基于视频监测的作物病害识别
发布时间：2021-01-25 18:58
作物病害智能、精准识别是现代病害防控的基础,是提高作物品质与产量的重要保证。视频监测具有动态性好、性价比高的优势,弥补了静态图像识别和光谱成像等方法的相应不足,但是存在视频信息冗余量巨大、病害区域提取效果差以及病害识别性能差等问题,导致应用推广停滞不前。本文主要以茶树为研究对象,运用机器视觉和深度学习的方法和技术,从全面反映作物生长状态的监控视频中,利用关键帧提取、显著图提取和CNN识别技术,实现作物病害的智能化监测。主要内容和结果包括:1)作物监测视频关键帧提取研究。为了提高视频关键帧提取的质量和效率,提出一种基于最优距离聚类和特征融合表达的视频关键帧提取算法。在帧间差异性分析基础上,寻找并确定最优帧间距离阈值,采用无监督聚类算法对帧间距离进行聚类,获得类别数目最优的类图像集;计算图像的颜色复杂度和信息熵并融合,按照类中图像特征值“平均”的思想提取类代表帧,组成视频关键帧。该算法解决了无监督聚类对阈值的依赖性问题,兼顾了视频中目标变化和环境异常两种情况,具有良好的性能和适应性。2)茶树叶部病害显著图提取研究。为了实现复杂背景下茶树叶部病害图像的准确提取,提出一种将SLIC和SVM算法...
【文章来源】：安徽农业大学安徽省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
图２－２最优距离阈值选取参数曲线图??
?＊——ｎ?ｆ?／??ａｍ?＊?＾?／??５?９６＇?＇／?■畜?９０?／??赵?／?＼?迴?／??９４?，?＊?爷—一?”?８５?／???■??．／？?－?Ｆｉｄｅｌｉｔｙ???来＇?—＊?－?Ｒａｔｉｏ??９２?＊■?１?１?１?＇??８０??１?＇?１?１???０．２?０．２１?０．２２?０．２３?０．２４?０．２５?０．０９?０．１?０．１１?０．１２?０．１３?０．１４??（ｃ）阈值?（ｄ）阈值??图２－３保真度、压缩率随距离阈值变化曲线??Ｆｉｇ?２－３?Ｆｉｄｅｌｉｔｙ?＆?Ｃｏｍｐｒｅｓｓｉｏｎ?ｒａｔｅ?ｃｕｒｖｅ?ｗｉｔｈ?Ｄ?ｔｈｒｅｓｈｏｌｄ??注：图ａｂｅｄ分别对应４个试验视频??２．３．２关键帧提取结果分析??用０ＣＦＦ算法提取的４个监测视频的关键帧，结果如表２－２和图２－４所示。表２－２??中关键帧保真度和压缩率值均较高，ＴＶ（ｄ）为手机实地监拍视频，由于帧图像分辨率较??高，因此运行时间也就相对较长。图２－４为提取出的关键帧以及对应的帧序列号，将关??键帧与视觉观察的视频内容相比，提取出的关键帧与人为观察判断出的关键帧一致。将??关键帧帧号与图２－２（ａ）变化趋势对比显示，曲线变化大的视频关键帧提取出的数量多，??并且关键帧对应的帧序列号与帧差异性分析对应的突变点基本一致。??表２－２关键帧提取实验结果??Ｔａｂ．２－２?Ｒｅｓｕｌｔｓ?ｏｆ?ｋｅｙ?ｆｒａｍｅ?ｅｘｔｒａｃｔｉｏｎ??视频名称?帧数辦?关键帧／顿?保真度／％?压缩率／％?运行时间／Ｓ??ＴＶ（ａ）?１６１?４?９５．５?９７．５
?１００?－?｜ｌ?ＩＰＣＭ好法?１２〇?ｊｌ?ＩＰＣＭ好法??９５?ｌ?ｉ；??ｊ?１００?■??９０?？?彳一??孑?＾?８０－?？??書?８５．?ＦＩ?Ｓ?｜??１８〇?｜?ｉｎ?ｎ?Ｓ６〇??１１１?ＩＩＩ?ｌｉｌ?１１１?：Ｌ?ｉｉ?Ｊｌ［??ＴＶ（ａ）?ＴＶ（ｂ）?ＴＶ（ｃ）?ＴＶ（ｄ）?ＴＶ（ａ）?ＴＶ（ｂ）?ＴＶ（ｃ）?ＴＶ（ｄ）??（ａ）保真度?（ｂ）运行时间??（ａ）?Ｆｉｄｅｌｉｔｙ?（ｂ）?Ｔｉｍｅ?ｃｏｎｓｕｍｐｔｉｏｎ??图２－５三种算法指标对比图??Ｆｉｇ?２－５?Ｉｎｄｉｃａｔｏｒ?ｃｏｍｐａｒｉｓｏｎ?ｃｈａｒｔ?ｏｆ?ｔｈｒｅｅ?ａｌｇｏｒｉｔｈｍ??２．４关键帧提取算法在茶树监测视频中的应用??关键帧提取算法在多类型视频监控关键帧提取中应用良好，将算法应用于茶树监测??视频中。在安徽农业大学大洋店农业园茶种植基地布置监控摄像头，用于采集茶树生长??监测视频。通过团队专门开发的软件对预先设置好的预置位进行巡航采集茶园视频，软??件操作界面如图２－６所示。可实现的基础功能有：通过控制摄像头旋转、变倍、光圈和??聚焦等方法实现高质量、多角度和多区域采集茶树生长监控视频；通过预先设置预置位??进行巡航抓拍，实现多角度多区域图像的同时进行；除此之外，还可实现摄像头的帧率??等基础配置参数的设置。??受到病害发生条件以及茶树实际生长情况的限制，本章以采集到的茶树花开过程视??频为试验基础，对关键帧提取算法进行验证。视频采集跨越茶树花开过程整个周期，??从２０】８年１１月２５日到２０］９年２月１４日止。釆集周期跨度较长，包含了晴天、阴天、??雨天、雪天以及霜降等
【参考文献】：
期刊论文
[1]基于卷积神经网络和小样本的茶树病害图像识别[J]. 孙云云,江朝晖,董伟,张立平,饶元,李绍稳. 江苏农业学报. 2019(01)
[2]基因表达式编程优化的色调保持低照度图像增强[J]. 贾新宇,李婷婷,江朝晖,刘海秋,饶元. 激光与光电子学进展. 2019(09)
[3]相对颜色空间下梯度分层重构的分水岭分割[J]. 贾新宇,江朝晖,魏雅鹛,刘连忠. 计算机科学. 2018(S2)
[4]基于卷积神经网络与迁移学习的油茶病害图像识别[J]. 龙满生,欧阳春娟,刘欢,付青. 农业工程学报. 2018(18)
[5]最优距离聚类和特征融合表达的关键帧提取[J]. 孙云云,江朝晖,单桂朋,刘海秋,饶元. 南京理工大学学报. 2018(04)
[6]卷积神经网络在黄瓜叶部病害识别中的应用[J]. 张善文,谢泽奇,张晴晴. 江苏农业学报. 2018(01)
[7]基于GF-1/WFV数据的冬小麦条锈病遥感监测[J]. 王利民,刘佳,杨福刚,杨玲波,姚保民,高建孟. 农业工程学报. 2017(20)
[8]基于改进卷积神经网络的多种植物叶片病害识别[J]. 孙俊,谭文军,毛罕平,武小红,陈勇,汪龙. 农业工程学报. 2017(19)
[9]结合卷积神经网络和超像素聚类的细胞图像分割方法[J]. 杨金鑫,杨辉华,李灵巧,潘细朋,刘振丙,周洁茜. 计算机应用研究. 2018(05)
[10]基于融合图像与运动量的奶牛行为识别方法[J]. 顾静秋,王志海,高荣华,吴华瑞. 农业机械学报. 2017(06)
博士论文
[1]面向叶部病害识别的设施蔬菜监控视频关键帧提取方法研究[D]. 马浚诚.中国农业大学 2016
[2]基于机器视觉的害虫识别方法研究[D]. 吴翔.浙江大学 2016
硕士论文
[1]基于基因表达式编程的农业信息处理研究[D]. 李婷婷.安徽农业大学 2018
[2]基于图像技术的作物水分检测研究与应用[D]. 杨春合.安徽农业大学 2016
[3]养殖大菱鲆4种致病菌多重PCR和荧光定量PCR检测方法的建立[D]. 刘智超.中国海洋大学 2012
[4]网络视频流发现及关键帧提取相关技术研究[D]. 郭晓军.西安理工大学 2009
本文编号：2999721
【文章来源】：安徽农业大学安徽省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
图２－２最优距离阈值选取参数曲线图??
?＊——ｎ?ｆ?／??ａｍ?＊?＾?／??５?９６＇?＇／?■畜?９０?／??赵?／?＼?迴?／??９４?，?＊?爷—一?”?８５?／???■??．／？?－?Ｆｉｄｅｌｉｔｙ???来＇?—＊?－?Ｒａｔｉｏ??９２?＊■?１?１?１?＇??８０??１?＇?１?１???０．２?０．２１?０．２２?０．２３?０．２４?０．２５?０．０９?０．１?０．１１?０．１２?０．１３?０．１４??（ｃ）阈值?（ｄ）阈值??图２－３保真度、压缩率随距离阈值变化曲线??Ｆｉｇ?２－３?Ｆｉｄｅｌｉｔｙ?＆?Ｃｏｍｐｒｅｓｓｉｏｎ?ｒａｔｅ?ｃｕｒｖｅ?ｗｉｔｈ?Ｄ?ｔｈｒｅｓｈｏｌｄ??注：图ａｂｅｄ分别对应４个试验视频??２．３．２关键帧提取结果分析??用０ＣＦＦ算法提取的４个监测视频的关键帧，结果如表２－２和图２－４所示。表２－２??中关键帧保真度和压缩率值均较高，ＴＶ（ｄ）为手机实地监拍视频，由于帧图像分辨率较??高，因此运行时间也就相对较长。图２－４为提取出的关键帧以及对应的帧序列号，将关??键帧与视觉观察的视频内容相比，提取出的关键帧与人为观察判断出的关键帧一致。将??关键帧帧号与图２－２（ａ）变化趋势对比显示，曲线变化大的视频关键帧提取出的数量多，??并且关键帧对应的帧序列号与帧差异性分析对应的突变点基本一致。??表２－２关键帧提取实验结果??Ｔａｂ．２－２?Ｒｅｓｕｌｔｓ?ｏｆ?ｋｅｙ?ｆｒａｍｅ?ｅｘｔｒａｃｔｉｏｎ??视频名称?帧数辦?关键帧／顿?保真度／％?压缩率／％?运行时间／Ｓ??ＴＶ（ａ）?１６１?４?９５．５?９７．５
?１００?－?｜ｌ?ＩＰＣＭ好法?１２〇?ｊｌ?ＩＰＣＭ好法??９５?ｌ?ｉ；??ｊ?１００?■??９０?？?彳一??孑?＾?８０－?？??書?８５．?ＦＩ?Ｓ?｜??１８〇?｜?ｉｎ?ｎ?Ｓ６〇??１１１?ＩＩＩ?ｌｉｌ?１１１?：Ｌ?ｉｉ?Ｊｌ［??ＴＶ（ａ）?ＴＶ（ｂ）?ＴＶ（ｃ）?ＴＶ（ｄ）?ＴＶ（ａ）?ＴＶ（ｂ）?ＴＶ（ｃ）?ＴＶ（ｄ）??（ａ）保真度?（ｂ）运行时间??（ａ）?Ｆｉｄｅｌｉｔｙ?（ｂ）?Ｔｉｍｅ?ｃｏｎｓｕｍｐｔｉｏｎ??图２－５三种算法指标对比图??Ｆｉｇ?２－５?Ｉｎｄｉｃａｔｏｒ?ｃｏｍｐａｒｉｓｏｎ?ｃｈａｒｔ?ｏｆ?ｔｈｒｅｅ?ａｌｇｏｒｉｔｈｍ??２．４关键帧提取算法在茶树监测视频中的应用??关键帧提取算法在多类型视频监控关键帧提取中应用良好，将算法应用于茶树监测??视频中。在安徽农业大学大洋店农业园茶种植基地布置监控摄像头，用于采集茶树生长??监测视频。通过团队专门开发的软件对预先设置好的预置位进行巡航采集茶园视频，软??件操作界面如图２－６所示。可实现的基础功能有：通过控制摄像头旋转、变倍、光圈和??聚焦等方法实现高质量、多角度和多区域采集茶树生长监控视频；通过预先设置预置位??进行巡航抓拍，实现多角度多区域图像的同时进行；除此之外，还可实现摄像头的帧率??等基础配置参数的设置。??受到病害发生条件以及茶树实际生长情况的限制，本章以采集到的茶树花开过程视??频为试验基础，对关键帧提取算法进行验证。视频采集跨越茶树花开过程整个周期，??从２０】８年１１月２５日到２０］９年２月１４日止。釆集周期跨度较长，包含了晴天、阴天、??雨天、雪天以及霜降等
【参考文献】：
期刊论文
[1]基于卷积神经网络和小样本的茶树病害图像识别[J]. 孙云云,江朝晖,董伟,张立平,饶元,李绍稳. 江苏农业学报. 2019(01)
[2]基因表达式编程优化的色调保持低照度图像增强[J]. 贾新宇,李婷婷,江朝晖,刘海秋,饶元. 激光与光电子学进展. 2019(09)
[3]相对颜色空间下梯度分层重构的分水岭分割[J]. 贾新宇,江朝晖,魏雅鹛,刘连忠. 计算机科学. 2018(S2)
[4]基于卷积神经网络与迁移学习的油茶病害图像识别[J]. 龙满生,欧阳春娟,刘欢,付青. 农业工程学报. 2018(18)
[5]最优距离聚类和特征融合表达的关键帧提取[J]. 孙云云,江朝晖,单桂朋,刘海秋,饶元. 南京理工大学学报. 2018(04)
[6]卷积神经网络在黄瓜叶部病害识别中的应用[J]. 张善文,谢泽奇,张晴晴. 江苏农业学报. 2018(01)
[7]基于GF-1/WFV数据的冬小麦条锈病遥感监测[J]. 王利民,刘佳,杨福刚,杨玲波,姚保民,高建孟. 农业工程学报. 2017(20)
[8]基于改进卷积神经网络的多种植物叶片病害识别[J]. 孙俊,谭文军,毛罕平,武小红,陈勇,汪龙. 农业工程学报. 2017(19)
[9]结合卷积神经网络和超像素聚类的细胞图像分割方法[J]. 杨金鑫,杨辉华,李灵巧,潘细朋,刘振丙,周洁茜. 计算机应用研究. 2018(05)
[10]基于融合图像与运动量的奶牛行为识别方法[J]. 顾静秋,王志海,高荣华,吴华瑞. 农业机械学报. 2017(06)
博士论文
[1]面向叶部病害识别的设施蔬菜监控视频关键帧提取方法研究[D]. 马浚诚.中国农业大学 2016
[2]基于机器视觉的害虫识别方法研究[D]. 吴翔.浙江大学 2016
硕士论文
[1]基于基因表达式编程的农业信息处理研究[D]. 李婷婷.安徽农业大学 2018
[2]基于图像技术的作物水分检测研究与应用[D]. 杨春合.安徽农业大学 2016
[3]养殖大菱鲆4种致病菌多重PCR和荧光定量PCR检测方法的建立[D]. 刘智超.中国海洋大学 2012
[4]网络视频流发现及关键帧提取相关技术研究[D]. 郭晓军.西安理工大学 2009
本文编号：2999721
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/2999721.html
最近更新
教材专著
