基于叶表图片的番茄病虫害自动检测

发布时间：2020-04-09 12:39

【摘要】：番茄病虫害种类多且病理复杂,单纯依靠人工识别比较困难,出错率较高。针对我国最常见的十种番茄病虫害,本文搜集大量番茄病虫害叶表图片,运用Keras/TensorFlow深度学习框架研究番茄病虫害检测方法,通过训练实现了番茄病虫害自动检测模型。本文的主要工作如下:1.构建番茄病虫害图库,该图库由十种我国常见番茄病虫害图片和正常番茄图片组成。图库共有十一类图片,每类640张,一共7040张。2.构建多层卷积神经网络,该网络由输入层、四个卷积层、四个池化层、两个全连接层及输出层组成。训练过程采用了数据增强、Dropout、随机梯度下降(Stochastic Gradient Descent SGD)等技术,所训练出的模型实现了84%的平均分类正确率。3.利用迁移学习技术实现卷积神经网分类模型。(1)使用VGG16深度模型第一个全连接层输出作为叶表图片特征提取器,使用支持向量机(Support Vector Machine SVM)作为分类器,可实现88%的平均分类正确率。(2)改造VGG16深度模型,使其输出节点对应11种叶表状态,使用微调(Fine-tuning)技术对最后一个全连接层进行重新训练,得到分类模型,该模型可实现89%的平均分类正确率。4.为实现检测番茄病虫害便携性,本文将构建的多层卷积神经网络移植到安卓操作系统,测试结果表明,该系统在华为mate8下检测一幅番茄叶表图片平均用时为0.2s,能够满足实时性的要求。
【图文】：

图片,番茄,病虫害,图库

需要有针对性的图像处理方法和算法。图像处理技术与互联网及相应的模型相结合，针对番茄叶表病情图片，开发专家系统，实现用户和专家的实时沟通，解决了由于主观描述造成的误判问题，可准确识别病症。1.3 本文使用图库本文主要研究番茄病虫害的自动检测，使用的图库是由两部分组成，其中一部分是由国外知名的农作物研究网站[25]所提供。该机构的名称是 CrowdAI，致力于各种植物的病虫害的研究，番茄病虫害图片只是该机构图库中的其中一类。另一部分番茄病虫害图片是从百度、歌农数据和新农民天地网等网站上下载得来。本论文选取了在我国比较常见的 10 种番茄病虫害作为本课题的研究对象，加上健康的番茄叶片，总共分类识别种类为 11。11 种图片总共有 7040 张，每类病情图片 640张，每张图片的分辨率为 240*256。以下是番茄图片的展示（展示图片的分辨率为194*194）。正常番茄：正常叶片呈青绿色，颜色均匀，纹理清晰，无斑点，，无枯萎。番茄正常图片如图 1.1 所示。

斑点,番茄,叶片

f) g) h) i) j)a). 番茄细菌性斑点 b). 番茄早疫病 c). 番茄晚疫病 d). 番茄叶霉病 e). 番茄斑枯病f). 番茄二斑叶螨病 g). 番茄棒孢菌病 h). 番茄花叶病 i). 番茄黄化曲叶病 j). 番茄灰叶斑病a). Tomato bacterial spot, b) Tomato early blight, c) Tomato late blight, d) Tomato leaf molde) Tomato septoria leaf spot, f) Tomato two spotted spider mite, g) Tomato target spoth) Tomato mosaic virus , i) Tomato yellow leaf curl virus, j) Tomato gray spot图 1.2 番茄病虫害图片Fig. 1.2 Tomato disease pictures以下是十种番茄叶片的具体介绍以及图片的展示。番茄细菌性斑点：主要发病部位为叶片，叶片上会出现圆形或近圆形的深棕色斑点，周围有黄色光环。主要损害叶、茎、花、叶柄和果实，特别是在叶片和未成熟的番茄中是最明显的，幼苗和成株阶段均可感染。番茄细菌性斑点病情叶片症状如图 1.3 所示。
【学位授予单位】：大连交通大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：S436.412;TP391.41

【参考文献】