基于图像处理的水稻叶部病害快速识别方法研究

发布时间：2021-04-05 03:17

　　水稻是我国的重要粮食作物之一,目前,水稻生产中的首要目标就是提高水稻产量和品质。但水稻在生长期内,易发生各种病害,造成产量和质量的下降,从而带来巨大的经济损失。病害的正确识别,是有效降低病害经济损失的重要手段。传统的水稻病害识别方法主要依靠农民经验,存在主观性强,识别正确率低等缺点。水稻稻瘟病、纹枯病、白叶枯病是水稻生长期内发病率较高的三种病害,并且三种病害早期症状的区分度不大。本研究针对这三种病害,基于图像处理技术开展水稻叶部病害的识别方法研究。主要工作内容包括:（1）选用成本低、操作简单、普及率高的智能手机作为病害图像采集设备;（2）通过灰度化、图像去噪、病斑分割等图像预处理方法,建立水稻叶部病斑数据库;（3）分析三种病害病斑特征,从颜色、形状、纹理三方面提取特征参数,将HSV颜色空间的三个分量的颜色矩,作为病斑图片的颜色特征;应用相关函数,获取病斑图像中目标区域的相关属性来描述病斑形状特征;通过基于灰度共生矩阵来实现纹理特征的描述与选取;（4）在不影响模型识别准确率的前提下,对特征参数进行优化,从颜色、形状和纹理方面共选取了13个不同的特征参数,采用单因素方差分析方法分别计算各类... 

【文章来源】：东北农业大学黑龙江省 211工程院校

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

技术路线图

（a）纹枯病 （b）白叶枯病 （c）稻瘟病(a) Sheath blight (b) Bacterial blight (c) Rice blast图 2-1 水稻典型的叶部病害图像Fig.2-1 Typical disease images of rice leaf2.2 病斑图像预处理

三种基色都达到最高亮度时，就表现为白色。R示，如图 2-3 所示。通过观察获得的彩色病害图像为污绿色或者为暗绿色，而白叶枯病后期病斑颜色，这样就会对后期病斑的提取与颜色特征提取产生因此需要将彩色图像转换为灰度图像，以消除颜色

【参考文献】：
期刊论文
[1]稻米垩白度测定特征值提取的算法研究[J]. 申聪,戴小鹏,李东晖,樊振宇.  湖南农业科学. 2017(07)
[2]基于多任务联合稀疏表示的水稻叶片病害自动识别算法[J]. 李键红,吴亚榕.  仲恺农业工程学院学报. 2017(02)
[3]基于PCA和Whitening算法的水稻病害图像预处理研究[J]. 路阳,衣淑娟,张勇,安杏杏,邵晓光.  黑龙江八一农垦大学学报. 2017(02)
[4]基于图像处理技术的玉米数字图像特征值与水分含量相关性研究[J]. 黄南,王若兰,岳佳.  河南工业大学学报(自然科学版). 2016(06)
[5]基于Android的水稻病害图像识别系统设计与应用[J]. 郑姣,刘立波.  计算机工程与科学. 2015(07)
[6]基于计算机视觉的水稻叶部病害识别研究[J]. 刘涛,仲晓春,孙成明,郭文善,陈瑛瑛,孙娟.  中国农业科学. 2014(04)
[7]基于MATLAB GUI设计的脱绒棉种颜色特征提取系统[J]. 邓向武,坎杂,李景彬,谢凡,董翠翠,王晓华.  江苏农业科学. 2014(01)
[8]基于数字图像的番茄黄化曲叶病毒病色彩分析研究[J]. 李俊,陈振德.  中国农学通报. 2013(31)
[9]基于病斑形状和神经网络的黄瓜病害识别[J]. 贾建楠,吉海彦.  农业工程学报. 2013(S1)
[10]BP网络模型对人脸朝向的识别[J]. 常乐,陆熙,李佳钰.  计算机与现代化. 2012(03)

硕士论文
[1]玉米大豆水稻图像识别方法研究[D]. 李妍.黑龙江八一农垦大学 2017
[2]基于卷积神经网络的交易环境下蔬果图像识别研究[D]. 彭俊.浙江农林大学 2017
[3]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
[4]基于物联网的小麦病虫害动态气象模型和远程诊断方法研究[D]. 苏一峰.中国农业科学院 2016
[5]风险管理在M银行IT系统管理中的应用研究[D]. 陈石.西南石油大学 2015
[6]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
[7]小麦全蚀病无人机遥感监测研究[D]. 付巍.河南农业大学 2015
[8]基于Android移动终端的烟草病虫害图像智能识别系统研究[D]. 吴子龙.云南农业大学 2015
[9]基于多特征多分类器组合的茶叶茶梗图像识别分类研究[D]. 陈笋.安徽大学 2014
[10]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



本文编号：3119032