水稻是我國主要糧食作物,現(xiàn)階段伴隨著全球環(huán)境所發(fā)生的改變,水稻病害的發(fā)生率較以往有所提升。傳統(tǒng)的病害識別方法主要是通過農(nóng)業(yè)專家對病害進行人工判別,在病害發(fā)生的高峰期,容易出現(xiàn)專家難求的情況,并且這種方式存在一定的主觀誤判現(xiàn)象,從而延誤了水稻病情的防治時間,使水稻產(chǎn)量出現(xiàn)大幅度降低甚至顆粒無收,對種植者造成重大的經(jīng)濟損失。在水稻生長過程中稻瘟病、稻曲病、白葉枯病這三種病害侵染率較高且對產(chǎn)量的影響較為嚴重,所以本實驗旨在針對這三種病害研究出便捷、準確的識別方法。近年來隨著機器學習這一領(lǐng)域的不斷發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)在圖像識別領(lǐng)域展示出了令人滿意的效果,運用卷積神經(jīng)網(wǎng)絡(luò)解決病害識別這一問題,一方面促進了人工智能和農(nóng)業(yè)產(chǎn)業(yè)的深度融合,另一方面也提升了水稻病害的識別效率。本實驗針對水稻病害識別問題進行了深入研究,首先對實驗選取的三類水稻病害樣本圖像進行收集,由于采集到的部分圖像存在圖像尺寸及光照強度不同等問題,所以對其進行了尺寸歸一化和直方圖均衡化,以此降低這些因素對識別結(jié)果所產(chǎn)生的影響。神經(jīng)網(wǎng)絡(luò)在訓練過程中需要大量樣本來進行特征學習,本實驗也對這三類水稻病害樣本進行數(shù)據(jù)增強,數(shù)據(jù)增強的方法主要是隨... 

【文章頁數(shù)】：87 頁

【學位級別】：碩士

【部分圖文】：

技術(shù)路線圖

生物神經(jīng)元模型

人工神經(jīng)元模型

【參考文獻】：
期刊論文
[1]基于HOG+SVM的田間水稻病害圖像識別方法研究[J]. 馬超,袁濤,姚鑫鋒,籍延寶,李琳一.  上海農(nóng)業(yè)學報. 2019(05)
[2]AlexNet改進及優(yōu)化方法的研究[J]. 郭敏鋼,宮鶴.  計算機工程與應(yīng)用. 2020(20)
[3]基于改進深度卷積神經(jīng)網(wǎng)絡(luò)的蘋果病害識別[J]. 張善文,張晴晴,李萍.  林業(yè)工程學報. 2019(04)
[4]基于改進Multi-Scale AlexNet的番茄葉部病害圖像識別[J]. 郭小清,范濤杰,舒欣.  農(nóng)業(yè)工程學報. 2019(13)
[5]基于ROI快速檢測與融合特征的馬鈴薯病害識別[J]. 范振軍,李小霞.  西南農(nóng)業(yè)學報. 2019(03)
[6]基于深度卷積神經(jīng)網(wǎng)絡(luò)的水稻病害圖像識別研究[J]. 譚云蘭,歐陽春娟,李龍,廖婷,湯鵬杰.  井岡山大學學報(自然科學版). 2019(02)
[7]基于改進VGG卷積神經(jīng)網(wǎng)絡(luò)的棉花病害識別模型[J]. 張建華,孔繁濤,吳建寨,翟治芬,韓書慶,曹姍姍.  中國農(nóng)業(yè)大學學報. 2018(11)
[8]基于改進卷積神經(jīng)網(wǎng)絡(luò)算法的語音識別[J]. 楊洋,汪毓鐸.  應(yīng)用聲學. 2018(06)
[9]基于直方圖均衡化圖像增強的兩種改進方法[J]. 董麗麗,丁暢,許文海.  電子學報. 2018(10)
[10]基于卷積神經(jīng)網(wǎng)絡(luò)與遷移學習的油茶病害圖像識別[J]. 龍滿生,歐陽春娟,劉歡,付青.  農(nóng)業(yè)工程學報. 2018(18)

博士論文
[1]氣候變化對中國水稻生產(chǎn)的影響研究[D]. 尹朝靜.華中農(nóng)業(yè)大學 2017
[2]基于圖像分析的小麥葉部病害識別方法研究[D]. 田杰.西北農(nóng)林科技大學 2015
[3]基于高光譜成像技術(shù)的水稻稻瘟病診斷關(guān)鍵技術(shù)研究[D]. 楊燕.浙江大學 2012
[4]面向非均衡數(shù)據(jù)集的機器學習及在地學數(shù)據(jù)處理中的應(yīng)用[D]. 谷瓊.中國地質(zhì)大學 2009

碩士論文
[1]基于圖像處理的水培黃瓜葉片病斑識別系統(tǒng)設(shè)計[D]. 趙潔.陜西科技大學 2019
[2]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
[3]卷積神經(jīng)網(wǎng)絡(luò)在圖像分類中的網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化[D]. 劉小文.山西大學 2019
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的農(nóng)作物病蟲害圖像分類研究[D]. 陳洋.江西農(nóng)業(yè)大學 2019
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的農(nóng)作物病害圖像識別研究[D]. 鄭方梅.重慶師范大學 2019
[6]基于RealSense的自發(fā)學習表情識別研究[D]. 高倩.華中師范大學 2019
[7]卷積核相關(guān)性與CNN網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化的關(guān)系研究[D]. 王琦.蘭州大學 2019
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的手勢識別與實現(xiàn)[D]. 段晗.暨南大學 2018
[9]基于圖像處理的水稻葉部病害快速識別方法研究[D]. 關(guān)瑩.東北農(nóng)業(yè)大學 2018
[10]面向圖像分類的CNN特征提取和結(jié)構(gòu)優(yōu)化[D]. 張猛.新疆大學 2018



本文編號：3660336