基于卷积神经网络的水稻病害识别方法研究与应用

发布时间：2022-07-13 16:00

　　水稻是我国主要粮食作物,现阶段伴随着全球环境所发生的改变,水稻病害的发生率较以往有所提升。传统的病害识别方法主要是通过农业专家对病害进行人工判别,在病害发生的高峰期,容易出现专家难求的情况,并且这种方式存在一定的主观误判现象,从而延误了水稻病情的防治时间,使水稻产量出现大幅度降低甚至颗粒无收,对种植者造成重大的经济损失。在水稻生长过程中稻瘟病、稻曲病、白叶枯病这三种病害侵染率较高且对产量的影响较为严重,所以本实验旨在针对这三种病害研究出便捷、准确的识别方法。近年来随着机器学习这一领域的不断发展,卷积神经网络在图像识别领域展示出了令人满意的效果,运用卷积神经网络解决病害识别这一问题,一方面促进了人工智能和农业产业的深度融合,另一方面也提升了水稻病害的识别效率。本实验针对水稻病害识别问题进行了深入研究,首先对实验选取的三类水稻病害样本图像进行收集,由于采集到的部分图像存在图像尺寸及光照强度不同等问题,所以对其进行了尺寸归一化和直方图均衡化,以此降低这些因素对识别结果所产生的影响。神经网络在训练过程中需要大量样本来进行特征学习,本实验也对这三类水稻病害样本进行数据增强,数据增强的方法主要是随... 

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

技术路线图

生物神经元模型

人工神经元模型

【参考文献】：
期刊论文
[1]基于HOG+SVM的田间水稻病害图像识别方法研究[J]. 马超,袁涛,姚鑫锋,籍延宝,李琳一.  上海农业学报. 2019(05)
[2]AlexNet改进及优化方法的研究[J]. 郭敏钢,宫鹤.  计算机工程与应用. 2020(20)
[3]基于改进深度卷积神经网络的苹果病害识别[J]. 张善文,张晴晴,李萍.  林业工程学报. 2019(04)
[4]基于改进Multi-Scale AlexNet的番茄叶部病害图像识别[J]. 郭小清,范涛杰,舒欣.  农业工程学报. 2019(13)
[5]基于ROI快速检测与融合特征的马铃薯病害识别[J]. 范振军,李小霞.  西南农业学报. 2019(03)
[6]基于深度卷积神经网络的水稻病害图像识别研究[J]. 谭云兰,欧阳春娟,李龙,廖婷,汤鹏杰.  井冈山大学学报(自然科学版). 2019(02)
[7]基于改进VGG卷积神经网络的棉花病害识别模型[J]. 张建华,孔繁涛,吴建寨,翟治芬,韩书庆,曹姗姗.  中国农业大学学报. 2018(11)
[8]基于改进卷积神经网络算法的语音识别[J]. 杨洋,汪毓铎.  应用声学. 2018(06)
[9]基于直方图均衡化图像增强的两种改进方法[J]. 董丽丽,丁畅,许文海.  电子学报. 2018(10)
[10]基于卷积神经网络与迁移学习的油茶病害图像识别[J]. 龙满生,欧阳春娟,刘欢,付青.  农业工程学报. 2018(18)

博士论文
[1]气候变化对中国水稻生产的影响研究[D]. 尹朝静.华中农业大学 2017
[2]基于图像分析的小麦叶部病害识别方法研究[D]. 田杰.西北农林科技大学 2015
[3]基于高光谱成像技术的水稻稻瘟病诊断关键技术研究[D]. 杨燕.浙江大学 2012
[4]面向非均衡数据集的机器学习及在地学数据处理中的应用[D]. 谷琼.中国地质大学 2009

硕士论文
[1]基于图像处理的水培黄瓜叶片病斑识别系统设计[D]. 赵洁.陕西科技大学 2019
[2]基于气象条件的水稻病害短期分级预警系统的研究[D]. 韩国鑫.黑龙江八一农垦大学 2019
[3]卷积神经网络在图像分类中的网络结构优化[D]. 刘小文.山西大学 2019
[4]基于卷积神经网络的农作物病虫害图像分类研究[D]. 陈洋.江西农业大学 2019
[5]基于卷积神经网络的农作物病害图像识别研究[D]. 郑方梅.重庆师范大学 2019
[6]基于RealSense的自发学习表情识别研究[D]. 高倩.华中师范大学 2019
[7]卷积核相关性与CNN网络结构优化的关系研究[D]. 王琦.兰州大学 2019
[8]基于卷积神经网络的手势识别与实现[D]. 段晗.暨南大学 2018
[9]基于图像处理的水稻叶部病害快速识别方法研究[D]. 关莹.东北农业大学 2018
[10]面向图像分类的CNN特征提取和结构优化[D]. 张猛.新疆大学 2018



本文编号：3660336