番茄,種植面積廣且栽培效益高,是我國的重要經(jīng)濟(jì)作物,在農(nóng)業(yè)蔬菜生產(chǎn)和蔬菜貿(mào)易中占有非常重要的地位,而病害是制約其產(chǎn)量和質(zhì)量的一個(gè)重要因素。傳統(tǒng)的番茄病害識(shí)別一般采用人工識(shí)別方法,但人工病害識(shí)別難以滿足番茄在現(xiàn)代農(nóng)業(yè)發(fā)展中的高效生產(chǎn)要求。番茄病害的癥狀通常表現(xiàn)在番茄葉片上,番茄患病葉片會(huì)在顏色、紋理和形狀等方面呈現(xiàn)不同程度的異常,而不同類型的患病葉片又會(huì)具有不同的外部特征,所以對(duì)番茄葉片特征的準(zhǔn)確分析,有助于及時(shí)掌握番茄在種植過程中的健康狀況,是實(shí)現(xiàn)病害實(shí)時(shí)監(jiān)測(cè)與防治的前提。對(duì)于番茄果實(shí),生理性病害則是重要的影響因素�；忌硇圆『Φ姆压麑�(shí)會(huì)表現(xiàn)出明顯的外部特征,而外部特征恰恰是評(píng)價(jià)果實(shí)品質(zhì)的重要指標(biāo)。因此,加強(qiáng)番茄葉部病害和番茄果實(shí)生理性病害的有效、自動(dòng)檢測(cè)是促進(jìn)番茄生長監(jiān)測(cè)和病害治理,加強(qiáng)番茄果實(shí)質(zhì)量管理和自動(dòng)篩選的有效措施。隨著深度學(xué)習(xí)概念的產(chǎn)生,其代表算法——卷積神經(jīng)網(wǎng)絡(luò)在二十一世紀(jì)后得到了快速發(fā)展,并在圖像識(shí)別和目標(biāo)檢測(cè)領(lǐng)域應(yīng)用廣泛。卷積神經(jīng)網(wǎng)絡(luò)作為一種高性能圖像識(shí)別技術(shù),為番茄病害的準(zhǔn)確識(shí)別與檢測(cè)提供了新的思路。然而,現(xiàn)有的基于卷積神經(jīng)網(wǎng)絡(luò)的番茄病害檢測(cè)研究大多使用的是基于候... 

【文章來源】：山東師范大學(xué)山東省

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文研究框架圖

山東師范大學(xué)碩士學(xué)位論文9全連接網(wǎng)絡(luò)輸出基于輸入數(shù)據(jù)的條件概率分布。2.1.2卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)卷積神經(jīng)網(wǎng)絡(luò)的典型結(jié)構(gòu)如圖2-1所示，其基本組成包括輸入層、卷積層（cliallae）、池化層（liglae）、全連接層（fll-cecedlae）和輸出層，其中，卷積層和池化層一般有多個(gè)，呈現(xiàn)一個(gè)卷積層后接一個(gè)池化層，該池化層再后接一個(gè)卷積層，而后二者依次交替連接的狀態(tài)。圖2-1卷積神經(jīng)網(wǎng)絡(luò)典型結(jié)構(gòu)（1）卷積層原始圖像0作為網(wǎng)絡(luò)輸入由輸入層進(jìn)入卷積層，卷積層的作用在于學(xué)習(xí)網(wǎng)絡(luò)輸入的特征表示。卷積層通過卷積操作提取輸入的各種特征，低層的卷積層提取如邊緣、線條等的低級(jí)特征信息，著卷積層的堆疊，更儈層的卷積層將逐步提取更儈級(jí)別的特征信息。卷積層由多個(gè)特征圖組成，每個(gè)特征圖包含多個(gè)神經(jīng)元，每一個(gè)神經(jīng)元通過一種權(quán)值矩——卷積核，與上一層特征圖的局區(qū)域相連。卷積核在二維狀態(tài)下可為33、55等形式的矩。用表示第層卷積神經(jīng)網(wǎng)絡(luò)的特征圖（0），則卷積層的產(chǎn)生過程可以表述為：1（2-1）其中，運(yùn)算符號(hào)“”表示卷積核與第1層卷積層的特征圖進(jìn)行卷積操作，表示第層卷積核的權(quán)值向，表示第層的偏移向，卷積的輸出與相加，通過線性映射函數(shù)得到。線性映射函數(shù)，又稱激活函數(shù)，其模擬生物神經(jīng)元的特性，在卷積神經(jīng)網(wǎng)絡(luò)的神經(jīng)元上運(yùn)行，將神經(jīng)元的輸入從輸入端映射到輸出端，實(shí)現(xiàn)多層網(wǎng)絡(luò)對(duì)線性特征

山東師范大學(xué)碩士學(xué)位論文11（3）用亴先訓(xùn)練好的分類器進(jìn)行區(qū)域分類。圖2-2傳統(tǒng)目標(biāo)檢測(cè)過程2.2.1候區(qū)域擇在給定一張待檢測(cè)圖像的情況下，目標(biāo)檢測(cè)過程俆先對(duì)這張圖像進(jìn)行候選區(qū)域選擇。候選區(qū)域選擇，即對(duì)圖像中可能包含待檢測(cè)目標(biāo)的區(qū)域進(jìn)行選擇。由于在待檢測(cè)圖像中，待檢測(cè)目標(biāo)可能以各種尺寸、比例出現(xiàn)在任何位置，所以傳統(tǒng)的目標(biāo)檢測(cè)方法一般用多尺度滑動(dòng)窗口的方法來提取候選區(qū)域、標(biāo)記候選框，但此方法也存在弊端，滑動(dòng)窗口在提取所有可能的候選區(qū)域的同時(shí)，會(huì)提升檢測(cè)過程的時(shí)復(fù)雜度，產(chǎn)生大冗余窗口，進(jìn)而增加計(jì)算成本，在一定程度上影響目標(biāo)定位。2.2.2特征提取在選定了候選區(qū)域之后，目標(biāo)檢測(cè)過程將對(duì)每個(gè)區(qū)域中的局信息進(jìn)行特征提取，提取的特征包括直線特征、多邊形特征、橢圓特征等。作為檢測(cè)過程中十分關(guān)的一步，特征提取的好壞程度直接影響著最終的檢測(cè)效果。傳統(tǒng)的特征提取一般通過手工設(shè)計(jì)特征的方法實(shí)現(xiàn)，但手工設(shè)計(jì)過程易受圖像背景、外觀、照明環(huán)境、專業(yè)知識(shí)等因素的影響，極大增加了全描述目標(biāo)的計(jì)算成本，同時(shí)，手工設(shè)計(jì)的特征對(duì)于復(fù)雜任務(wù)并沒有很好的勵(lì)棒性。2.2.3分類器分類在對(duì)待檢測(cè)圖像進(jìn)行候選區(qū)域選擇和特征提取之后，目標(biāo)檢測(cè)過程將根據(jù)提取到的特征使用亴先訓(xùn)練好的分類器進(jìn)行區(qū)域分類。常用的分類器有支持向機(jī)（SVecMachie,SVM）、AdaB、神經(jīng)網(wǎng)絡(luò)等。

【參考文獻(xiàn)】：
期刊論文
[1]基于注意力殘差機(jī)制的細(xì)粒度番茄病害識(shí)別[J]. 胡志偉,楊華,黃濟(jì)民,謝倩倩.  華南農(nóng)業(yè)大學(xué)學(xué)報(bào). 2019(06)
[2]基于改進(jìn)Multi-Scale AlexNet的番茄葉部病害圖像識(shí)別[J]. 郭小清,范濤杰,舒欣.  農(nóng)業(yè)工程學(xué)報(bào). 2019(13)
[3]基于遷移學(xué)習(xí)的番茄葉片病害圖像分類[J]. 王艷玲,張宏立,劉慶飛,張亞爍.  中國農(nóng)業(yè)大學(xué)學(xué)報(bào). 2019(06)
[4]基于改進(jìn)YOLOv3的快速車輛檢測(cè)方法[J]. 張富凱,楊峰,李策.  計(jì)算機(jī)工程與應(yīng)用. 2019(02)
[5]遙感圖像中飛機(jī)的改進(jìn)YOLOv3實(shí)時(shí)檢測(cè)算法[J]. 戴偉聰,金龍旭,李國寧,鄭志強(qiáng).  光電工程. 2018(12)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)與遷移學(xué)習(xí)的油茶病害圖像識(shí)別[J]. 龍滿生,歐陽春娟,劉歡,付青.  農(nóng)業(yè)工程學(xué)報(bào). 2018(18)
[7]自然環(huán)境下樹上綠色芒果的無人機(jī)視覺檢測(cè)技術(shù)[J]. 熊俊濤,劉振,林睿,陳淑綿,陳偉杰,楊振剛.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(11)
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的植物病害識(shí)別技術(shù)[J]. 廖經(jīng)緯,蔡英,王語晨,張艷秋,譚周渝,魏靜桐.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2018(19)
[9]基于參數(shù)指數(shù)非線性殘差神經(jīng)網(wǎng)絡(luò)的臍橙病變?nèi)~片識(shí)別[J]. 楊國亮,許楠,康樂樂,龔曼,洪志陽.  浙江農(nóng)業(yè)學(xué)報(bào). 2018(06)
[10]未成熟芒果的改進(jìn)YOLOv2識(shí)別方法[J]. 薛月菊,黃寧,涂淑琴,毛亮,楊阿慶,朱勛沐,楊曉帆,陳鵬飛.  農(nóng)業(yè)工程學(xué)報(bào). 2018(07)

碩士論文
[1]番茄病害圖像數(shù)據(jù)庫構(gòu)建方法研究[D]. 黃志豪.華南農(nóng)業(yè)大學(xué) 2016
[2]基于計(jì)算機(jī)視覺技術(shù)的番茄病害識(shí)別研究[D]. 周正.湖南農(nóng)業(yè)大學(xué) 2013



本文編號(hào)：2935921