水稻是我國(guó)的重要糧食作物之一,目前,水稻生產(chǎn)中的首要目標(biāo)就是提高水稻產(chǎn)量和品質(zhì)。但水稻在生長(zhǎng)期內(nèi),易發(fā)生各種病害,造成產(chǎn)量和質(zhì)量的下降,從而帶來(lái)巨大的經(jīng)濟(jì)損失。病害的正確識(shí)別,是有效降低病害經(jīng)濟(jì)損失的重要手段。傳統(tǒng)的水稻病害識(shí)別方法主要依靠農(nóng)民經(jīng)驗(yàn),存在主觀性強(qiáng),識(shí)別正確率低等缺點(diǎn)。水稻稻瘟病、紋枯病、白葉枯病是水稻生長(zhǎng)期內(nèi)發(fā)病率較高的三種病害,并且三種病害早期癥狀的區(qū)分度不大。本研究針對(duì)這三種病害,基于圖像處理技術(shù)開(kāi)展水稻葉部病害的識(shí)別方法研究。主要工作內(nèi)容包括:（1）選用成本低、操作簡(jiǎn)單、普及率高的智能手機(jī)作為病害圖像采集設(shè)備;（2）通過(guò)灰度化、圖像去噪、病斑分割等圖像預(yù)處理方法,建立水稻葉部病斑數(shù)據(jù)庫(kù);（3）分析三種病害病斑特征,從顏色、形狀、紋理三方面提取特征參數(shù),將HSV顏色空間的三個(gè)分量的顏色矩,作為病斑圖片的顏色特征;應(yīng)用相關(guān)函數(shù),獲取病斑圖像中目標(biāo)區(qū)域的相關(guān)屬性來(lái)描述病斑形狀特征;通過(guò)基于灰度共生矩陣來(lái)實(shí)現(xiàn)紋理特征的描述與選取;（4）在不影響模型識(shí)別準(zhǔn)確率的前提下,對(duì)特征參數(shù)進(jìn)行優(yōu)化,從顏色、形狀和紋理方面共選取了13個(gè)不同的特征參數(shù),采用單因素方差分析方法分別計(jì)算各類(lèi)... 

【文章來(lái)源】：東北農(nóng)業(yè)大學(xué)黑龍江省 211工程院校

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

技術(shù)路線圖

（a）紋枯病 （b）白葉枯病 （c）稻瘟病(a) Sheath blight (b) Bacterial blight (c) Rice blast圖 2-1 水稻典型的葉部病害圖像Fig.2-1 Typical disease images of rice leaf2.2 病斑圖像預(yù)處理

三種基色都達(dá)到最高亮度時(shí)，就表現(xiàn)為白色。R示，如圖 2-3 所示。通過(guò)觀察獲得的彩色病害圖像為污綠色或者為暗綠色，而白葉枯病后期病斑顏色，這樣就會(huì)對(duì)后期病斑的提取與顏色特征提取產(chǎn)生因此需要將彩色圖像轉(zhuǎn)換為灰度圖像，以消除顏色

【參考文獻(xiàn)】：
期刊論文
[1]稻米堊白度測(cè)定特征值提取的算法研究[J]. 申聰,戴小鵬,李東暉,樊振宇.  湖南農(nóng)業(yè)科學(xué). 2017(07)
[2]基于多任務(wù)聯(lián)合稀疏表示的水稻葉片病害自動(dòng)識(shí)別算法[J]. 李鍵紅,吳亞榕.  仲愷農(nóng)業(yè)工程學(xué)院學(xué)報(bào). 2017(02)
[3]基于PCA和Whitening算法的水稻病害圖像預(yù)處理研究[J]. 路陽(yáng),衣淑娟,張勇,安杏杏,邵曉光.  黑龍江八一農(nóng)墾大學(xué)學(xué)報(bào). 2017(02)
[4]基于圖像處理技術(shù)的玉米數(shù)字圖像特征值與水分含量相關(guān)性研究[J]. 黃南,王若蘭,岳佳.  河南工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(06)
[5]基于Android的水稻病害圖像識(shí)別系統(tǒng)設(shè)計(jì)與應(yīng)用[J]. 鄭姣,劉立波.  計(jì)算機(jī)工程與科學(xué). 2015(07)
[6]基于計(jì)算機(jī)視覺(jué)的水稻葉部病害識(shí)別研究[J]. 劉濤,仲曉春,孫成明,郭文善,陳瑛瑛,孫娟.  中國(guó)農(nóng)業(yè)科學(xué). 2014(04)
[7]基于MATLAB GUI設(shè)計(jì)的脫絨棉種顏色特征提取系統(tǒng)[J]. 鄧向武,坎雜,李景彬,謝凡,董翠翠,王曉華.  江蘇農(nóng)業(yè)科學(xué). 2014(01)
[8]基于數(shù)字圖像的番茄黃化曲葉病毒病色彩分析研究[J]. 李俊,陳振德.  中國(guó)農(nóng)學(xué)通報(bào). 2013(31)
[9]基于病斑形狀和神經(jīng)網(wǎng)絡(luò)的黃瓜病害識(shí)別[J]. 賈建楠,吉海彥.  農(nóng)業(yè)工程學(xué)報(bào). 2013(S1)
[10]BP網(wǎng)絡(luò)模型對(duì)人臉朝向的識(shí)別[J]. 常樂(lè),陸熙,李佳鈺.  計(jì)算機(jī)與現(xiàn)代化. 2012(03)

碩士論文
[1]玉米大豆水稻圖像識(shí)別方法研究[D]. 李妍.黑龍江八一農(nóng)墾大學(xué) 2017
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的交易環(huán)境下蔬果圖像識(shí)別研究[D]. 彭俊.浙江農(nóng)林大學(xué) 2017
[3]圍油欄監(jiān)控與水域溢油預(yù)警系統(tǒng)研究[D]. 王質(zhì)春.揚(yáng)州大學(xué) 2016
[4]基于物聯(lián)網(wǎng)的小麥病蟲(chóng)害動(dòng)態(tài)氣象模型和遠(yuǎn)程診斷方法研究[D]. 蘇一峰.中國(guó)農(nóng)業(yè)科學(xué)院 2016
[5]風(fēng)險(xiǎn)管理在M銀行IT系統(tǒng)管理中的應(yīng)用研究[D]. 陳石.西南石油大學(xué) 2015
[6]基于高光譜成像技術(shù)的杏成熟度判別研究[D]. 張晶晶.山西農(nóng)業(yè)大學(xué) 2015
[7]小麥全蝕病無(wú)人機(jī)遙感監(jiān)測(cè)研究[D]. 付巍.河南農(nóng)業(yè)大學(xué) 2015
[8]基于Android移動(dòng)終端的煙草病蟲(chóng)害圖像智能識(shí)別系統(tǒng)研究[D]. 吳子龍.云南農(nóng)業(yè)大學(xué) 2015
[9]基于多特征多分類(lèi)器組合的茶葉茶梗圖像識(shí)別分類(lèi)研究[D]. 陳筍.安徽大學(xué) 2014
[10]高清視頻監(jiān)控中低照度圖像的去噪及增強(qiáng)方法研究[D]. 毛葉輝.復(fù)旦大學(xué) 2013



本文編號(hào)：3119032