利用計算機視覺技術快速、準確的識別農作物病害,是保證農產品豐收,推進農業(yè)現(xiàn)代化的重要手段。本文以油菜、黃瓜、水稻、玉米、大豆等常見農作物的病害圖像作為研究對象,分別在小樣本和大樣本不同條件下對農作物病害的識別進行了相關研究,主要的工作如下:（1）在病斑分割上,本文根據(jù)農作物葉部呈現(xiàn)的顏色特點,在傳統(tǒng)閾值分割的基礎上,首先利用HSI顏色空間過濾葉片正常區(qū)域的信息,在Lab顏色空間下使用最大類間方差法（OTSU）設置閾值對原始圖像進行分割,然后將兩種不同顏色空間下得到的分割圖像進行相與合并,得出最終的病斑分割圖像。與其它幾種常用方法分割的效果圖相比,該方法能更好地將病斑從葉片分割出來,是一種有效的病斑分割方法。（2）在小樣本農作物的病害識別上,本文以油菜為研究對象,首先提取其顏色特征和紋理特征,然后通過歐氏距離來構建D-S證據(jù)理論所必需的基本概率分配（Basic Probability Assignment,BPA）,最后運用D-S證據(jù)組合規(guī)則進行決策級融合,依據(jù)決策條件輸出最終分類識別結果。針對分類過程中出現(xiàn)識別結果為不確定的問題,本文通過引入方差來對融合方法進行改進,避免了這一問題的產... 

【文章來源】：合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

小樣本下病害識別研究路線

圖 1.2 大樣本下病害識別研究路線Fig 1.2 Research route under big-sample condition1.4 本文主要研究內容和章節(jié)安排本文所使用的圖像數(shù)據(jù)是在露天、自然光照環(huán)境下從安徽省農科院試驗田采集所得，主要包括油菜、水稻、大豆、玉米等農作物的葉部病害圖像。每種農作物的病害種類以及圖像數(shù)量都不盡相同。本文既研究了小樣本條件下的病害識別方法，又探究了大樣本條件下的分類方法。小樣本模式以油菜為研究對象，構建病害識別系統(tǒng)，對三種常見的油菜病害圖像進行分類，主要研究了如何更準確的分割病斑、選擇合適特征和更有效的分類方法。大樣本模式通過使用卷積神經(jīng)網(wǎng)絡搭建病害分類模型，分別對玉米、大豆、水稻三種農作物進行病害分類識別，重點研究如何構造合適的神經(jīng)網(wǎng)絡模型以及選用最佳的激活函數(shù)。本文結構安排如下：第一章，緒論。主要闡述了農作物病害研究的背景意義和對推進我國農業(yè)現(xiàn)代化的重要作用，總結了國內外專家對于農病害識別領域的研究現(xiàn)狀，包括小樣

圖像的采集的圖片均是在安徽省農科院試驗田，通過尼康數(shù)碼相水稻、玉米、黃瓜、大豆五種常見的農作物，且發(fā)病，拍攝所得圖片保存格式為 jpg，為方便后續(xù)計算，圖片一大小。其中油菜病害包括黑斑病、細菌性黑斑病、豆灰星病、白粉病、霉霜病三種，水稻病害包括稻曲葉病，玉米病害分為紋枯病、銹病、圓斑病、紅葉病。攝的部分農作物葉部病害圖像。麻斑病 (b)黃瓜靶斑病 (c)油菜霉霜病

【參考文獻】：
期刊論文
[1]深度連續(xù)卷積神經(jīng)網(wǎng)絡模型構建與性能分析[J]. 牛連強,陳向震,張勝男,王琪輝.  沈陽工業(yè)大學學報. 2016(06)
[2]基于卷積神經(jīng)網(wǎng)絡的道路車輛檢測方法[J]. 李琳輝,倫智梅,連靜,袁魯山,周雅夫,麻笑藝.  吉林大學學報(工學版). 2017(02)
[3]一種用于人臉表情識別的卷積神經(jīng)網(wǎng)絡[J]. 盧官明,何嘉利,閆靜杰,李海波.  南京郵電大學學報(自然科學版). 2016(01)
[4]面向圖像分類的多層感知機BBO優(yōu)化方法[J]. 朱黎輝,李曉寧.  四川師范大學學報(自然科學版). 2015(06)
[5]基于多分類器融合的玉米葉部病害識別[J]. 許良鳳,徐小兵,胡敏,王儒敬,謝成軍,陳紅波.  農業(yè)工程學報. 2015(14)
[6]基于主成分分析和Softmax回歸模型的人臉識別方法[J]. 汪海波,陳雁翔,李艷秋.  合肥工業(yè)大學學報(自然科學版). 2015(06)
[7]基于火焰彩色紋理復雜度特征的轉爐煉鋼吹煉狀態(tài)識別[J]. 李鵬舉,劉輝,王彬,王龍.  計算機應用. 2015(01)
[8]HSI模型結合OSTU法的玉米種胚檢測算法[J]. 程洪,尹輝娟,馬麗,李亞南.  農機化研究. 2014(10)
[9]基于顏色及紋理特征的果蔬種類識別方法[J]. 陶華偉,趙力,奚吉,虞玲,王彤.  農業(yè)工程學報. 2014(16)
[10]基于葉片圖像和環(huán)境信息的黃瓜病害識別方法[J]. 王獻鋒,張善文,王震,張強.  農業(yè)工程學報. 2014(14)

博士論文
[1]基于圖像識別的作物病蟲草害診斷研究[D]. 王克如.中國農業(yè)科學院 2005

碩士論文
[1]基于深度學習的手寫數(shù)字集特征提取算法[D]. 任沙.湖南師范大學 2016
[2]基于Caffe深度學習框架的卷積神經(jīng)網(wǎng)絡研究[D]. 楊楠.河北師范大學 2016
[3]卷積神經(jīng)網(wǎng)絡在圖像分類中的應用研究[D]. 吳正文.電子科技大學 2015
[4]改進的卷積神經(jīng)網(wǎng)絡模型及其應用研究[D]. 何鵬程.大連理工大學 2015
[5]基于遺傳算法的圖像分割技術研究[D]. 宋凱.西安電子科技大學 2014
[6]玉米病害圖像識別系統(tǒng)的設計與實現(xiàn)[D]. 蘇恒強.吉林大學 2010
[7]基于圖像分析的蘋果病害識別技術研究[D]. 李宗儒.西北農林科技大學 2010



本文編號：3255330