基于数字图像的马铃薯田间病虫害分类算法的研究
发布时间：2021-10-15 20:48
马铃薯是新世纪以来在我国最为具有发展前景的高产经济作物之一,而马铃薯病虫害的频繁出现往往会直接导致其大量减产或者低产。及时发现并有效控制各种病害虫,对于确保马铃薯的正常生长和健康具有重要的作用。传统的人工检测和诊断方法主要是依赖专家的肉眼观察,受主观因素影响较大。因受到空间限制,田间病害和虫害无法得到快速有效地检测,所以,利用图像处理技术对马铃薯的病虫害进行检测和诊断可以更好地满足农民对病虫害诊断与防治的需求。本文以马铃薯病虫害图像为研究对象,通过采用机器学习与深度学习方法提取关键特征,从而确认马铃薯病虫害种类。首先使用相机在田间进行图像采集,建立数据库。然后对图像进行预处理,并使用K-means聚类方法进行分割。最后利用改进的LBP和迁移学习方法提取马铃薯病虫害图像特征并进行分类。本文的主要研究内容和结论如下:（1）采集并建立马铃薯病虫害图像数据库。本文使用数码相机和手机摄像头等图像采集设备在田间进行图像采集,采集地点包括内蒙古自治区武川县、和林格尔县和察哈尔右翼中旗,采集病害3类、虫害4类,共1400幅原始图像。为进一步扩充图像数据库,对原始图像进行了旋转、翻转等操作,共计得到70...
【文章来源】：内蒙古农业大学内蒙古自治区
【文章页数】：51 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
缩略语表
1 引言
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 课题来源及主要研究内容
1.3.1 课题来源
1.3.2 主要研究内容
1.3.3 文章结构安排
1.4 本章小结
2 图像获取及图像分割
2.1 图像获取
2.1.1 马铃薯病虫害图像特点
2.2 图像预处理
2.2.1 提取G-R分量
2.2.2 形态学处理
2.2.3 Lab色彩空间
2.3 图像分割
2.3.1 K-means聚类
2.3.2 分割结果
2.4 本章小结
3 基于LBP的马铃薯田间病虫害图像分类
3.1 小波变换
3.2 LBP
3.3 双线性插值
3.4 三次插值
3.5 实验结果与分析
3.5.1 分块LBP分类实验
3.5.2 特征提取对象对比实验
3.5.3 分类方法对比实验
3.6 本章小结
4 卷积神经网络与迁移学习
4.1 卷积神经网络
4.1.1 卷积神经网络的结构
4.1.2 卷积神经网络优化算法
4.2 Inception模型
4.3 迁移学习
4.3.1 迁移学习的方式
4.3.2 迁移学习的分类
4.3.3 Inception V3模型的迁移学习
4.3.4 SoftMax分类器
4.4 基于迁移学习的马铃薯田间病虫害图像分类
4.4.1 马铃薯田间病害图像分类
4.4.2 马铃薯田间虫害图像分类
4.4.3 对比实验
4.4.4 实验结果分析
4.5 本章小结
5 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
作者简介
【参考文献】：
期刊论文
[1]我国马铃薯病虫害发生现状与防控策略[J]. 高玉林,徐进,刘宁,周倩,丁新华,詹家绥,成新跃,黄剑,鲁宇文,杨宇红. 植物保护. 2019(05)
[2]结合迁移学习和Inception-v3模型的路面干湿状态识别方法[J]. 杨炜,周凯霞,刘佳俊,张志威,王童. 中国科技论文. 2019(08)
[3]基于迁移学习的番茄病虫害检测[J]. 柴帅,李壮举. 计算机工程与设计. 2019(06)
[4]基于迁移学习的番茄叶片病害图像分类[J]. 王艳玲,张宏立,刘庆飞,张亚烁. 中国农业大学学报. 2019(06)
[5]基于迁移学习与卷积神经网络的玉米植株病害识别[J]. 陈桂芬,赵姗,曹丽英,傅思维,周佳鑫. 智慧农业. 2019(02)
[6]一种基于模糊C均值聚类的多阈值苹果病害图像分割方法[J]. 贾庆节,齐国红,忽晓伟. 智能计算机与应用. 2019(02)
[7]基于迁移学习的卷积神经网络植物叶片图像识别方法[J]. 郑一力,张露. 农业机械学报. 2018(S1)
[8]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)
[9]基于GR颜色特征的农田绿色作物分割方法[J]. 王雪,郭鑫鑫. 黑龙江科学. 2018(16)
[10]基于深度学习的植物病虫害图像识别[J]. 安强强,张峰,李赵兴,张雅琼. 农业工程. 2018(07)
硕士论文
[1]基于迁移学习的车牌识别系统的设计与实现[D]. 曾臻.北京邮电大学 2019
[2]基于卷积神经网络和迁移学习的农作物病害和杂草图像识别研究[D]. 王敬贤.中国科学技术大学 2019
[3]基于小波变换与改进局部二进制模式的牧草识别[D]. 韩璠.内蒙古农业大学 2014
本文编号：3438603
【文章来源】：内蒙古农业大学内蒙古自治区
【文章页数】：51 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
缩略语表
1 引言
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 课题来源及主要研究内容
1.3.1 课题来源
1.3.2 主要研究内容
1.3.3 文章结构安排
1.4 本章小结
2 图像获取及图像分割
2.1 图像获取
2.1.1 马铃薯病虫害图像特点
2.2 图像预处理
2.2.1 提取G-R分量
2.2.2 形态学处理
2.2.3 Lab色彩空间
2.3 图像分割
2.3.1 K-means聚类
2.3.2 分割结果
2.4 本章小结
3 基于LBP的马铃薯田间病虫害图像分类
3.1 小波变换
3.2 LBP
3.3 双线性插值
3.4 三次插值
3.5 实验结果与分析
3.5.1 分块LBP分类实验
3.5.2 特征提取对象对比实验
3.5.3 分类方法对比实验
3.6 本章小结
4 卷积神经网络与迁移学习
4.1 卷积神经网络
4.1.1 卷积神经网络的结构
4.1.2 卷积神经网络优化算法
4.2 Inception模型
4.3 迁移学习
4.3.1 迁移学习的方式
4.3.2 迁移学习的分类
4.3.3 Inception V3模型的迁移学习
4.3.4 SoftMax分类器
4.4 基于迁移学习的马铃薯田间病虫害图像分类
4.4.1 马铃薯田间病害图像分类
4.4.2 马铃薯田间虫害图像分类
4.4.3 对比实验
4.4.4 实验结果分析
4.5 本章小结
5 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
作者简介
【参考文献】：
期刊论文
[1]我国马铃薯病虫害发生现状与防控策略[J]. 高玉林,徐进,刘宁,周倩,丁新华,詹家绥,成新跃,黄剑,鲁宇文,杨宇红. 植物保护. 2019(05)
[2]结合迁移学习和Inception-v3模型的路面干湿状态识别方法[J]. 杨炜,周凯霞,刘佳俊,张志威,王童. 中国科技论文. 2019(08)
[3]基于迁移学习的番茄病虫害检测[J]. 柴帅,李壮举. 计算机工程与设计. 2019(06)
[4]基于迁移学习的番茄叶片病害图像分类[J]. 王艳玲,张宏立,刘庆飞,张亚烁. 中国农业大学学报. 2019(06)
[5]基于迁移学习与卷积神经网络的玉米植株病害识别[J]. 陈桂芬,赵姗,曹丽英,傅思维,周佳鑫. 智慧农业. 2019(02)
[6]一种基于模糊C均值聚类的多阈值苹果病害图像分割方法[J]. 贾庆节,齐国红,忽晓伟. 智能计算机与应用. 2019(02)
[7]基于迁移学习的卷积神经网络植物叶片图像识别方法[J]. 郑一力,张露. 农业机械学报. 2018(S1)
[8]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)
[9]基于GR颜色特征的农田绿色作物分割方法[J]. 王雪,郭鑫鑫. 黑龙江科学. 2018(16)
[10]基于深度学习的植物病虫害图像识别[J]. 安强强,张峰,李赵兴,张雅琼. 农业工程. 2018(07)
硕士论文
[1]基于迁移学习的车牌识别系统的设计与实现[D]. 曾臻.北京邮电大学 2019
[2]基于卷积神经网络和迁移学习的农作物病害和杂草图像识别研究[D]. 王敬贤.中国科学技术大学 2019
[3]基于小波变换与改进局部二进制模式的牧草识别[D]. 韩璠.内蒙古农业大学 2014
本文编号：3438603
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3438603.html
最近更新
教材专著
