基于深度学习的水稻纹枯病识别方法研究

发布时间：2023-10-15 17:31

　　水稻是我国最主要的粮食作物之一,在国家农业生产中占有极其重要的地位。全中国水稻常年种植面积约为3000万公顷,年产量达2000亿公斤。水稻的病害种类非常多,对水稻产量影响非常大。纹枯病是水稻种植过程中常见的病害之一,具有发病重、危害大和易被种植户忽视的特点,近年来水稻纹枯病的危害程度越来越严重,极大地影响了水稻产量和大米质量。因此,如何高效、准确的对水稻纹枯病病害进行识别是目前水稻种植户急需要解决的难题。我国传统的识别水稻纹枯病病害的方法是通过植保专家利用肉眼去判断,这种传统的识别方法周期长且主观判断性强,不利于水稻纹枯病病害的及时防治。随着计算机硬件处理速度的快速提高和软件技术的进步,人工智能,图像识别,大数据以及深度学习技术都被广泛的应用在农业领域,尤其在农作物病害诊断识别领域研究深入。当水稻植株遭遇病害时,植株的生理结构和形态特征都会发生变化,例如:植株叶片变色,腐烂,形变等等。因此,本文以北方寒地水稻纹枯病病害图像为研究对象,利用深度学习技术对水稻纹枯病进行识别研究,本研究对水稻产量的提高和国家粮食安全有着非常重要的意义。本文利用深度学习技术,结合支持向量机和粒子群优化算法对水...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 前言
    1.1 研究的目的和意义
        1.1.1 研究意义
        1.1.2 研究目的
    1.2 国内外研究进展
        1.2.1 深度学习的国内外研究现状及趋势
        1.2.2 水稻病害识别的国内外研究现状及趋势
    1.3 研究目标、内容和技术路线
        1.3.1 研究目标
        1.3.2 研究内容
        1.3.3 研究方案和技术路线
2 深度学习基础理论
    2.1 传统神经网络浅层学习
        2.1.1 BP神经网络数学模型
        2.1.2 误差反向传播算法
    2.2 深度学习模型和算法
        2.2.1 从浅层学习到深层学习
        2.2.2 深度学习模型
    2.3 受限玻尔兹曼机
    2.4 softmax分类器
    2.5 卷积神经网络
    2.6 深度信念网络
    2.7 本章小结
3 实验平台的搭建和实验数据获取
    3.1 实验平台的搭建
    3.2 实验数据的获取
4 基于深度信念网络的水稻纹枯病识别
    4.1 水稻纹枯病的图像数据预处理
        4.1.1 高斯滤波
        4.1.2 中值滤波
        4.1.3 Sobel算子边缘检测
        4.1.4 主成分分析
    4.2 深度信念网络算法及模型设计
        4.2.1 深度信念网络学习算法
        4.2.2 深度信念网络模型设计
    4.3 粒子群优化的支持向量机方案
        4.3.1 SVM
        4.3.2 PSO算法
        4.3.3 粒子群优化的支持向量机的模型
        4.3.4 粒子群优化的支持向量机的算法
    4.4 基于粒子群优化的深度信念网络的水稻纹枯病识别
    4.5 实验结果与分析
    4.6 本章小结
5 AlexNet和 Google Net模型的水稻纹枯病识别
    5.1 AlexNet模型
    5.2 GoogleNet模型
    5.3 Python+TensorFlow环境的搭建
    5.4 基于AlexNet和 GoogleNet模型的水稻纹枯病识别
    5.5 实验结果与分析
    5.6 本章小结
6 结论与展望
    6.1 结论
    6.2 展望
参考文献
致谢
个人简历
    个人情况
    教育背景
    科研经历
    在学期间发表论文



本文编号：3854346