發(fā)布時間：2021-07-12 14:52

　　為準確有效地識別獼猴葉面病害、提供對獼猴桃葉面病害診斷的理論支持,研究獼猴桃葉面病害的機器識別方法,對于提高獼猴桃病害診斷的可靠性以及效率,提升作物病害診斷的智能化水平,有著十分重要的現(xiàn)實意義。本文研究獼猴桃葉面病害自動診斷的方法,針對獼猴桃花葉病、葉片潰瘍和葉枯病三種病害為研究對象,為實現(xiàn)獼猴桃葉面病害自動化的診斷提供了技術(shù)參考。本文工作如下:（1）針對自然光照條件下在獼猴桃園區(qū)拍攝的獼猴桃葉面病害圖像都具有復雜背景,這些復雜背景往往會使得直接分割病斑的方法失效。為了解決這個問題,本文提出了一種通過多重數(shù)學形態(tài)學變換來消除圖像復雜背景的方法,使得背景的灰度級為0,病葉呈現(xiàn)原彩色圖像;接著使用2*R-G-B為色度因子的Otsu閾值分割和L*a*b*顏色空間下的k-means聚類等算法,提出一種適合復雜背景下獼猴桃病害圖像的分割算法,能夠有效地分割病斑,使得背景和病斑有效分離。（2）研究了獼猴桃葉面病害病斑圖像的特征提取方法。分割后的獼猴桃葉面病斑圖像的特征提取是實現(xiàn)獼猴桃葉面病害識別的一個重要環(huán)節(jié)。無論是通過人眼識別還是機器識別葉面病斑的顏色和紋理都是進行病害分類的重要依據(jù)。針對獼猴桃... 

【文章來源】：西北農(nóng)林科技大學陜西省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

技術(shù)路線圖

(a)花葉病 (b)葉片潰瘍 (c)葉枯病圖 2-1 三種獼猴桃葉面病害病斑Fig.2-1 Three Kiwi foliage disease lesion2 病害圖像的采集為了研究的需要，需要獲取大量的獼猴桃葉面病害圖像，經(jīng)過與老師和獼猴桃的學習與探討，確定了拍攝時間和拍攝地點。獲取圖像信息：2016 年 3 月-2016 月 4 月不同氣候的上午、下午， 西北農(nóng)林試驗站獲取獼猴桃葉片潰瘍圖像 100 張，2016 年 7 月-2016 年 8 月不同氣候的，五泉獼猴桃試驗站，夏家溝農(nóng)戶獼猴桃園采集花葉病 100 張、葉枯病 80 張80 張 RGB 彩色圖像。采集的各病害圖像如圖 2-2 所示。拍攝設備：用 iPhone6 手機。分辨率：2448*2058。格式：JPEG。

12獼猴桃葉面病害圖像識別方法研究第四步：如果2 1 0T T T，則推出，為2T 為最優(yōu)閾值；否則1 2T T，重復第二至第四步，直到獲得最優(yōu)閾值。由于獼猴桃葉面多為綠色，盡管斑點較多，但是主要區(qū)域呈現(xiàn)綠色，為了獲得更好的二值化效果，從而來標記獼猴桃病害圖像的葉面部分，本文對 RGB 顏色空間的 G 分量也就是綠色分量，以及 L*a*b*顏色空間下的 a*分量也就是紅綠分量進行二值化，本文二值化的方法采用迭代閾值分割方法。圖 2-3、2-4、2-5 為一組實驗的結(jié)果圖，從圖中可以看出，采用 G 分量與 a*分量對獼猴桃葉面病害圖像進行二值化，均可以將獼猴桃葉面部分標記出來，但是采用 G 分量二值化的葉面部分包含很多的雜物，不能將整個葉面部分分割出來，而采用 a*分量二值化的葉面部分絕大部分變?yōu)榘咨�，葉面部分雜物較少，因此本文最終選用在 a*分量上對獼猴桃葉面病害圖像進行閾值分割，將獼猴桃葉面病害圖像二值化。

【參考文獻】：
期刊論文
[1]基于高光譜成像的蘋果病害無損檢測方法[J]. 劉思伽,田有文,馮迪,張芳,崔博.  沈陽農(nóng)業(yè)大學學報. 2016(05)
[2]基于機器視覺的半干棗病害和裂紋識別研究[J]. 李運志,Qiang Zhang,陳弘毅,黨曉輝,李新崗,胡耀華.  農(nóng)機化研究. 2016(08)
[3]基于改進Otsu算法在前方目標車輛識別中的研究[J]. 洪浩,霍春寶,王京,王燕.  計算機技術(shù)與發(fā)展. 2016(06)
[4]基于GA-BP神經(jīng)網(wǎng)絡的溫室番茄病害診斷[J]. 徐凱宏,米雅婷,谷志新.  江蘇農(nóng)業(yè)科學. 2016(04)
[5]基于混合顏色空間和雙次Otsu的黃瓜靶斑病圖像分割[J]. 吳娜,李淼,袁媛,卞程飛,陳雷.  中國農(nóng)業(yè)大學學報. 2016(03)
[6]基于圖像技術(shù)的玉米葉部病害識別研究[J]. 祁釗,江朝暉,楊春合,劉連忠,饒元.  安徽農(nóng)業(yè)大學學報. 2016(02)
[7]基于OpenCV的X光手指骨圖像分割方法[J]. 張林,吳振強.  計算機技術(shù)與發(fā)展. 2015(11)
[8]基于支持向量機的蘋果葉部病害識別方法研究[J]. 王建璽,寧菲菲,魯書喜.  山東農(nóng)業(yè)科學. 2015(07)
[9]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(nóng)業(yè)工程學報. 2015(14)
[10]基于Android的水稻病害圖像識別系統(tǒng)設計與應用[J]. 鄭姣,劉立波.  計算機工程與科學. 2015(07)

博士論文
[1]數(shù)學形態(tài)學連通性理論及應用研究[D]. 才輝.浙江大學 2009



本文編號：3280121