基于深度卷积网络和AdaBoost算法的无人机图像中病害松树识别

发布时间：2022-02-16 17:00

　　病害松树研究对于预防和管控松树林病害有着重大实际意义,准确地监控松树的生长状态,及时发现和确定发病松树的位置,可以尽早控制病情的蔓延。生长在陡峭山坡和茂密树林里面的松树,传统的人工识别方法既费力又效率低下,不利于松树病害的大范围动态监测,无法保障监测的时效性。遥感技术已被广泛用于植物病虫害识别领域,通过遥感图像获得病虫害植物冠层信息,结合计算机视觉技术,可实现对地物病虫害目标的识别,通过无人机遥感获取高分辨率近地遥感图像,再使用机器学习和深度学习算法针对病害松树目标进行识别,可以实现高精度的识别结果。本文首先介绍了传统机器学习方法对农林业病害检测识别情况,包括提取的特征类型、识别精度等,进而引出了深度学习、增强学习等方法检测病害情况,并将本文实验结果同传统机器学习以及深度学习方法进行对比。本文主要内容如下:1、首先介绍研究区域的地理环境、松树发病情况,介绍了无人机型号、参数等,以及无人机航拍图像预处理情况,在对比实验中介绍了支持向量机和反向传播神经网络（Back Propagation Network,BP-net）等传统机器学习方法以及Alex-net、VGG（Visual Geom... 

【文章来源】：安徽大学安徽省211工程院校

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究目的和意义
    1.2 国内外研究现状
    1.3 主要研究内容及组织结构
第二章 松树无人机图像获取和预处理
    2.1 研究区域介绍
    2.2 无人机参数介绍和图像获取、预处理
    2.3 本章小结
第三章 基于VGG深度卷积网络和AdaBoost算法的病害松树识别
    3.1 复杂图像背景去除
        3.1.1 常用背景去除算法
        3.1.2 VGG
        3.1.3 基于VGG网络的复杂背景去除
    3.2 病害松树识别
        3.2.1 图像特征提取
        3.2.2 AdaBoost算法
        3.2.3 基于AdaBoost算法的病害松树识别
    3.3 算法步骤
    3.4 实验结果分析
        3.4.1 实验图像和模型参数
        3.4.2 实验结果及分析
    3.5 本章小结
第四章 结合深度卷积神经网络、深度卷积对抗网络和AdaBoost算法的病害松树识别
    4.1 数据集及样本扩充
        4.1.1 样本扩充
        4.1.2 基于DCGAN网络的样本扩充
    4.2 基于Inception v3 的复杂背景去除
        4.2.1 Inception网络
        4.2.2 Inception v3 网络
        4.2.3 基于Inception v3 去除复杂背景的算法流程
    4.3 基于AdaBoost算法和形态学的病害松树识别
        4.3.1 基于AdaBoost算法的病害松树初识别
        4.3.2 形态学去除小联通域和图像孔洞填充
    4.4 算法步骤和模型参数
    4.5 实验结果和分析
        4.5.1 实验图像和模型参数
        4.5.2 实验结果及分析
    4.6 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的学术成果
致谢


【参考文献】：
期刊论文
[1]面向对象CART决策树方法的湿地遥感分类[J]. 姚博,张怀清,刘洋,刘华,凌成星.  林业科学研究. 2019(05)
[2]C4.5决策树分类算法性能分析[J]. 刘瑞玲.  信息系统工程. 2019(01)
[3]基于随机森林方法的小麦叶片病害识别研究[J]. 夏永泉,王兵,支俊,黄海鹏,孙静茹.  图学学报. 2018(01)
[4]基于相关向量机的冬小麦蚜虫遥感预测[J]. 唐翠翠,黄文江,罗菊花,梁栋,赵晋陵,黄林生.  农业工程学报. 2015(06)
[5]基于量子神经网络和组合特征参数的玉米叶部病害识别[J]. 张飞云.  南方农业学报. 2013(08)
[6]基于加权支持向量数据描述的遥感图像病害松树识别[J]. 胡根生,张学敏,梁栋,黄林生.  农业机械学报. 2013(05)
[7]基于图像识别的小麦腥黑穗病害特征提取与分类[J]. 邓继忠,李敏,袁之报,金济,黄华盛.  农业工程学报. 2012(03)



本文编号：3628324