基于图像处理的茄子叶部病害识别方法研究
发布时间：2022-07-16 19:26
中国是世界最大的茄子生产国。近年来,随着种植面积的扩大,茄子病害逐渐成为了制约茄子高产、优质、高效益生产的主要因素,甚至在重茬严重的田地里,已到了无法继续种茄子的地步。因此在茄子发病初期准确识别病害成为关键。而目前对蔬菜病害的识别方法都有一定的局限性,难以满足现代农业要求。随着计算机视觉技术与模式识别技术的不断发展,利用计算机智能诊断识别作物病害得方法应运而生。在分析国内外利用计算机视觉技术为手段、结合图像处理与模式识别技术的研究基础上,本文重点研究了病害茄子叶片上病斑的颜色、形状、纹理特征参数,提出了一种基于图像处理的茄子叶部病害识别方法。本文主要工作和创新点包括以下几个方面:（1）集成适合监测茄子病害的茄子病害图像采集系统。通过分析研究茄子病害识别所需要的图像质量要求、采集设备的功耗及无线通讯距离等,自主研制了一套基于太阳能供电的、具有远程无线通讯的茄子病害图像采集系统。（2）病斑分割方法研究。对病害图像进行预处理,如图像分割、图像均衡化等。根据作物病害图像的特点和采集条件,分析比较几种传统图像预处理方法的效果,改进算法,提高对图像的处理效果,为图像的后期处理做准备。根据叶片图像在...
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究的目的和意义
1.2 国内外图像识别技术在农业工程中的研究进展
1.2.1 图像识别技术在农产品品质检测与分级领域的研究进展
1.2.2 图像识别技术在农作物生长监测领域的研究进展
1.3 研究与应用展望
1.4 本文研究内容与技术路线
1.4.1 研究内容
1.4.2 技术路线
2 病害图像获取
2.1 图像采集试验装置
2.2 病害样本图像采集方法
2.3 采集图像传输方法
2.4 本章小结
3 病害图像处理
3.1 图像处理主要方法
3.1.1 图像平滑
3.1.2 图像数学形态学运算
3.1.3 图像灰度化处理
3.1.4 图像分割与边缘检测
3.2 图像预处理
3.3 病斑分割
3.4 本章小结
4 病害图像特征提取和优化
4.1 病害图像颜色特征的提取
4.1.1 常见颜色特征的提取方法
4.1.2 病害图像颜色特征的提取与分析
4.2 病害图像形状特征的提取
4.2.1 常见形状特征的提取方法
4.2.2 病害图像形状特征的提取与分析
4.3 病害图像纹理特征的提取
4.3.1 纹理特征的提取方法
4.3.2 病害图像纹理特征的提取与分析
4.4 病害图像的特征优化
4.5 本章小结
5 病害图像识别
5.1 模式识别方法
5.1.1 统计模式识别
5.1.2 句法结构模式识别
5.1.3 模糊模式识别
5.1.4 人工神经网络模式识别
5.1.5 模板匹配模式识别
5.1.6 支持向量机的模式识别
5.2 茄子叶部病害识别
5.2.1 基于费歇尔判别分析的病害识别
5.2.2 基于贝叶斯判别分析的病害识别
5.2.3 基于支持向量机的病害识别
5.3 识别结果分析与讨论
5.4 本章小结
6 结论与讨论
致谢
参考文献
【参考文献】：
期刊论文
[1]基于叶片病斑特征的茄子褐纹病识别方法[J]. 田凯,张连宽,熊美东,黄志豪,李就好. 农业工程学报. 2016(S1)
[2]图像处理技术在水培蔬菜生长监测中的应用[J]. 梁帆,杨莉莉,崔世钢,吴兴利,田立国. 湖北农业科学. 2015(17)
[3]计算机视觉及模式识别技术在农业生产领域的应用[J]. 陈桂珍,龚声蓉. 江苏农业科学. 2015(08)
[4]茄子褐纹病及其抗病育种的研究进展[J]. 陈姗姗,宋述尧,赵靖,赵春波. 吉林农业科学. 2015(03)
[5]茄子褐纹病的研究现状与展望[J]. 李涛,黎振兴,李植良,徐小万. 中国农学通报. 2015(05)
[6]基于SVM的小麦叶部病害识别方法研究[J]. 余秀丽,徐超,王丹丹,张卫园,屈卫锋,宋怀波. 农机化研究. 2014(11)
[7]Hu不变矩在图像识别中的应用与实现[J]. 张鸿锋,李婉琪,曾昭君,麦志杰. 科技资讯. 2014(30)
[8]基于叶片图像和环境信息的黄瓜病害识别方法[J]. 王献锋,张善文,王震,张强. 农业工程学报. 2014(14)
[9]基于计算机视觉的水稻叶部病害识别研究[J]. 刘涛,仲晓春,孙成明,郭文善,陈瑛瑛,孙娟. 中国农业科学. 2014(04)
[10]机器视觉在农业生产中的应用研究[J]. 刁智华,王会丹,魏伟. 农机化研究. 2014(03)
博士论文
[1]非局部图像去噪方法及其应用研究[D]. 许光宇.合肥工业大学 2013
[2]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
硕士论文
[1]基于图像处理的黄瓜细菌性角斑病的识别研究[D]. 刘芝京.西华大学 2012
[2]基于图像处理和模式识别技术的黄瓜病害识别研究[D]. 彭占武.吉林农业大学 2007
本文编号：3663137
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究的目的和意义
1.2 国内外图像识别技术在农业工程中的研究进展
1.2.1 图像识别技术在农产品品质检测与分级领域的研究进展
1.2.2 图像识别技术在农作物生长监测领域的研究进展
1.3 研究与应用展望
1.4 本文研究内容与技术路线
1.4.1 研究内容
1.4.2 技术路线
2 病害图像获取
2.1 图像采集试验装置
2.2 病害样本图像采集方法
2.3 采集图像传输方法
2.4 本章小结
3 病害图像处理
3.1 图像处理主要方法
3.1.1 图像平滑
3.1.2 图像数学形态学运算
3.1.3 图像灰度化处理
3.1.4 图像分割与边缘检测
3.2 图像预处理
3.3 病斑分割
3.4 本章小结
4 病害图像特征提取和优化
4.1 病害图像颜色特征的提取
4.1.1 常见颜色特征的提取方法
4.1.2 病害图像颜色特征的提取与分析
4.2 病害图像形状特征的提取
4.2.1 常见形状特征的提取方法
4.2.2 病害图像形状特征的提取与分析
4.3 病害图像纹理特征的提取
4.3.1 纹理特征的提取方法
4.3.2 病害图像纹理特征的提取与分析
4.4 病害图像的特征优化
4.5 本章小结
5 病害图像识别
5.1 模式识别方法
5.1.1 统计模式识别
5.1.2 句法结构模式识别
5.1.3 模糊模式识别
5.1.4 人工神经网络模式识别
5.1.5 模板匹配模式识别
5.1.6 支持向量机的模式识别
5.2 茄子叶部病害识别
5.2.1 基于费歇尔判别分析的病害识别
5.2.2 基于贝叶斯判别分析的病害识别
5.2.3 基于支持向量机的病害识别
5.3 识别结果分析与讨论
5.4 本章小结
6 结论与讨论
致谢
参考文献
【参考文献】：
期刊论文
[1]基于叶片病斑特征的茄子褐纹病识别方法[J]. 田凯,张连宽,熊美东,黄志豪,李就好. 农业工程学报. 2016(S1)
[2]图像处理技术在水培蔬菜生长监测中的应用[J]. 梁帆,杨莉莉,崔世钢,吴兴利,田立国. 湖北农业科学. 2015(17)
[3]计算机视觉及模式识别技术在农业生产领域的应用[J]. 陈桂珍,龚声蓉. 江苏农业科学. 2015(08)
[4]茄子褐纹病及其抗病育种的研究进展[J]. 陈姗姗,宋述尧,赵靖,赵春波. 吉林农业科学. 2015(03)
[5]茄子褐纹病的研究现状与展望[J]. 李涛,黎振兴,李植良,徐小万. 中国农学通报. 2015(05)
[6]基于SVM的小麦叶部病害识别方法研究[J]. 余秀丽,徐超,王丹丹,张卫园,屈卫锋,宋怀波. 农机化研究. 2014(11)
[7]Hu不变矩在图像识别中的应用与实现[J]. 张鸿锋,李婉琪,曾昭君,麦志杰. 科技资讯. 2014(30)
[8]基于叶片图像和环境信息的黄瓜病害识别方法[J]. 王献锋,张善文,王震,张强. 农业工程学报. 2014(14)
[9]基于计算机视觉的水稻叶部病害识别研究[J]. 刘涛,仲晓春,孙成明,郭文善,陈瑛瑛,孙娟. 中国农业科学. 2014(04)
[10]机器视觉在农业生产中的应用研究[J]. 刁智华,王会丹,魏伟. 农机化研究. 2014(03)
博士论文
[1]非局部图像去噪方法及其应用研究[D]. 许光宇.合肥工业大学 2013
[2]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
硕士论文
[1]基于图像处理的黄瓜细菌性角斑病的识别研究[D]. 刘芝京.西华大学 2012
[2]基于图像处理和模式识别技术的黄瓜病害识别研究[D]. 彭占武.吉林农业大学 2007
本文编号：3663137
本文链接：https://www.wllwen.com/nykjlw/yylw/3663137.html
