猕猴桃叶面病害图像识别方法研究
发布时间：2021-07-12 14:52
为准确有效地识别猕猴叶面病害、提供对猕猴桃叶面病害诊断的理论支持,研究猕猴桃叶面病害的机器识别方法,对于提高猕猴桃病害诊断的可靠性以及效率,提升作物病害诊断的智能化水平,有着十分重要的现实意义。本文研究猕猴桃叶面病害自动诊断的方法,针对猕猴桃花叶病、叶片溃疡和叶枯病三种病害为研究对象,为实现猕猴桃叶面病害自动化的诊断提供了技术参考。本文工作如下:（1）针对自然光照条件下在猕猴桃园区拍摄的猕猴桃叶面病害图像都具有复杂背景,这些复杂背景往往会使得直接分割病斑的方法失效。为了解决这个问题,本文提出了一种通过多重数学形态学变换来消除图像复杂背景的方法,使得背景的灰度级为0,病叶呈现原彩色图像;接着使用2*R-G-B为色度因子的Otsu阈值分割和L*a*b*颜色空间下的k-means聚类等算法,提出一种适合复杂背景下猕猴桃病害图像的分割算法,能够有效地分割病斑,使得背景和病斑有效分离。（2）研究了猕猴桃叶面病害病斑图像的特征提取方法。分割后的猕猴桃叶面病斑图像的特征提取是实现猕猴桃叶面病害识别的一个重要环节。无论是通过人眼识别还是机器识别叶面病斑的颜色和纹理都是进行病害分类的重要依据。针对猕猴桃...
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
技术路线图
(a)花叶病 (b)叶片溃疡 (c)叶枯病图 2-1 三种猕猴桃叶面病害病斑Fig.2-1 Three Kiwi foliage disease lesion2 病害图像的采集为了研究的需要，需要获取大量的猕猴桃叶面病害图像，经过与老师和猕猴桃的学习与探讨，确定了拍摄时间和拍摄地点。获取图像信息：2016 年 3 月-2016 月 4 月不同气候的上午、下午， 西北农林试验站获取猕猴桃叶片溃疡图像 100 张，2016 年 7 月-2016 年 8 月不同气候的，五泉猕猴桃试验站，夏家沟农户猕猴桃园采集花叶病 100 张、叶枯病 80 张80 张 RGB 彩色图像。采集的各病害图像如图 2-2 所示。拍摄设备：用 iPhone6 手机。分辨率：2448*2058。格式：JPEG。
12猕猴桃叶面病害图像识别方法研究第四步：如果2 1 0T T T，则推出，为2T 为最优阈值；否则1 2T T，重复第二至第四步，直到获得最优阈值。由于猕猴桃叶面多为绿色，尽管斑点较多，但是主要区域呈现绿色，为了获得更好的二值化效果，从而来标记猕猴桃病害图像的叶面部分，本文对 RGB 颜色空间的 G 分量也就是绿色分量，以及 L*a*b*颜色空间下的 a*分量也就是红绿分量进行二值化，本文二值化的方法采用迭代阈值分割方法。图 2-3、2-4、2-5 为一组实验的结果图，从图中可以看出，采用 G 分量与 a*分量对猕猴桃叶面病害图像进行二值化，均可以将猕猴桃叶面部分标记出来，但是采用 G 分量二值化的叶面部分包含很多的杂物，不能将整个叶面部分分割出来，而采用 a*分量二值化的叶面部分绝大部分变为白色，叶面部分杂物较少，因此本文最终选用在 a*分量上对猕猴桃叶面病害图像进行阈值分割，将猕猴桃叶面病害图像二值化。
【参考文献】：
期刊论文
[1]基于高光谱成像的苹果病害无损检测方法[J]. 刘思伽,田有文,冯迪,张芳,崔博. 沈阳农业大学学报. 2016(05)
[2]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)
[3]基于改进Otsu算法在前方目标车辆识别中的研究[J]. 洪浩,霍春宝,王京,王燕. 计算机技术与发展. 2016(06)
[4]基于GA-BP神经网络的温室番茄病害诊断[J]. 徐凯宏,米雅婷,谷志新. 江苏农业科学. 2016(04)
[5]基于混合颜色空间和双次Otsu的黄瓜靶斑病图像分割[J]. 吴娜,李淼,袁媛,卞程飞,陈雷. 中国农业大学学报. 2016(03)
[6]基于图像技术的玉米叶部病害识别研究[J]. 祁钊,江朝晖,杨春合,刘连忠,饶元. 安徽农业大学学报. 2016(02)
[7]基于OpenCV的X光手指骨图像分割方法[J]. 张林,吴振强. 计算机技术与发展. 2015(11)
[8]基于支持向量机的苹果叶部病害识别方法研究[J]. 王建玺,宁菲菲,鲁书喜. 山东农业科学. 2015(07)
[9]基于多分类器融合的玉米叶部病害识别[J]. 许良凤,徐小兵,胡敏,王儒敬,谢成军,陈红波. 农业工程学报. 2015(14)
[10]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)
博士论文
[1]数学形态学连通性理论及应用研究[D]. 才辉.浙江大学 2009
本文编号：3280121
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
技术路线图
(a)花叶病 (b)叶片溃疡 (c)叶枯病图 2-1 三种猕猴桃叶面病害病斑Fig.2-1 Three Kiwi foliage disease lesion2 病害图像的采集为了研究的需要，需要获取大量的猕猴桃叶面病害图像，经过与老师和猕猴桃的学习与探讨，确定了拍摄时间和拍摄地点。获取图像信息：2016 年 3 月-2016 月 4 月不同气候的上午、下午， 西北农林试验站获取猕猴桃叶片溃疡图像 100 张，2016 年 7 月-2016 年 8 月不同气候的，五泉猕猴桃试验站，夏家沟农户猕猴桃园采集花叶病 100 张、叶枯病 80 张80 张 RGB 彩色图像。采集的各病害图像如图 2-2 所示。拍摄设备：用 iPhone6 手机。分辨率：2448*2058。格式：JPEG。
12猕猴桃叶面病害图像识别方法研究第四步：如果2 1 0T T T，则推出，为2T 为最优阈值；否则1 2T T，重复第二至第四步，直到获得最优阈值。由于猕猴桃叶面多为绿色，尽管斑点较多，但是主要区域呈现绿色，为了获得更好的二值化效果，从而来标记猕猴桃病害图像的叶面部分，本文对 RGB 颜色空间的 G 分量也就是绿色分量，以及 L*a*b*颜色空间下的 a*分量也就是红绿分量进行二值化，本文二值化的方法采用迭代阈值分割方法。图 2-3、2-4、2-5 为一组实验的结果图，从图中可以看出，采用 G 分量与 a*分量对猕猴桃叶面病害图像进行二值化，均可以将猕猴桃叶面部分标记出来，但是采用 G 分量二值化的叶面部分包含很多的杂物，不能将整个叶面部分分割出来，而采用 a*分量二值化的叶面部分绝大部分变为白色，叶面部分杂物较少，因此本文最终选用在 a*分量上对猕猴桃叶面病害图像进行阈值分割，将猕猴桃叶面病害图像二值化。
【参考文献】：
期刊论文
[1]基于高光谱成像的苹果病害无损检测方法[J]. 刘思伽,田有文,冯迪,张芳,崔博. 沈阳农业大学学报. 2016(05)
[2]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)
[3]基于改进Otsu算法在前方目标车辆识别中的研究[J]. 洪浩,霍春宝,王京,王燕. 计算机技术与发展. 2016(06)
[4]基于GA-BP神经网络的温室番茄病害诊断[J]. 徐凯宏,米雅婷,谷志新. 江苏农业科学. 2016(04)
[5]基于混合颜色空间和双次Otsu的黄瓜靶斑病图像分割[J]. 吴娜,李淼,袁媛,卞程飞,陈雷. 中国农业大学学报. 2016(03)
[6]基于图像技术的玉米叶部病害识别研究[J]. 祁钊,江朝晖,杨春合,刘连忠,饶元. 安徽农业大学学报. 2016(02)
[7]基于OpenCV的X光手指骨图像分割方法[J]. 张林,吴振强. 计算机技术与发展. 2015(11)
[8]基于支持向量机的苹果叶部病害识别方法研究[J]. 王建玺,宁菲菲,鲁书喜. 山东农业科学. 2015(07)
[9]基于多分类器融合的玉米叶部病害识别[J]. 许良凤,徐小兵,胡敏,王儒敬,谢成军,陈红波. 农业工程学报. 2015(14)
[10]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)
博士论文
[1]数学形态学连通性理论及应用研究[D]. 才辉.浙江大学 2009
本文编号：3280121
本文链接：https://www.wllwen.com/nykjlw/dzwbhlw/3280121.html
最近更新
教材专著
