番茄是世界上需求量最大的蔬菜之一,獨(dú)特的口感深受國內(nèi)外歡迎。隨著新鮮番茄、番茄制品需求量增加,使得番茄種植規(guī)模逐漸擴(kuò)大。同時(shí)高產(chǎn)、少病害、耐儲(chǔ)存、口感佳等特征的番茄已成為種植者與消費(fèi)者的追求。另外病害的發(fā)生成為影響番茄產(chǎn)量的重要因素,大規(guī)模種植對(duì)病害控制任務(wù)繁重,傳統(tǒng)的診斷方式容易帶來一些不可逆現(xiàn)象如:病害診斷周期長(zhǎng)、病害誤診錯(cuò)診。計(jì)算機(jī)技術(shù)的發(fā)展和圖像處理技術(shù)的應(yīng)用,國內(nèi)外研究者將兩種技術(shù)逐漸運(yùn)用到作物病害識(shí)別領(lǐng)域,對(duì)作物病害識(shí)別分析研究方面已經(jīng)取得不錯(cuò)成果。通常病態(tài)番茄植株會(huì)呈現(xiàn)出生理結(jié)構(gòu)、形狀特征變化。故將番茄葉片病害圖像作為研究對(duì)象,利用遺傳算法和智能分類識(shí)別模型進(jìn)行病害葉片分割與識(shí)別,對(duì)番茄產(chǎn)量和品質(zhì)的提升以及農(nóng)作物的病害識(shí)別方面具有重要意義。本文以番茄常見三種病害類型為研究對(duì)象,論文中的主要工作量如下:（1）所用番茄病害圖片樣本均來自農(nóng)作物研究網(wǎng)和農(nóng)業(yè)經(jīng)濟(jì)論壇,以番茄植株常見病害早疫病、晚疫病、灰霉病三種病害類型為樣本,通過對(duì)番茄病害癥狀研究,葉片在RGB（紅綠藍(lán)）空間下的顏色分量之間的差異性以及病害部位的亮度、色調(diào)、形狀等可作為研究依據(jù)。（2）對(duì)番茄三種病害葉片圖像分別預(yù)... 

【文章來源】：新疆大學(xué)新疆維吾爾自治區(qū) 211工程院校

【文章頁數(shù)】：57 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

方法流程

mnSM(,), ,M 1,y 0,1, N 1,S 為圖像中所有點(diǎn)的坐標(biāo)集合，M 是集合中的所圖像噪聲點(diǎn) f x, y，平滑處理后的圖像噪聲點(diǎn) g x, y由（2-1）確定，但在弊端使得圖像模糊。1.2 中值濾波值濾波是一種非線性濾波法，濾波效果相對(duì)均值濾波較好。主要表現(xiàn)在中邊緣部位相對(duì)比較清晰，不會(huì)出現(xiàn)大范圍的模糊現(xiàn)象，并且圖像的噪聲干有效得到抑制。中值濾波是將定點(diǎn)處的像素值用定點(diǎn)周圍像素點(diǎn)之間的除孤立噪聲點(diǎn)，避免差值較大對(duì)像素分割產(chǎn)生影響。盡管如此，中值濾波，目標(biāo)圖像各種各樣，特別是圖像中有較多密集區(qū)域不適合用中值濾波、棱角分明并且尖銳處。目前對(duì)中值濾波算法進(jìn)行改進(jìn)的算法有權(quán)重中序閾值的中值濾波算法、自適應(yīng)中值濾波[39]。以下是番茄早疫病葉片的

mnSM(,), ,M 1,y 0,1, N 1,S 為圖像中所有點(diǎn)的坐標(biāo)集合，M 是集合中的所圖像噪聲點(diǎn) f x, y，平滑處理后的圖像噪聲點(diǎn) g x, y由（2-1）確定，但在弊端使得圖像模糊。1.2 中值濾波值濾波是一種非線性濾波法，濾波效果相對(duì)均值濾波較好。主要表現(xiàn)在中邊緣部位相對(duì)比較清晰，不會(huì)出現(xiàn)大范圍的模糊現(xiàn)象，并且圖像的噪聲干有效得到抑制。中值濾波是將定點(diǎn)處的像素值用定點(diǎn)周圍像素點(diǎn)之間的除孤立噪聲點(diǎn)，避免差值較大對(duì)像素分割產(chǎn)生影響。盡管如此，中值濾波，目標(biāo)圖像各種各樣，特別是圖像中有較多密集區(qū)域不適合用中值濾波、棱角分明并且尖銳處。目前對(duì)中值濾波算法進(jìn)行改進(jìn)的算法有權(quán)重中序閾值的中值濾波算法、自適應(yīng)中值濾波[39]。以下是番茄早疫病葉片的

【參考文獻(xiàn)】：
期刊論文
[1]粒子群算法優(yōu)化支持向量機(jī)的網(wǎng)絡(luò)流量混沌預(yù)測(cè)[J]. 劉昆.  現(xiàn)代電子技術(shù). 2019(02)
[2]基于近紅外光譜和PSO-SVM算法的煙葉自動(dòng)分級(jí)方法[J]. 楊雙艷,楊紫剛,張四偉,李長(zhǎng)昱,吳書嬌,邱昌桂.  貴州農(nóng)業(yè)科學(xué). 2018(12)
[3]基于圖像處理的農(nóng)田作物病害識(shí)別研究[J]. 李盛蘭,吳慶祥.  電腦迷. 2018(12)
[4]基于主成分分析-支持向量機(jī)的土石壩滲流監(jiān)測(cè)數(shù)據(jù)預(yù)測(cè)模型[J]. 李瑞光,臧國輕.  計(jì)算機(jī)時(shí)代. 2018(06)
[5]基于圖像處理的水稻病蟲害識(shí)別技術(shù)[J]. 蘇博妮.  信息技術(shù)與信息化. 2018(05)
[6]泥石流平均流速的PSO-SVM預(yù)測(cè)模型[J]. 韓冰.  河北地質(zhì)大學(xué)學(xué)報(bào). 2018(02)
[7]基于物聯(lián)網(wǎng)和深度卷積神經(jīng)網(wǎng)絡(luò)的冬棗病害識(shí)別方法[J]. 張善文,黃文準(zhǔn),尤著宏.  浙江農(nóng)業(yè)學(xué)報(bào). 2017(11)
[8]基于高光譜圖像和遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)的茶葉病斑識(shí)別[J]. 張帥堂,王紫煙,鄒修國,錢燕,余磊.  農(nóng)業(yè)工程學(xué)報(bào). 2017(22)
[9]改進(jìn)狼群優(yōu)化算法的Otsu圖像分割法[J]. 曹爽,安建成.  微電子學(xué)與計(jì)算機(jī). 2017(10)
[10]基于WT-Otsu算法的植物病害葉片圖像分割方法[J]. 張會(huì)敏,謝澤奇,張善文,張?jiān)讫?  江蘇農(nóng)業(yè)科學(xué). 2017(18)

博士論文
[1]基于圖像的農(nóng)作物病害識(shí)別關(guān)鍵算法研究[D]. 宋麗娟.西北大學(xué) 2018
[2]基于圖像檢索的農(nóng)作物葉部病害識(shí)別關(guān)鍵技術(shù)研究[D]. 吳娜.中國科學(xué)技術(shù)大學(xué) 2018
[3]基于圖像和光譜技術(shù)的果實(shí)識(shí)別與病害檢測(cè)方法研究[D]. 趙川源.西北農(nóng)林科技大學(xué) 2017
[4]基于圖像分析的植物葉部病害識(shí)別方法研究[D]. 胡秋霞.西北農(nóng)林科技大學(xué) 2013
[5]番茄病害早期快速診斷與生理信息快速檢測(cè)方法研究[D]. 鮑一丹.浙江大學(xué) 2013
[6]基于計(jì)算機(jī)視覺和光譜分析技術(shù)的蔬菜葉部病害診斷研究[D]. 柴阿麗.中國農(nóng)業(yè)科學(xué)院 2011

碩士論文
[1]基于深度學(xué)習(xí)的葡萄葉片病害識(shí)別方法研究[D]. 劉媛.甘肅農(nóng)業(yè)大學(xué) 2018
[2]基于圖像處理的水稻葉部病害快速識(shí)別方法研究[D]. 關(guān)瑩.東北農(nóng)業(yè)大學(xué) 2018
[3]基于機(jī)器學(xué)習(xí)的水稻病害識(shí)別算法的研究[D]. 劉成.安徽大學(xué) 2018
[4]Otsu算法優(yōu)化研究[D]. 吳俊輝.新疆大學(xué) 2018
[5]基于RGB-D視覺信息的物體識(shí)別算法研究[D]. 蘭曉東.中北大學(xué) 2018
[6]基于自適應(yīng)粒子群算法的特征選擇研究[D]. 李策.南京郵電大學(xué) 2017
[7]基于多族群PSO算法的森林空間動(dòng)態(tài)多目標(biāo)優(yōu)化研究[D]. 黃靜.中南林業(yè)科技大學(xué) 2017
[8]基于低空遙感成像技術(shù)的油菜菌核病檢測(cè)研究[D]. 陳欣欣.浙江大學(xué) 2017
[9]基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的苧麻病害識(shí)別系統(tǒng)的研究[D]. 劉曜端.湖南農(nóng)業(yè)大學(xué) 2017
[10]基于計(jì)算機(jī)視覺的花卉葉部病害識(shí)別方法研究[D]. 次丹妮.天津職業(yè)技術(shù)師范大學(xué) 2016



本文編號(hào)：2951382