基于计算机视觉的花卉叶部病害识别方法研究
发布时间：2021-08-12 16:52
随着温室大棚应用的越来越广泛,棚内的花卉种类变得日渐繁多,种植面积也日益扩大,但是由于化肥施用的不合理或其他一些不可预知因素的综合影响,随之而来的病害也越来越多,对我国的花卉产量产生了很大的影响。现价段对害虫的根除主要是通过施用农药,大棚管理者察觉出疑似染病的花卉,大多都是通过人工的方法（依靠颜色以及纹理特征来识别植物的病害症状）识别植物病虫害,但是这种方法没有一个固定的标准,而且人的视觉系统不具备客观性,以上特质都导致了人工识别的错误率比较高,在这种盲目的情况下,很多大棚管理者滥用了大量的农药,造成了农作物和土地的农药残留等一系列问题。要想使农药合理施用,我们首先需要正确了解病害的种类,只有正确地识别出花卉所感染的病害,才能有效地施用农药,然后确保花卉良好生长。随着人工智能、数字图像处理技术和模式识别等综合技术的进步,我们可以研究基于图像处理的花卉叶部病害识别,这样才能合理地施用农药,保证花卉的健康生长,继而提高花卉的产量,所以研究此课题是有着美好的应用前景的。本文通过分析和对比国内外的研究,以有病害的兰花叶片作为研究对象,对花卉叶部病害图像的预处理、病害图像的分割、病害图像的特征提...
【文章来源】：天津职业技术师范大学天津市
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题研究背景与意义
1.1.1 计算机视觉技术的应用
1.1.2 本课题的研究背景及研究意义
1.2 研究现状分析
1.2.1 国内外研究现状
1.2.2 现状分析
1.3 课题研究主要内容与技术路线
1.3.1 主要内容
1.3.2 技术路线
第2章 兰花叶部病害图像预处理算法的研究
2.1 兰花叶部病害图像的采集和存储
2.2 常用的图像预处理方法
2.2.1 空间域图像去噪
2.2.2 频域图像去噪
2.2.3 形态学滤波去噪
2.2.4 各种预处理结果与分析
2.3 本章小结
第3章 兰花叶部病害彩色图像的分割算法研究
3.1 颜色空间模型的选择
3.1.1 RGB颜色空间
3.1.2 HSI颜色空间
3.1.3 HSV颜色空间
3.1.4 YUV颜色空间
3.1.5 Lab颜色空间
3.1.6 本文图像分割选用的颜色空间模型
3.2 常用的彩色图像分割算法
3.2.1 直方图阈值分割法
3.2.2 彩色空间聚类算法
3.2.3 最大类间方差分割法
3.2.4 其他特定理论的方法
3.3 分割算法效果比较及分析
3.4 本章小结
第4章 兰花叶部病害图像的特征提取
4.1 图像的特征提取的概述
4.2 基于颜色的特征提取
4.2.1 常用的颜色特征提取方法
4.2.2 本文选用的颜色特征提取方法
4.3 基于纹理的特征提取
4.3.1 常用的纹理特征提取方法
4.3.2 本文选用的纹理特征提取方法
4.3.2.1 提取纹理特征参数的步骤
4.3.2.2 结果与分析
4.4 基于形状的特征提取
4.4.1 常用的形状特征提取方法
4.4.2 本文选用的形状特征提取方法
4.4.3 结果与分析
4.5 本章小结
第5章 兰花叶部病害识别的方法研究
5.1 模式识别的概述
5.2 图像模式识别常用的方法
5.3 支持向量机
5.3.1 线性可分的分类问题
5.3.2 线性不可分的分类问题
5.3.3 特征空间和核函数
5.3.4 支持向量机多分类策略
5.3.5 本实验选用的分类策略
5.4 实验结果与分析
5.5 遗传算法对支持向量机的参数的优化
5.5.1 遗传算法的基本原理
5.5.2 遗传算法的控制参数的设计
5.5.3 基于遗传算法的SVM参数优化的实现过程
5.5.4 实验结果和分析
5.6 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
申请学位期间的研究成果及发表的学术论文
【参考文献】：
期刊论文
[1]基于Lab颜色空间和遗传算法的苦苣菜叶片病斑分割[J]. 崔世钢,次丹妮,梁帆. 天津职业技术师范大学学报. 2015(03)
[2]基于Lab空间和K-Means聚类的叶片分割算法研究[J]. 邹秋霞,杨林楠,彭琳,郑强. 农机化研究. 2015(09)
[3]计算机视觉在作物病害诊断中的研究进展[J]. 濮永仙. 智能计算机与应用. 2015(02)
[4]基于改进遗传算法的作物叶片病斑分割算法[J]. 栗娜,李萍,张善文. 江苏农业科学. 2014(07)
[5]基于多示例图的小麦叶部病害分割方法[J]. 虎晓红,李炳军,席磊. 农业工程学报. 2012(13)
[6]基于数学形态学的植物叶片图像分割方法研究[J]. 王萍,唐江丰,王博,王立地. 浙江农业学报. 2012(03)
[7]基于遗传算法的SVM参数组合优化[J]. 刘鲭洁,陈桂明,刘小方,杨庆. 计算机应用与软件. 2012(04)
[8]基于HSI和LAB颜色空间的彩色图像分割[J]. 庞晓敏,闵子建,阚江明. 广西大学学报(自然科学版). 2011(06)
[9]基于图像分析的植物叶片识别技术综述[J]. 张宁,刘文萍. 计算机应用研究. 2011(11)
[10]计算机视觉技术在农作物病虫草害防治中的研究进展[J]. 屈赟,吴玉洁,刘盼. 安徽农业科学. 2011(09)
博士论文
[1]基于图像分析的植物叶部病害识别方法研究[D]. 胡秋霞.西北农林科技大学 2013
[2]基于计算机视觉和光谱分析技术的蔬菜叶部病害诊断研究[D]. 柴阿丽.中国农业科学院 2011
[3]基于计算机视觉的农作物病害识别方法的研究[D]. 宋凯.沈阳农业大学 2008
[4]基于图像识别的作物病虫草害诊断研究[D]. 王克如.中国农业科学院 2005
硕士论文
[1]玉米病斑识别算法的研究[D]. 李雪.黑龙江八一农垦大学 2015
[2]基于计算机图像处理的作物叶部病害提取方法与技术研究[D]. 诸葛木子.中国地质大学（北京） 2014
[3]苹果叶子病害图像识别系统的设计与实现[D]. 毕傲睿.西安建筑科技大学 2014
[4]基于图像识别的冬小麦叶部主要病害诊断研究[D]. 赵晓莉.河南农业大学 2014
[5]基于图像处理的黄瓜叶部病害识别研究[D]. 李旺.湖南农业大学 2013
[6]黄瓜病害图像自动识别的研究[D]. 陈含.河北农业大学 2013
[7]基于图像识别的向日葵叶部病害诊断技术研究[D]. 越鲜梅.内蒙古工业大学 2013
[8]基于遗传BP神经网络构建温室月季花卉病害预警系统[D]. 牛海微.吉林大学 2011
[9]基于图像处理技术的烟叶病害自动识别研究[D]. 王静.昆明理工大学 2011
[10]基于图像的水稻病害识别方法的研究[D]. 管泽鑫.浙江理工大学 2010
本文编号：3338702
【文章来源】：天津职业技术师范大学天津市
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题研究背景与意义
1.1.1 计算机视觉技术的应用
1.1.2 本课题的研究背景及研究意义
1.2 研究现状分析
1.2.1 国内外研究现状
1.2.2 现状分析
1.3 课题研究主要内容与技术路线
1.3.1 主要内容
1.3.2 技术路线
第2章 兰花叶部病害图像预处理算法的研究
2.1 兰花叶部病害图像的采集和存储
2.2 常用的图像预处理方法
2.2.1 空间域图像去噪
2.2.2 频域图像去噪
2.2.3 形态学滤波去噪
2.2.4 各种预处理结果与分析
2.3 本章小结
第3章 兰花叶部病害彩色图像的分割算法研究
3.1 颜色空间模型的选择
3.1.1 RGB颜色空间
3.1.2 HSI颜色空间
3.1.3 HSV颜色空间
3.1.4 YUV颜色空间
3.1.5 Lab颜色空间
3.1.6 本文图像分割选用的颜色空间模型
3.2 常用的彩色图像分割算法
3.2.1 直方图阈值分割法
3.2.2 彩色空间聚类算法
3.2.3 最大类间方差分割法
3.2.4 其他特定理论的方法
3.3 分割算法效果比较及分析
3.4 本章小结
第4章 兰花叶部病害图像的特征提取
4.1 图像的特征提取的概述
4.2 基于颜色的特征提取
4.2.1 常用的颜色特征提取方法
4.2.2 本文选用的颜色特征提取方法
4.3 基于纹理的特征提取
4.3.1 常用的纹理特征提取方法
4.3.2 本文选用的纹理特征提取方法
4.3.2.1 提取纹理特征参数的步骤
4.3.2.2 结果与分析
4.4 基于形状的特征提取
4.4.1 常用的形状特征提取方法
4.4.2 本文选用的形状特征提取方法
4.4.3 结果与分析
4.5 本章小结
第5章 兰花叶部病害识别的方法研究
5.1 模式识别的概述
5.2 图像模式识别常用的方法
5.3 支持向量机
5.3.1 线性可分的分类问题
5.3.2 线性不可分的分类问题
5.3.3 特征空间和核函数
5.3.4 支持向量机多分类策略
5.3.5 本实验选用的分类策略
5.4 实验结果与分析
5.5 遗传算法对支持向量机的参数的优化
5.5.1 遗传算法的基本原理
5.5.2 遗传算法的控制参数的设计
5.5.3 基于遗传算法的SVM参数优化的实现过程
5.5.4 实验结果和分析
5.6 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
申请学位期间的研究成果及发表的学术论文
【参考文献】：
期刊论文
[1]基于Lab颜色空间和遗传算法的苦苣菜叶片病斑分割[J]. 崔世钢,次丹妮,梁帆. 天津职业技术师范大学学报. 2015(03)
[2]基于Lab空间和K-Means聚类的叶片分割算法研究[J]. 邹秋霞,杨林楠,彭琳,郑强. 农机化研究. 2015(09)
[3]计算机视觉在作物病害诊断中的研究进展[J]. 濮永仙. 智能计算机与应用. 2015(02)
[4]基于改进遗传算法的作物叶片病斑分割算法[J]. 栗娜,李萍,张善文. 江苏农业科学. 2014(07)
[5]基于多示例图的小麦叶部病害分割方法[J]. 虎晓红,李炳军,席磊. 农业工程学报. 2012(13)
[6]基于数学形态学的植物叶片图像分割方法研究[J]. 王萍,唐江丰,王博,王立地. 浙江农业学报. 2012(03)
[7]基于遗传算法的SVM参数组合优化[J]. 刘鲭洁,陈桂明,刘小方,杨庆. 计算机应用与软件. 2012(04)
[8]基于HSI和LAB颜色空间的彩色图像分割[J]. 庞晓敏,闵子建,阚江明. 广西大学学报(自然科学版). 2011(06)
[9]基于图像分析的植物叶片识别技术综述[J]. 张宁,刘文萍. 计算机应用研究. 2011(11)
[10]计算机视觉技术在农作物病虫草害防治中的研究进展[J]. 屈赟,吴玉洁,刘盼. 安徽农业科学. 2011(09)
博士论文
[1]基于图像分析的植物叶部病害识别方法研究[D]. 胡秋霞.西北农林科技大学 2013
[2]基于计算机视觉和光谱分析技术的蔬菜叶部病害诊断研究[D]. 柴阿丽.中国农业科学院 2011
[3]基于计算机视觉的农作物病害识别方法的研究[D]. 宋凯.沈阳农业大学 2008
[4]基于图像识别的作物病虫草害诊断研究[D]. 王克如.中国农业科学院 2005
硕士论文
[1]玉米病斑识别算法的研究[D]. 李雪.黑龙江八一农垦大学 2015
[2]基于计算机图像处理的作物叶部病害提取方法与技术研究[D]. 诸葛木子.中国地质大学（北京） 2014
[3]苹果叶子病害图像识别系统的设计与实现[D]. 毕傲睿.西安建筑科技大学 2014
[4]基于图像识别的冬小麦叶部主要病害诊断研究[D]. 赵晓莉.河南农业大学 2014
[5]基于图像处理的黄瓜叶部病害识别研究[D]. 李旺.湖南农业大学 2013
[6]黄瓜病害图像自动识别的研究[D]. 陈含.河北农业大学 2013
[7]基于图像识别的向日葵叶部病害诊断技术研究[D]. 越鲜梅.内蒙古工业大学 2013
[8]基于遗传BP神经网络构建温室月季花卉病害预警系统[D]. 牛海微.吉林大学 2011
[9]基于图像处理技术的烟叶病害自动识别研究[D]. 王静.昆明理工大学 2011
[10]基于图像的水稻病害识别方法的研究[D]. 管泽鑫.浙江理工大学 2010
本文编号：3338702
本文链接：https://www.wllwen.com/nykjlw/yylw/3338702.html
