基于机器学习的水稻病害识别和叶龄检测算法研究
发布时间：2022-10-10 14:36
随着农业信息智能化的高速发展,传统的靠天吃饭模式演变成为由智能设备监控生产过程并进行自动调控的新型农业模式。如何对这些智能设备采集的数据特别是其中的图像数据进行处理,从中提取出其中的有用信息,并与实际的生产调控措施相结合,从而推动农业生产的高效、快速运作,具有重要意义。本研究将图像处理和机器学习应用于水稻的病害自动识别和叶龄自动检测中,这一方法相比于传统的人工识别和诊断方法更高效、准确。主要内容包括:首先,介绍了机器学习算法和图像处理的基本理论,为后续的病害识别算法研究和叶龄诊断算法研究提供了相应的理论指导和技术方案。接着,在对水稻病害进行识别的算法研究中,采用了机器学习方法进行水稻病害识别。本文主要研究三种水稻常见病害,即稻瘟病、白叶枯病和细菌性条斑病。具体内容包括:首先,对水稻病害图像进行预处理,然后分割出水稻病斑,建立对应的水稻病害图像集。然后,针对不同病斑的病理外在表现,提取多个方面的特征,再采用主成分分析法对提取的特征进行了优化。之后,分别采用BP神经网络和支持向量机建立模型,对优化后的特征进行分类测试,选择了其中识别准确率更高的BP神经网络作为最终的分类模型。最后,对BP分...
【文章页数】：71 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题来源、背景和意义
1.2 国内外研究现状
1.2.1 利用机器学习算法识别作物病害国内外研究现状
1.2.2 叶龄检测技术国内外研究现状
1.3 研究内容及论文结构安排
第2章 机器学习和图像处理基本理论
2.1 机器学习算法
2.1.1 BP神经网络
2.1.2 支持向量机
2.1.3 K-Means聚类
2.2 数字图像预处理
2.2.1 颜色空间
2.2.2 图像灰度化
2.2.3 图像去噪
2.2.4 图像直方图均衡化
2.2.5 图像分割
2.2.6 图像数学形态学处理
2.3 本章小结
第3章 基于机器学习的水稻病害识别算法研究
3.1 水稻病害
3.1.1 水稻病害样本采集和病害介绍
3.1.2 水稻图像预处理与病斑提取
3.1.3 建立水稻病害图像集
3.2 特征提取
3.2.1 颜色特征
3.2.2 形状特征
3.2.3 纹理特征
3.3 特征优化
3.4 水稻病害识别分类器设计
3.4.1 BP神经网络
3.4.2 支持向量机
3.5 模型选择与改进
3.5.1 遗传算法介绍
3.5.2 改进的GA-BP算法
3.5.3 仿真结果分析
3.6 本章小结
第4章 基于图像处理的水稻叶龄诊断算法研究
4.1 叶脉提取算法研究
4.1.1 传统的叶脉提取算法
4.1.2 叶脉提取的改进算法
4.2 叶龄诊断
4.3 寒地水稻智慧调控技术研究
4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其他成果
致谢
【参考文献】：
期刊论文
[1]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)
[2]论水稻生育叶龄诊断技术[J]. 张卫国. 农民致富之友. 2017(02)
[3]基于机器视觉的半干枣病害和裂纹识别研究[J]. 李运志,Qiang Zhang,陈弘毅,党晓辉,李新岗,胡耀华. 农机化研究. 2016(08)
[4]高光谱技术诊断马铃薯叶片晚疫病的研究[J]. 胡耀华,平学文,徐明珠,单卫星,何勇. 光谱学与光谱分析. 2016(02)
[5]基于Lab空间和K-Means聚类的叶片分割算法研究[J]. 邹秋霞,杨林楠,彭琳,郑强. 农机化研究. 2015(09)
[6]复杂背景下小麦叶部病害图像分割方法研究[J]. 张武,黄帅,汪京京,刘连忠. 计算机工程与科学. 2015(07)
[7]浅谈水稻叶龄诊断技术应用[J]. 李明杰,王德斌. 农民致富之友. 2014(21)
[8]水稻叶龄诊断栽培新技术[J]. 孙广峰. 农民致富之友. 2013(23)
[9]GA-BP神经网络与BP神经网络性能比较[J]. 刘春艳,凌建春,寇林元,仇丽霞,武俊青. 中国卫生统计. 2013(02)
[10]高斯核支持向量机分类和模型参数选择研究[J]. 郑小霞,钱锋. 计算机工程与应用. 2006(01)
博士论文
[1]基于图像的农作物病害识别关键算法研究[D]. 宋丽娟.西北大学 2018
[2]高通量作物表型检测关键技术研究与应用[D]. 李伟.中国科学技术大学 2017
[3]基于机器学习的作物病害图像处理及病变识别方法研究[D]. 谭文学.北京工业大学 2016
硕士论文
[1]基于图像处理的水稻叶部病害快速识别方法研究[D]. 关莹.东北农业大学 2018
[2]基于机器学习的水稻病害识别算法的研究[D]. 刘成.安徽大学 2018
[3]基于卷积神经网络的小麦叶部病害图像识别研究[D]. 林中琦.山东农业大学 2018
[4]围油栏监控与水域溢油预警系统研究[D]. 王质春.扬州大学 2016
[5]基于图像处理的草莓病害识别方法研究[D]. 牛冲.太原理工大学 2016
[6]基于灰度形态学重建的图像分割[D]. 罗秋棠.湘潭大学 2016
[7]基于高光谱成像技术的杏成熟度判别研究[D]. 张晶晶.山西农业大学 2015
[8]高清视频监控中低照度图像的去噪及增强方法研究[D]. 毛叶辉.复旦大学 2013
[9]基于图像的水稻病害识别方法的研究[D]. 管泽鑫.浙江理工大学 2010
本文编号：3689802
【文章页数】：71 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题来源、背景和意义
1.2 国内外研究现状
1.2.1 利用机器学习算法识别作物病害国内外研究现状
1.2.2 叶龄检测技术国内外研究现状
1.3 研究内容及论文结构安排
第2章 机器学习和图像处理基本理论
2.1 机器学习算法
2.1.1 BP神经网络
2.1.2 支持向量机
2.1.3 K-Means聚类
2.2 数字图像预处理
2.2.1 颜色空间
2.2.2 图像灰度化
2.2.3 图像去噪
2.2.4 图像直方图均衡化
2.2.5 图像分割
2.2.6 图像数学形态学处理
2.3 本章小结
第3章 基于机器学习的水稻病害识别算法研究
3.1 水稻病害
3.1.1 水稻病害样本采集和病害介绍
3.1.2 水稻图像预处理与病斑提取
3.1.3 建立水稻病害图像集
3.2 特征提取
3.2.1 颜色特征
3.2.2 形状特征
3.2.3 纹理特征
3.3 特征优化
3.4 水稻病害识别分类器设计
3.4.1 BP神经网络
3.4.2 支持向量机
3.5 模型选择与改进
3.5.1 遗传算法介绍
3.5.2 改进的GA-BP算法
3.5.3 仿真结果分析
3.6 本章小结
第4章 基于图像处理的水稻叶龄诊断算法研究
4.1 叶脉提取算法研究
4.1.1 传统的叶脉提取算法
4.1.2 叶脉提取的改进算法
4.2 叶龄诊断
4.3 寒地水稻智慧调控技术研究
4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其他成果
致谢
【参考文献】：
期刊论文
[1]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)
[2]论水稻生育叶龄诊断技术[J]. 张卫国. 农民致富之友. 2017(02)
[3]基于机器视觉的半干枣病害和裂纹识别研究[J]. 李运志,Qiang Zhang,陈弘毅,党晓辉,李新岗,胡耀华. 农机化研究. 2016(08)
[4]高光谱技术诊断马铃薯叶片晚疫病的研究[J]. 胡耀华,平学文,徐明珠,单卫星,何勇. 光谱学与光谱分析. 2016(02)
[5]基于Lab空间和K-Means聚类的叶片分割算法研究[J]. 邹秋霞,杨林楠,彭琳,郑强. 农机化研究. 2015(09)
[6]复杂背景下小麦叶部病害图像分割方法研究[J]. 张武,黄帅,汪京京,刘连忠. 计算机工程与科学. 2015(07)
[7]浅谈水稻叶龄诊断技术应用[J]. 李明杰,王德斌. 农民致富之友. 2014(21)
[8]水稻叶龄诊断栽培新技术[J]. 孙广峰. 农民致富之友. 2013(23)
[9]GA-BP神经网络与BP神经网络性能比较[J]. 刘春艳,凌建春,寇林元,仇丽霞,武俊青. 中国卫生统计. 2013(02)
[10]高斯核支持向量机分类和模型参数选择研究[J]. 郑小霞,钱锋. 计算机工程与应用. 2006(01)
博士论文
[1]基于图像的农作物病害识别关键算法研究[D]. 宋丽娟.西北大学 2018
[2]高通量作物表型检测关键技术研究与应用[D]. 李伟.中国科学技术大学 2017
[3]基于机器学习的作物病害图像处理及病变识别方法研究[D]. 谭文学.北京工业大学 2016
硕士论文
[1]基于图像处理的水稻叶部病害快速识别方法研究[D]. 关莹.东北农业大学 2018
[2]基于机器学习的水稻病害识别算法的研究[D]. 刘成.安徽大学 2018
[3]基于卷积神经网络的小麦叶部病害图像识别研究[D]. 林中琦.山东农业大学 2018
[4]围油栏监控与水域溢油预警系统研究[D]. 王质春.扬州大学 2016
[5]基于图像处理的草莓病害识别方法研究[D]. 牛冲.太原理工大学 2016
[6]基于灰度形态学重建的图像分割[D]. 罗秋棠.湘潭大学 2016
[7]基于高光谱成像技术的杏成熟度判别研究[D]. 张晶晶.山西农业大学 2015
[8]高清视频监控中低照度图像的去噪及增强方法研究[D]. 毛叶辉.复旦大学 2013
[9]基于图像的水稻病害识别方法的研究[D]. 管泽鑫.浙江理工大学 2010
本文编号：3689802
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3689802.html
