3]基于多源數(shù)據(jù)小麥白粉病遙感監(jiān)測研究[D]. 杜世州.安徽農業(yè)大學 2013
[4]基于高光譜成像技術的作物葉綠素信息診斷機理及方法研究[D]. 張東彥.浙江大學 2012

碩士論文
[1]基于顯微高光譜成像的血液細胞識別研究與應用[D]. 賈高杰.華東師范大學 2016
[2]基于圖像和光譜解析的小麥病害識別研究[D]. 劉娜.安徽大學 2016
[3]基于Markov隨機場和K均值聚類的小麥葉部病害圖像分割[D]. 黃帥.安徽農業(yè)大學 2015
[4]基于成像高光譜的小麥氮素營養(yǎng)監(jiān)測研究[D]. 黃宇.南京農業(yè)大學 2015
[5]冬小麥葉面積指數(shù)反演與病害光譜識別研究[D]. 管青松.安徽大學 2014
[6]塞曼效應實驗計算機輔助分析軟件設計[D]. 高云.吉林大學 2014
[7]基于VC++6.0的視頻圖像采集及處理系統(tǒng)設計[D]. 葉艷艷.武漢輕工大學 2013
[8]基于OpenCV焊縫視覺跟蹤圖像處理的研究[D]. 徐自越.蘭州理工大學 2012
[9]基于高光譜遙感的礦物光譜特征分析和提取[D]. 劉天樂.中國地質大學 2009
[10]地物光譜特征分析技術研究[D]. 聞兵工.解放軍信息工程大學 2009



本文編號：2940477