作物生長(zhǎng)期自動(dòng)識(shí)別是精準(zhǔn)農(nóng)業(yè)支持技術(shù)的核心部分之一。傳統(tǒng)農(nóng)作物的生長(zhǎng)期通過人工手動(dòng)觀測(cè)記載,存在費(fèi)時(shí)費(fèi)力、效率低下、人為主觀性強(qiáng)、觀測(cè)標(biāo)準(zhǔn)不一、測(cè)量精度難以保證等問題。目前,主要利用圖像處理技術(shù)對(duì)農(nóng)作物生長(zhǎng)期進(jìn)行分類識(shí)別,由于在田間拍攝農(nóng)作物圖像,需要固定拍攝設(shè)備,并在相同距離下進(jìn)行拍攝,對(duì)光線、拍攝角度等要求較高。隨著近年來深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域的廣泛應(yīng)用,本文以玉米圖像為研究對(duì)象,采用深度學(xué)習(xí)技術(shù)對(duì)田間拍攝的玉米不同生長(zhǎng)期圖像進(jìn)行識(shí)別研究。本文通過對(duì)田間拍攝的玉米圖像進(jìn)行預(yù)處理,運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)提取玉米圖像特征,結(jié)合PSO優(yōu)化算法構(gòu)建基于二叉樹結(jié)構(gòu)的多級(jí)SVM,實(shí)現(xiàn)玉米生長(zhǎng)期的分類識(shí)別,主要工作如下:（1）對(duì)田間拍攝的玉米圖像進(jìn)行預(yù)處理。結(jié)合玉米植株的顏色特點(diǎn),對(duì)田間拍攝的玉米圖像采用數(shù)學(xué)形態(tài)學(xué)算法和前景目標(biāo)分割算法對(duì)玉米圖像進(jìn)行預(yù)處理,濾除了圖像中的土壤、雜草、光線等干擾噪聲,為后續(xù)提取玉米圖像特征做準(zhǔn)備。（2）采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)玉米圖像進(jìn)行特征提取。采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時(shí)由于樣本不夠多,網(wǎng)絡(luò)參數(shù)得不到充分訓(xùn)練導(dǎo)致分類效果較差。這里首先采用翻轉(zhuǎn)、裁剪、旋轉(zhuǎn)等數(shù)據(jù)增強(qiáng)技術(shù)進(jìn)行... 

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)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 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文內(nèi)容
    1.4 本文組織結(jié)構(gòu)
第二章 圖像預(yù)處理
    2.1 顏色分割
    2.2 前景分割
        2.2.1 顏色模型
        2.2.2 迭代能量最小化分割
        2.2.3 透明度alpha的產(chǎn)生
    2.3 形態(tài)學(xué)處理
        2.3.1 腐蝕
        2.3.2 膨脹
    2.4 圖像二值化
    2.5 本章小結(jié)
第三章 基于卷積神經(jīng)網(wǎng)絡(luò)的玉米生長(zhǎng)期特征提取
    3.1 人工神經(jīng)網(wǎng)絡(luò)
    3.2 卷積神經(jīng)網(wǎng)絡(luò)
        3.2.1 局部連接
        3.2.2 權(quán)值共享
    3.3 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
        3.3.1 卷積層
        3.3.2 池化層
        3.3.3 全連接層
    3.4 基于卷積神經(jīng)網(wǎng)絡(luò)的玉米生長(zhǎng)期特征提取
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 實(shí)驗(yàn)平臺(tái)
        3.5.2 實(shí)驗(yàn)數(shù)據(jù)集
        3.5.3 實(shí)驗(yàn)結(jié)果
    3.6 本章小結(jié)
第四章 基于粒子群優(yōu)化的多級(jí)SVM玉米生長(zhǎng)期識(shí)別
    4.1 支持向量機(jī)
        4.1.1 線性可分支持向量機(jī)
        4.1.2 線性不可分支持向量機(jī)
        4.1.3 多分類
        4.1.4 核函數(shù)
    4.2 二叉樹結(jié)構(gòu)的SVM玉米生長(zhǎng)期分類模型
    4.3 基于二叉樹結(jié)構(gòu)的多級(jí)SVM的玉米生長(zhǎng)期識(shí)別
    4.4 基于粒子群優(yōu)化算法的SVM參數(shù)尋優(yōu)
        4.4.1 粒子群優(yōu)化算法概述
    4.5 基于粒子群優(yōu)化的多級(jí)SVM玉米生長(zhǎng)期識(shí)別實(shí)驗(yàn)
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
攻讀碩士期間發(fā)表的論文
參考文獻(xiàn)
致謝



本文編號(hào)：3659115