中國是世界最大的茄子生產(chǎn)國。近年來,隨著種植面積的擴(kuò)大,茄子病害逐漸成為了制約茄子高產(chǎn)、優(yōu)質(zhì)、高效益生產(chǎn)的主要因素,甚至在重茬嚴(yán)重的田地里,已到了無法繼續(xù)種茄子的地步。因此在茄子發(fā)病初期準(zhǔn)確識別病害成為關(guān)鍵。而目前對蔬菜病害的識別方法都有一定的局限性,難以滿足現(xiàn)代農(nóng)業(yè)要求。隨著計(jì)算機(jī)視覺技術(shù)與模式識別技術(shù)的不斷發(fā)展,利用計(jì)算機(jī)智能診斷識別作物病害得方法應(yīng)運(yùn)而生。在分析國內(nèi)外利用計(jì)算機(jī)視覺技術(shù)為手段、結(jié)合圖像處理與模式識別技術(shù)的研究基礎(chǔ)上,本文重點(diǎn)研究了病害茄子葉片上病斑的顏色、形狀、紋理特征參數(shù),提出了一種基于圖像處理的茄子葉部病害識別方法。本文主要工作和創(chuàng)新點(diǎn)包括以下幾個(gè)方面:（1）集成適合監(jiān)測茄子病害的茄子病害圖像采集系統(tǒng)。通過分析研究茄子病害識別所需要的圖像質(zhì)量要求、采集設(shè)備的功耗及無線通訊距離等,自主研制了一套基于太陽能供電的、具有遠(yuǎn)程無線通訊的茄子病害圖像采集系統(tǒng)。（2）病斑分割方法研究。對病害圖像進(jìn)行預(yù)處理,如圖像分割、圖像均衡化等。根據(jù)作物病害圖像的特點(diǎn)和采集條件,分析比較幾種傳統(tǒng)圖像預(yù)處理方法的效果,改進(jìn)算法,提高對圖像的處理效果,為圖像的后期處理做準(zhǔn)備。根據(jù)葉片圖像在... 

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究的目的和意義
    1.2 國內(nèi)外圖像識別技術(shù)在農(nóng)業(yè)工程中的研究進(jìn)展
        1.2.1 圖像識別技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測與分級領(lǐng)域的研究進(jìn)展
        1.2.2 圖像識別技術(shù)在農(nóng)作物生長監(jiān)測領(lǐng)域的研究進(jìn)展
    1.3 研究與應(yīng)用展望
    1.4 本文研究內(nèi)容與技術(shù)路線
        1.4.1 研究內(nèi)容
        1.4.2 技術(shù)路線
2 病害圖像獲取
    2.1 圖像采集試驗(yàn)裝置
    2.2 病害樣本圖像采集方法
    2.3 采集圖像傳輸方法
    2.4 本章小結(jié)
3 病害圖像處理
    3.1 圖像處理主要方法
        3.1.1 圖像平滑
        3.1.2 圖像數(shù)學(xué)形態(tài)學(xué)運(yùn)算
        3.1.3 圖像灰度化處理
        3.1.4 圖像分割與邊緣檢測
    3.2 圖像預(yù)處理
    3.3 病斑分割
    3.4 本章小結(jié)
4 病害圖像特征提取和優(yōu)化
    4.1 病害圖像顏色特征的提取
        4.1.1 常見顏色特征的提取方法
        4.1.2 病害圖像顏色特征的提取與分析
    4.2 病害圖像形狀特征的提取
        4.2.1 常見形狀特征的提取方法
        4.2.2 病害圖像形狀特征的提取與分析
    4.3 病害圖像紋理特征的提取
        4.3.1 紋理特征的提取方法
        4.3.2 病害圖像紋理特征的提取與分析
    4.4 病害圖像的特征優(yōu)化
    4.5 本章小結(jié)
5 病害圖像識別
    5.1 模式識別方法
        5.1.1 統(tǒng)計(jì)模式識別
        5.1.2 句法結(jié)構(gòu)模式識別
        5.1.3 模糊模式識別
        5.1.4 人工神經(jīng)網(wǎng)絡(luò)模式識別
        5.1.5 模板匹配模式識別
        5.1.6 支持向量機(jī)的模式識別
    5.2 茄子葉部病害識別
        5.2.1 基于費(fèi)歇爾判別分析的病害識別
        5.2.2 基于貝葉斯判別分析的病害識別
        5.2.3 基于支持向量機(jī)的病害識別
    5.3 識別結(jié)果分析與討論
    5.4 本章小結(jié)
6 結(jié)論與討論
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]基于葉片病斑特征的茄子褐紋病識別方法[J]. 田凱,張連寬,熊美東,黃志豪,李就好.  農(nóng)業(yè)工程學(xué)報(bào). 2016(S1)
[2]圖像處理技術(shù)在水培蔬菜生長監(jiān)測中的應(yīng)用[J]. 梁帆,楊莉莉,崔世鋼,吳興利,田立國.  湖北農(nóng)業(yè)科學(xué). 2015(17)
[3]計(jì)算機(jī)視覺及模式識別技術(shù)在農(nóng)業(yè)生產(chǎn)領(lǐng)域的應(yīng)用[J]. 陳桂珍,龔聲蓉.  江蘇農(nóng)業(yè)科學(xué). 2015(08)
[4]茄子褐紋病及其抗病育種的研究進(jìn)展[J]. 陳姍姍,宋述堯,趙靖,趙春波.  吉林農(nóng)業(yè)科學(xué). 2015(03)
[5]茄子褐紋病的研究現(xiàn)狀與展望[J]. 李濤,黎振興,李植良,徐小萬.  中國農(nóng)學(xué)通報(bào). 2015(05)
[6]基于SVM的小麥葉部病害識別方法研究[J]. 余秀麗,徐超,王丹丹,張衛(wèi)園,屈衛(wèi)鋒,宋懷波.  農(nóng)機(jī)化研究. 2014(11)
[7]Hu不變矩在圖像識別中的應(yīng)用與實(shí)現(xiàn)[J]. 張鴻鋒,李婉琪,曾昭君,麥志杰.  科技資訊. 2014(30)
[8]基于葉片圖像和環(huán)境信息的黃瓜病害識別方法[J]. 王獻(xiàn)鋒,張善文,王震,張強(qiáng).  農(nóng)業(yè)工程學(xué)報(bào). 2014(14)
[9]基于計(jì)算機(jī)視覺的水稻葉部病害識別研究[J]. 劉濤,仲曉春,孫成明,郭文善,陳瑛瑛,孫娟.  中國農(nóng)業(yè)科學(xué). 2014(04)
[10]機(jī)器視覺在農(nóng)業(yè)生產(chǎn)中的應(yīng)用研究[J]. 刁智華,王會(huì)丹,魏偉.  農(nóng)機(jī)化研究. 2014(03)

博士論文
[1]非局部圖像去噪方法及其應(yīng)用研究[D]. 許光宇.合肥工業(yè)大學(xué) 2013
[2]基于計(jì)算機(jī)視覺的農(nóng)作物病害識別方法的研究[D]. 宋凱.沈陽農(nóng)業(yè)大學(xué) 2008

碩士論文
[1]基于圖像處理的黃瓜細(xì)菌性角斑病的識別研究[D]. 劉芝京.西華大學(xué) 2012
[2]基于圖像處理和模式識別技術(shù)的黃瓜病害識別研究[D]. 彭占武.吉林農(nóng)業(yè)大學(xué) 2007



本文編號：3663137