基于成像高光谱数据的小麦白粉病诊断研究
发布时间：2020-12-26 21:22
白粉病作为小麦的主要病害之一,严重制约着我国小麦的产量和品质。该病害在早期如果发现不及时、不准确,容易使农户增加经济损失,还可能造成过量喷洒农药引起农田环境污染。同时,在该病染病中晚期,无损监测对病害防控的重要性降低,但能为灾害损失评估提供有价值的参考,因此如何对小麦关键生育期的白粉病严重度进行快速、准确地诊断变得十分重要。遥感技术具有无损、快捷、省时等优势,尤其是高光谱成像技术融合图像和光谱的数据优势,可以为作物病虫害监测研究中的目标识别提供重要的技术支持。本论文以小麦白粉病叶片为研究对象,利用ImSpector V10E-QE成像光谱仪收集研究目标的“图谱合一”数据,结合计算机图像处理和机器学习技术,进行白粉病病情回归预测与病害严重度分类研究,以期指导作物病害喷药防治及为灾后损失评估提供技术支撑。本文主要研究内容和结果如下:（1）利用计算机图像处理技术进行病斑分割,实现病情指数（Disease Index,DI）的定量计算。首先,在中值滤波增强图像之后,采用OTSU分割算法和模糊C—均值聚类对Lab颜色空间中的a分量和b分量进行叶片和背景区域分割处理;其次,利用超红颜色特征2R-G...
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景和意义
1.2 研究现状
1.2.1 基于近地非成像高光谱遥感的病虫害监测研究
1.2.2 基于近地成像高光谱遥感的病虫害监测研究
1.3 研究内容与技术路线
1.3.1 小麦白粉病害分割方法研究与系统设计
1.3.2 小麦白粉病早期特征研究与建模
1.3.3 小麦白粉病中晚期严重度识别研究
1.4 论文结构
第二章 试验方案与数据获取
2.1 试验方案
2.2 数据获取
2.2.1 试验仪器
2.2.2 高光谱数据获取
2.3 高光谱数据预处理
2.3.1 反射率转换
2.3.2 光谱特征增强
2.4 病害严重度划分
2.5 本章小结
第三章 病斑分割方法及系统搭建
3.1 引言
3.2 染病叶片病斑分割流程
3.3 图像增强处理
3.3.1 直方图均衡化
3.3.2 邻域平均法
3.3.3 中值滤波
3.4 叶片区域提取
3.4.1 Lab颜色空间
3.4.2 OTSU阈值分割
3.4.3 模糊C—均值聚类
3.4.4 形态学处理
3.5 病斑区域提取
3.6 病情指数计算
3.7 小麦叶片病斑分割系统搭建
3.7.1 系统开发
3.7.2 系统实现
3.8 本章小结
第四章 基于Relief-F波段筛选的小麦白粉病早期特征研究
4.1 引言
4.2 研究方法
4.2.1 Relief-F算法
4.2.2 适用于病害检测的植被指数选取
4.2.3 支持向量回归
4.3 染病早期不同病害严重等级的光谱特征
4.4 基于Relief-F算法的病害敏感波段提取
4.5 病情反演模型建立
4.6 本章小结
第五章 基于Isomap与PNN的小麦白粉病中晚期严重度分类研究
5.1 引言
5.2 研究方法
5.2.1 等距映射算法
5.2.2 概率神经网络
5.3 染病中晚期不同病害严重度的光谱特征
5.4 Isomap降维处理
5.5 中晚期白粉病病害指数计算
5.6 基于PNN的分类识别结果与分析
5.7 Isomap降维处理在早期病害上的应用
5.8 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读学位期间发表的学术论文
攻读学位期间参与的科研项目
【参考文献】：
期刊论文
[1]高光谱成像技术在果蔬品质安全无损检测中的应用[J]. 卢娜,韩平,王纪华. 食品安全质量检测学报. 2017(12)
[2]利用成像高光谱区分冬小麦白粉病与条锈病（英文）[J]. 梁栋,刘娜,张东彦,赵晋陵,林芬芳,黄林生,张庆,丁玉婉. 红外与激光工程. 2017(01)
[3]小麦白粉病气候风险评估[J]. 张蕾,郭安红,王纯枝. 生态学杂志. 2016(05)
[4]基于SVM分类的红外舰船目标识别[J]. 张迪飞,张金锁,姚克明,成明伟,吴永国. 红外与激光工程. 2016(01)
[5]冬小麦条锈病严重度不同估算方法对比研究[J]. 王静,景元书,黄文江,张竞成,赵娟,张清,王力. 光谱学与光谱分析. 2015(06)
[6]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)
[7]基于小波变换与支持向量机回归的冬小麦叶面积指数估算[J]. 梁栋,杨勤英,黄文江,彭代亮,赵晋陵,黄林生,张东彦,宋晓宇. 红外与激光工程. 2015(01)
[8]最小二乘支持向量机用于时间序列叶面积指数预测[J]. 梁栋,谢巧云,黄文江,彭代亮,杨晓华,黄林生,胡勇. 红外与激光工程. 2014(01)
[9]复杂背景下甜瓜果实分割算法[J]. 王玉德,张学志. 农业工程学报. 2014(02)
[10]白粉病胁迫下小麦冠层叶绿素密度的高光谱估测[J]. 冯伟,王晓宇,宋晓,贺利,王晨阳,郭天财. 农业工程学报. 2013(13)
博士论文
[1]小麦病虫害多尺度遥感识别和区分方法研究[D]. 袁琳.浙江大学 2015
[2]基于光谱和成像技术的作物病害不同侵染期快速检测方法研究[D]. 程术希.浙江大学 2014
[3]基于多源数据小麦白粉病遥感监测研究[D]. 杜世州.安徽农业大学 2013
[4]基于高光谱成像技术的作物叶绿素信息诊断机理及方法研究[D]. 张东彦.浙江大学 2012
硕士论文
[1]基于显微高光谱成像的血液细胞识别研究与应用[D]. 贾高杰.华东师范大学 2016
[2]基于图像和光谱解析的小麦病害识别研究[D]. 刘娜.安徽大学 2016
[3]基于Markov随机场和K均值聚类的小麦叶部病害图像分割[D]. 黄帅.安徽农业大学 2015
[4]基于成像高光谱的小麦氮素营养监测研究[D]. 黄宇.南京农业大学 2015
[5]冬小麦叶面积指数反演与病害光谱识别研究[D]. 管青松.安徽大学 2014
[6]塞曼效应实验计算机辅助分析软件设计[D]. 高云.吉林大学 2014
[7]基于VC++6.0的视频图像采集及处理系统设计[D]. 叶艳艳.武汉轻工大学 2013
[8]基于OpenCV焊缝视觉跟踪图像处理的研究[D]. 徐自越.兰州理工大学 2012
[9]基于高光谱遥感的矿物光谱特征分析和提取[D]. 刘天乐.中国地质大学 2009
[10]地物光谱特征分析技术研究[D]. 闻兵工.解放军信息工程大学 2009
本文编号：2940477
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景和意义
1.2 研究现状
1.2.1 基于近地非成像高光谱遥感的病虫害监测研究
1.2.2 基于近地成像高光谱遥感的病虫害监测研究
1.3 研究内容与技术路线
1.3.1 小麦白粉病害分割方法研究与系统设计
1.3.2 小麦白粉病早期特征研究与建模
1.3.3 小麦白粉病中晚期严重度识别研究
1.4 论文结构
第二章 试验方案与数据获取
2.1 试验方案
2.2 数据获取
2.2.1 试验仪器
2.2.2 高光谱数据获取
2.3 高光谱数据预处理
2.3.1 反射率转换
2.3.2 光谱特征增强
2.4 病害严重度划分
2.5 本章小结
第三章 病斑分割方法及系统搭建
3.1 引言
3.2 染病叶片病斑分割流程
3.3 图像增强处理
3.3.1 直方图均衡化
3.3.2 邻域平均法
3.3.3 中值滤波
3.4 叶片区域提取
3.4.1 Lab颜色空间
3.4.2 OTSU阈值分割
3.4.3 模糊C—均值聚类
3.4.4 形态学处理
3.5 病斑区域提取
3.6 病情指数计算
3.7 小麦叶片病斑分割系统搭建
3.7.1 系统开发
3.7.2 系统实现
3.8 本章小结
第四章 基于Relief-F波段筛选的小麦白粉病早期特征研究
4.1 引言
4.2 研究方法
4.2.1 Relief-F算法
4.2.2 适用于病害检测的植被指数选取
4.2.3 支持向量回归
4.3 染病早期不同病害严重等级的光谱特征
4.4 基于Relief-F算法的病害敏感波段提取
4.5 病情反演模型建立
4.6 本章小结
第五章 基于Isomap与PNN的小麦白粉病中晚期严重度分类研究
5.1 引言
5.2 研究方法
5.2.1 等距映射算法
5.2.2 概率神经网络
5.3 染病中晚期不同病害严重度的光谱特征
5.4 Isomap降维处理
5.5 中晚期白粉病病害指数计算
5.6 基于PNN的分类识别结果与分析
5.7 Isomap降维处理在早期病害上的应用
5.8 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读学位期间发表的学术论文
攻读学位期间参与的科研项目
【参考文献】：
期刊论文
[1]高光谱成像技术在果蔬品质安全无损检测中的应用[J]. 卢娜,韩平,王纪华. 食品安全质量检测学报. 2017(12)
[2]利用成像高光谱区分冬小麦白粉病与条锈病（英文）[J]. 梁栋,刘娜,张东彦,赵晋陵,林芬芳,黄林生,张庆,丁玉婉. 红外与激光工程. 2017(01)
[3]小麦白粉病气候风险评估[J]. 张蕾,郭安红,王纯枝. 生态学杂志. 2016(05)
[4]基于SVM分类的红外舰船目标识别[J]. 张迪飞,张金锁,姚克明,成明伟,吴永国. 红外与激光工程. 2016(01)
[5]冬小麦条锈病严重度不同估算方法对比研究[J]. 王静,景元书,黄文江,张竞成,赵娟,张清,王力. 光谱学与光谱分析. 2015(06)
[6]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)
[7]基于小波变换与支持向量机回归的冬小麦叶面积指数估算[J]. 梁栋,杨勤英,黄文江,彭代亮,赵晋陵,黄林生,张东彦,宋晓宇. 红外与激光工程. 2015(01)
[8]最小二乘支持向量机用于时间序列叶面积指数预测[J]. 梁栋,谢巧云,黄文江,彭代亮,杨晓华,黄林生,胡勇. 红外与激光工程. 2014(01)
[9]复杂背景下甜瓜果实分割算法[J]. 王玉德,张学志. 农业工程学报. 2014(02)
[10]白粉病胁迫下小麦冠层叶绿素密度的高光谱估测[J]. 冯伟,王晓宇,宋晓,贺利,王晨阳,郭天财. 农业工程学报. 2013(13)
博士论文
[1]小麦病虫害多尺度遥感识别和区分方法研究[D]. 袁琳.浙江大学 2015
[2]基于光谱和成像技术的作物病害不同侵染期快速检测方法研究[D]. 程术希.浙江大学 2014
[3]基于多源数据小麦白粉病遥感监测研究[D]. 杜世州.安徽农业大学 2013
[4]基于高光谱成像技术的作物叶绿素信息诊断机理及方法研究[D]. 张东彦.浙江大学 2012
硕士论文
[1]基于显微高光谱成像的血液细胞识别研究与应用[D]. 贾高杰.华东师范大学 2016
[2]基于图像和光谱解析的小麦病害识别研究[D]. 刘娜.安徽大学 2016
[3]基于Markov随机场和K均值聚类的小麦叶部病害图像分割[D]. 黄帅.安徽农业大学 2015
[4]基于成像高光谱的小麦氮素营养监测研究[D]. 黄宇.南京农业大学 2015
[5]冬小麦叶面积指数反演与病害光谱识别研究[D]. 管青松.安徽大学 2014
[6]塞曼效应实验计算机辅助分析软件设计[D]. 高云.吉林大学 2014
[7]基于VC++6.0的视频图像采集及处理系统设计[D]. 叶艳艳.武汉轻工大学 2013
[8]基于OpenCV焊缝视觉跟踪图像处理的研究[D]. 徐自越.兰州理工大学 2012
[9]基于高光谱遥感的矿物光谱特征分析和提取[D]. 刘天乐.中国地质大学 2009
[10]地物光谱特征分析技术研究[D]. 闻兵工.解放军信息工程大学 2009
本文编号：2940477
本文链接：https://www.wllwen.com/nykjlw/dzwbhlw/2940477.html
