在我國的糧食生產(chǎn)和消費中,水稻占有極其重要的地位,是我國最重要的糧食作物之一,因此確保水稻生產(chǎn)安全是確保我國糧食安全的關(guān)鍵。在影響水稻生產(chǎn)安全的病害中,稻瘟病是一種世界性的真菌病害,其特點是流行廣、危害大。水稻稻瘟病是屬于植物病害中的一類氣傳病害,其傳播原理主要是通過氣流吹動孢子的傳播,當水稻植株上的孢子達到一定的數(shù)量時,水稻植株便會感染稻瘟病。因此通過檢測空氣中的孢子可以對稻瘟病的病發(fā)起到預(yù)測和預(yù)警的作用。目前傳統(tǒng)的稻瘟病孢子的捕捉和識別計數(shù)方法,大多是采用孢子捕捉器進行捕捉取樣,并將捕捉到的附有病原菌孢子的載玻片帶回實驗室進行觀測,然后采用人工計數(shù)的方法進行統(tǒng)計。該方法由于樣本數(shù)目大、孢子個體小,導(dǎo)致觀測過程耗時耗力。且當樣本中的病原孢子除稻瘟病孢子外還摻有其他病原孢子,則會大大增加觀測的難度,極大地影響對初期災(zāi)害的判別。為解決這一問題,研制一種便攜式孢子捕捉儀并構(gòu)建一種稻瘟病孢子圖像識別模型。該便攜式孢子捕捉儀可實現(xiàn)自動、定時、多時間段地采集田間孢子,實現(xiàn)對監(jiān)測地塊不同時間段內(nèi)孢子的捕捉;該稻瘟病孢子圖像識別模型基于圖像識別技術(shù)對稻瘟病孢子進行自動識別與統(tǒng)計,具有快速、精準、高效... 

【文章來源】：山東農(nóng)業(yè)大學山東省

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

水稻稻瘟病孢子檢測硬件構(gòu)成

山東農(nóng)業(yè)大學碩士學位論文9的孢子采集工作，依次類推，直至載玻片固定板上的載玻片完全采集完成。便攜式稻瘟病孢子捕捉儀結(jié)構(gòu)形式包括如圖2-2所示。1.機箱蓋2.軸流風機3.空氣漏斗4.孢子采集通道5.開關(guān)門6.步進電機驅(qū)動器7.蓄電池電源8.單片機9.步進電機10.載玻片固定板圖2-2便攜式稻瘟病孢子捕捉儀簡圖Fig.2-2Sketchofportablericeblastsporecaptureinstrument2.3基于圖像識別的稻瘟病孢子檢測模型構(gòu)建首先，完成稻瘟病孢子的特征選齲通過圖像預(yù)處理來降低圖像的噪聲干擾，增強孢子圖像的邊緣信息，為后續(xù)的特征提取做準備。其次使用Canny自適應(yīng)閾值邊緣檢測算法完成對孢子邊緣的檢測，然后使用輪廓提取函數(shù)完成對孢子輪廓的提取，最后提取最小外接矩形長寬比、輪廓面積、周長、橢圓度等形態(tài)特征參數(shù)；另一方面使用HOG特征描述算子來描述稻瘟病孢子的特征，通過計算梯度方向分布來描述稻瘟病孢子圖像的邊緣信息。該方法首先通過Gamma校正調(diào)整圖像的對比度和降低噪音，然后計算圖像的梯度，將計算所得的梯度圖像劃分成小的細胞單元，并基于每一個細胞單元的梯度進行投票，最后進行向量的歸一化完成HOG特征向量的提齲其次，完成基于支持向量機的稻瘟病孢子檢測模型的構(gòu)建。核函數(shù)是決定支持向量機模型檢測效率的關(guān)鍵因素之一，為確保構(gòu)建的支持向量機模型的精準性和高效性，對支持向量機模型的核函數(shù)進行對比研究，分別構(gòu)建基于線性核函數(shù)、徑向基核函數(shù)、加性交叉核函數(shù)的SVM模型，并通過三種模型的對比試驗，比較三種模型的檢測時間和正確檢測率，最終確定最適合本研究的SVM模型。2.4便攜式電子顯微鏡的設(shè)計選型便攜式電子顯微鏡作為稻瘟病孢子田間拍照的儀器，其主要功能為將孢子捕捉儀捕

水稻稻瘟病孢子的檢測研究10捉的含有病原菌孢子的載玻片成像，并將采集的照片存儲并傳輸?shù)焦P記本電腦中，以便于后續(xù)的孢子檢測識別。此外，便攜式電子顯微鏡在滿足要求的前提下，還應(yīng)盡量輕快便捷，滿足攜帶方便的要求。為滿足以上要求，選用了寶視德專業(yè)光學檢測電子顯微鏡，型號為52-01000。該顯微鏡最高可實現(xiàn)2000倍變焦，同時帶有3.5英寸的LCD液晶顯示屏幕，可實時觀察載玻片中的孢子并將照片存儲于SD卡中，SD卡最高可支持32G的SD卡擴展。此外，顯微鏡還配有USB接口，可將顯微鏡與筆記本電腦連接，將顯微圖像傳輸?shù)焦P記本電腦中儲存。顯微鏡機身尺寸（長寬高）僅為100×80×330mm，攜帶十分便攜。便攜式電子顯微鏡的具體參數(shù)如表2-1所示。圖2-3便攜式電子顯微鏡Fig.2-3Portableelectronmicroscope表2-1便攜式電子顯微鏡參數(shù)Table2-1Portableelectronmicroscopeparameters品牌型號寶視德52-01000顯示屏幕3.5英寸LCD液晶屏幕放大倍率50倍-500倍（光學變焦）2000倍（數(shù)碼變焦）照明系統(tǒng)透射、落射光源系統(tǒng)存儲方式標準SD卡，支持SD卡擴展數(shù)據(jù)輸出USB2.0接口、USB數(shù)據(jù)線2.5本章小結(jié)本章主要介紹了稻瘟病孢子檢測的硬件組成、便攜式孢子捕捉儀的整體結(jié)構(gòu)設(shè)計、便攜式電子顯微鏡的選型以及稻瘟病孢子圖像識別模型的構(gòu)建思路，既保證了本研究硬件設(shè)計的可行性，又確保了孢子檢測模型的識別準確率。

【參考文獻】：
期刊論文
[1]快速傅里葉變換結(jié)合SVM算法識別地表玉米秸稈覆蓋率[J]. 李佳,呂程序,苑嚴偉,李亞碩,偉利國,秦秋生.  農(nóng)業(yè)工程學報. 2019(20)
[2]結(jié)合定向擾動和HOG特征的卷積神經(jīng)網(wǎng)絡(luò)目標跟蹤[J]. 趙赫東,何小冬,何苗,賀逸豪,雷俊茹.  計算機輔助設(shè)計與圖形學學報. 2019(10)
[3]結(jié)合小波自適應(yīng)閾值與雙邊濾波的圖像降噪[J]. 尤波,張宸楓.  計算機工程與設(shè)計. 2019(08)
[4]水稻主要蟲害發(fā)生特點及防治技術(shù)[J]. 李騰.  吉林農(nóng)業(yè). 2019(09)
[5]基于中值濾波技術(shù)的視頻圖像邊緣檢測算法[J]. 楊花雨,詹華蕊.  科學技術(shù)與工程. 2019(09)
[6]2019全國農(nóng)作物重大病蟲害發(fā)生趨勢預(yù)報[J]. 姜玉英,劉萬才,黃沖,陸明紅,劉杰.  中國植保導(dǎo)刊. 2019(02)
[7]基于衍射重構(gòu)技術(shù)的作物真菌病害孢子微型檢測裝置[J]. 楊寧,陳馳原,李國曉,王愛英,張榮標,唐健.  農(nóng)業(yè)機械學報. 2019(04)
[8]不同核函數(shù)支持向量機和可見-近紅外光譜的多種植被葉片生化組分估算[J]. 陳方圓,周鑫,陳奕云,王奕涵,劉會增,王俊杰,鄔國鋒.  光譜學與光譜分析. 2019(02)
[9]基于改進的雙邊濾波與非下采樣剪切波變換的圖像去噪[J]. 荊方,劉增力.  通信技術(shù). 2019(01)
[10]改進自適應(yīng)分水嶺方法分割棉花葉部粘連病斑[J]. 張建華,韓書慶,翟治芬,孔繁濤,馮鑫,吳建寨.  農(nóng)業(yè)工程學報. 2018(24)

博士論文
[1]基于色彩聚類的玉米種子純度識別算法研究[D]. 劉雙喜.山東農(nóng)業(yè)大學 2018
[2]基于多尺度遙感的寒地水稻稻瘟病信息提取與識別研究[D]. 袁建清.東北農(nóng)業(yè)大學 2017
[3]小麥白粉病的遙感監(jiān)測及捕捉器中孢子的Real-time PCR定量檢測[D]. 曹學仁.中國農(nóng)業(yè)科學院 2012

碩士論文
[1]基于氣象條件的水稻病害短期分級預(yù)警系統(tǒng)的研究[D]. 韓國鑫.黑龍江八一農(nóng)墾大學 2019
[2]小麥條銹病夏孢子顯微圖像采集裝置設(shè)計及處理方法研究[D]. 焦林.西北農(nóng)林科技大學 2018
[3]中國水稻稻瘟病流行的時空變化特征及其影響因素[D]. 李彤.福建農(nóng)林大學 2018
[4]基于嵌入式技術(shù)的田間孢子數(shù)粒儀的設(shè)計及實現(xiàn)[D]. 李相.大連交通大學 2017
[5]基于可加性核的快速支持向量機分類算法的研究[D]. 王旭鳳.西安電子科技大學 2017
[6]松楊柵銹菌擔孢子顯微圖像識別及萌發(fā)模型研究[D]. 熊應(yīng)平.東北林業(yè)大學 2017
[7]小麥條銹菌孢子的在線圖像獲取與計數(shù)方法研究[D]. 牛磊磊.西北農(nóng)林科技大學 2017
[8]基于PCA和SVM的人臉識別關(guān)鍵技術(shù)研究與實現(xiàn)[D]. 袁程波.電子科技大學 2017
[9]便攜式動態(tài)玉米種子純度識別儀的研制[D]. 孟凡榮.山東農(nóng)業(yè)大學 2015
[10]稻瘟病孢子圖像識別算法研究[D]. 童源.哈爾濱工業(yè)大學 2015



本文編號：2951396