基于GA-BP神经网络的温室番茄病害诊断研究

发布时间：2021-09-01 16:35

　　温室番茄病害已严重威胁到番茄产量和经济效益,抑制病害最为常用的方式是喷洒化学农药。然而,农药的频繁使用,造成温室生态平衡破坏严重,导致病害的抗药性能越来越高,作物抗病工作难度越来越大。因此,及时而精准地检测出番茄病害十分必要。传统的温室番茄检测方法是通过肉眼观察外观或者称重果实重量,再利用经验知识来综合判定番茄病害类别并划分等级。这种根据经验知识来判别病害种类和划分等级的方法受人为因素影响较大,不具备可靠性、稳定性和科学性。研究以平面特性更好、生存周期更长的番茄叶片作为研究对象,通过机器视觉技术和Matlab数学软件以及遗传算法神经网络模型,经过图像采集、图像预处理、特征提取、模型的建立和训练等过程,对常见的三种温室番茄病害早疫病、晚疫病、叶霉病做精确的定量研究,并且实现了每种病害严重程度的估测。在图像采集过程中,采用P2P监测和数码相机相结合的方式实现了温室番茄病害的早期监测和精准采集；在图像预处理环节,通过采用分治法对传统中值滤波算法进行改进,平均每幅图像的滤波速度提升9.8%；在图像分割过程中,通过改进的分水岭算法实现了叶片与背景的分离以及病斑的分割；构建了BP神经网络,并通过神... 

【文章来源】：东北林业大学黑龙江省 211工程院校 教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

温室番茄常见病害

图２－３试验实地取景??

且这三种病害症状均显示在叶片上，叶片的平整度和可Ｗ长久存活的特性为从机器??视觉方向研究识别病害提供了更好的基础。??试验番茄叶片样品均来自黑龙江双城市明光能源有限公司，图２－３为试验场所所拍??摄照片。??图２－３试验实地取景??试验选取样本总数为１５０幅，其中，叶霉病、早疫病、晩疫病的图像各５０幅，对??主要的发生在番茄叶片上的疾病进行研究，通过分析研究，使试验得出的数据更可靠，??试验结果更全面。??２．３．２?Ｐ２Ｐ?监测??为了尽早发现温室中的病虫害，前期在温室大棚中定点安装摄像头，实时传输图．??像。?？??研究采用易莱捷Ｐ２Ｐ无线网络摄像机进行远程监控，内置ＷＩＦＩ模块有效像素为??１２８０＊７２０，利用该摄像机上下旋转９０度，左右旋转３５５度的云台控制，可Ｗ多角度观??察番茄植株的长势并判断是否受害。同时为了后期进一步的的观察和研究，在每台摄像??机中插入ＴＦ卡存储。利用摄像机自带的ＩＰ域名系统，观看每台摄像机的监控画面，该??摄像机支持手机、Ｉｐａｄ、笔记本、电脑进行实时监测。??摄像机固定于双城市明光能源公司的３个温室大棚

【参考文献】：
期刊论文
[1]基于改进BP神经网络的大豆病害检测[J]. 张云龙,来智勇,景旭,吕静.  农机化研究. 2015(02)
[2]现阶段农业病虫害防治现状与建议探讨[J]. 郭佳君.  河北农机. 2013(05)
[3]GA-BP神经网络与BP神经网络性能比较[J]. 刘春艳,凌建春,寇林元,仇丽霞,武俊青.  中国卫生统计. 2013(02)
[4]机器视觉中几种颜色优势的图像分割算法比较与研究[J]. 于翔.  无线互联科技. 2012(09)
[5]医学图像处理技术与应用分析[J]. 周光华,李岳峰,孟群.  中国卫生信息管理杂志. 2011(06)
[6]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)
[7]图像处理智能化的发展趋势[J]. 宋建中.  中国光学. 2011(05)
[8]几种图像分割技术在医学图像处理中的应用研究[J]. 王小兵,孙久运.  医疗卫生装备. 2011(07)
[9]改进的快速中值滤波算法在图像去噪中的应用[J]. 杨明,宋丽华.  测绘工程. 2011(03)
[10]基于高动态图像算法的相位轮廓法[J]. 邵赛赛,赵宇明.  微型电脑应用. 2011(01)

博士论文
[1]基于近红外光谱分析的大豆油质量检测方法研究[D]. 王立琦.哈尔滨理工大学 2011
[2]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
[3]基于人工神经网络的超临界流体萃取模拟方法研究[D]. 银建中.大连理工大学 2002

硕士论文
[1]基于小波变换和人工神经网络的玉米种子纯度识别[D]. 曹维时.山东农业大学 2014
[2]基于图像处理与光谱技术的大豆等级识别方法的研究[D]. 侯升飞.东北农业大学 2014
[3]基于图像处理技术的脱绒棉种内部品质检测机理研究[D]. 邓向武.石河子大学 2014
[4]基于机器视觉的玉米品质检测[D]. 赵敏.吉林大学 2012
[5]基于机器视觉的大豆品质的研究[D]. 时玉强.东北农业大学 2009
[6]基于数字图像处理的玉米种子质量分级方法研究[D]. 郑敏江.武汉理工大学 2009
[7]基于计算机视觉技术的植物病害检测方法的研究[D]. 朱圣盼.浙江大学 2007
[8]基于计算机视觉的玉米种子特征提取及应用研究[D]. 刘中合.山东农业大学 2007



本文编号：3377321