基于图像分析的梨树叶部病害识别系统研究

发布时间：2021-04-26 05:24

　　我国梨果生产规模很大,但梨果品质和产量受梨树病害的严重影响。据统计我国现在有80余种梨树病害,种类繁多。梨黑斑病、褐斑病、炭疽病、锈病、黑星病、腐烂病等病害是梨树常发生的病害。这些病害的爆发导致了梨果大规模减产和梨果品质降低,对果农经济收益造成严重的影响。对病害的有效防治成为梨树生产过程中非常重要的环节,因此在生产过程中一旦发现病症,对其准确识别尤为关键。传统对病害的识别方法大多依靠果农和专家的经验,如果一旦判断错误,就会贻误最佳的防治时间。本研究通过对梨树黑斑病、炭疽病、锈病和褐斑病四种病害图像的采集,基于图像分析与识别技术,利用MATLAB软件及网络编程技术实现了梨树叶部病害识别系统,该系统可以达到对梨病害种类的识别,识别准确率可达到90%以上。本文的主要内容及获得的进展有以下几个方面:1、病害图像的预处理。采用图像灰度转换和直方图均衡化的方法对图像进行增强处理。在图像的病斑分割方面,采用阀值化分割方法,以直接实现对彩色图像分割,且分割效果较好。2、病害图像特征提取。分别在纹理特征、形状特征和颜色特征三个方面对病害图像进行了提取。在颜色体征提取中,应用RGB模型,提取了R、G、B的... 

【文章来源】：安徽农业大学安徽省

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
1 文献综述
    1.1 梨树叶部病害
    1.2 图像分析技术在植物病害诊断上的研究
        1.2.1 国外研究概况
        1.2.2 国内研究概况
    1.3 本章小结
2 引言
    2.1 研究目的和意义
    2.2 研究目标及内容
    2.3 技术路线
    2.4 本章小结
3 基本理论概述
    3.1 基于WEB的识别系统应用技术
        3.1.1 C/S结构
        3.1.2 B/S结构
        3.1.3 基于WEB的农业专家系统
    3.2 人工神经网络
        3.2.1 人工神经网络简介
        3.2.2 人工神经网络模型
    3.3 BP神经网络
        3.3.1 BP神经网络的优势
        3.3.2 BP神经网络的学习算法
    3.4 本章小结
4 供试图像的获取和预处理
    4.1 研究对象的确定
    4.2 病害图像数据的采集
        4.2.1 图像采集时间、地点
        4.2.2 采集方法
    4.3 病害图像预处理
        4.3.1 灰度变换
        4.3.2 直方图均衡化
        4.3.4 图像分割
    4.4 本章小结
5 梨树病害特征参数的提取和优化
    5.1 图像颜色特征提取
        5.1.1 颜色特征提取方法
        5.1.2 颜色模型的选择
        5.1.3 颜色空间的转换
    5.2 形状特征提取
        5.2.1 区域标记
        5.2.2 链码
    5.3 纹理特征提取
    5.4 本章小结
6 基于BP神经网络的病害识别模型
    6.1 BP神经网络技术
        6.1.1 BP神经网络
        6.1.2 神经网络工具箱及MATLAB软件
        6.1.3 模式识别的基本框架
    6.2 梨树病害BP神经网络识别模型的设计
        6.2.1 输入、输出变量的选择和训练、测试
        6.2.2 神经网络的训练
        6.2.3 神经网络的仿真
    6.3 梨树病害BP神经网络识别模型的实现
        6.3.1 BP神经网络的MATLAB实现
        6.3.2 仿真实验及结果分析
    6.4 本章小结
7 梨树病害识别WEB专家系统的设计与实现
    7.1 开发环境及开发工具
    7.2 系统采用网络架构
    7.3 系统基本框架
    7.4 系统的部分程序代码
    7.5 系统的实现
    7.6 本章小结
8 结论与讨论
    8.1 结论
    8.2 讨论
参考文献
作者简介



本文编号：3160813