基于图像识别的农作物害虫诊断技术研究与应用

发布时间：2021-08-09 02:05

　　针对目前我国农作物害虫诊断大多停留在人工阶段,存在着客观性差、效率低、劳动强度大等问题,以及现有的基于图像识别的农作物害虫诊断存在很多不足之处,本文对基于图像识别的农作物害虫诊断关键理论算法和实际应用进行了系统的研究,主要工作概述如下：对基于图像识别的农作物害虫诊断的基础工作做了系统的研究。论述了图像识别的基础问题,包括图像识别问题的分类、图像识别的基本框架以及传统的图像数据集。针对课题研究目标,介绍了两种害虫图像的获取方式,提出并验证了一种适合害虫图像预处理的方法。提出了农作物害虫图像数据集构建原则,并在此原则指导下,利用现有的害虫图像资源分别构建了水稻、油菜、玉米、大豆四种常见大田作物的害虫图像数据集。现有的农作物害虫图像分割的研究主要集中于简单背景,或者灰度图像的自动分割,且大多采用阈值分割算法进行分割,但现实场景中,受到环境因素的影响如作物叶片、杂草、土壤以及光照等,害虫图像一般具有复杂的农田背景,因此现有的害虫图像自动分割算法往往不理想。针对以上问题,本文把基于人机交互的半自动图像分割算法如GrabCut算法和最大相似度区域合并算法用于害虫图像的分割,并提出了一种结合纹理颜色... 

【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校

【文章页数】：104 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
目录
第1章 绪论
    1.1 研究背景与研究意义
    1.2 图像识别应用领域及其在农作物害虫诊断中的研究现状
        1.2.1 图像识别的应用领域
        1.2.2 基于图像识别的农作物害虫诊断研究现状
    1.3 课题的提出
        1.3.1 存在问题
        1.3.2 课题来源
        1.3.3 研究内容
    1.4 论文组织结构
第2章 基于图像识别的农作物害虫诊断基础研究
    2.1 图像识别基础
        2.1.1 图像识别问题分类
        2.1.2 图像识别基本框架
        2.1.3 图像识别数据集
    2.2 农作物害虫图像的获取
        2.2.1 简单背景
        2.2.2 复杂背景
        2.2.3 两种图像获取方式比较
    2.3 农作物害虫图像的预处理
        2.3.1 图像灰度化
        2.3.2 图像增强
        2.3.3 预处理结果
    2.4 农作物害虫图像数据集
        2.4.1 必要性
        2.4.2 现有的图片资源
        2.4.3 农作物害虫图像识别数据集构建方法
    2.5 本章小结
第3章 复杂背景农作物害虫图像交互式分割算法研究
    3.1 图像分割定义与分类
    3.2 害虫图像分割研究现状
    3.3 交互式害虫图像分割算法
        3.3.1 Graph Cuts和GrabCut图像分割算法
        3.3.2 MSRM算法和改进的MSRM图像分割算法
    3.4 本章小结
第4章 农作物害虫图像特征提取及多特征融合算法研究
    4.1 特征提取概述
    4.2 害虫特征提取研究现状
    4.3 颜色特征
        4.3.1 颜色矩
        4.3.2 颜色直方图
    4.4 纹理特征
        4.4.1 LBP特征
        4.4.2 灰度共生矩阵
    4.5 形态特征
    4.6 农作物害虫图像多特征融合
        4.6.1 特征融合概述
        4.6.2 Fisher线性判别
        4.6.3 欧式距离分类器
        4.6.4 基于多特征融合的农作物害虫图像识别
        4.6.5 实验结果及分析
    4.7 本章小结
第5章 基于图像识别的农作物害虫诊断系统实现
    5.1 系统概述
    5.2 系统功能
    5.3 系统结构与流程
        5.3.1 总体结构
        5.3.2 主要流程
    5.4 系统实现
        5.4.1 开发环境
        5.4.2 系统界面
    5.5 本章小结
第6章 总结与展望
    6.1 本文研究工作总结
    6.2 下一步工作展望
参考文献
致谢
在读期间发表的学术论文与取得的研究成果


【参考文献】：
期刊论文
[1]昆虫图像分割方法及其应用[J]. 王江宁,纪力强.  昆虫学报. 2011(02)
[2]基于图像分析的蔬菜食叶害虫识别技术[J]. 蔡清,何东健.  计算机应用. 2010(07)
[3]模拟退火算法在粮虫图像分割中的应用[J]. 周龙,牟怿,尤新革.  华中科技大学学报(自然科学版). 2010(05)
[4]基于颜色直方图及双树复小波变换（DTCWT）的昆虫图像识别[J]. 竺乐庆,张真,张培毅.  昆虫学报. 2010(01)
[5]改进Split-Merge分割用于蝗虫图像[J]. 张煜东,吴乐南,韦耿,吴含前.  计算机工程与应用. 2009(14)
[6]一种基于边缘流的图像分割算法及其应用[J]. 李小林.  闽江学院学报. 2009(02)
[7]储粮害虫图像识别中的特征提取[J]. 张红涛,毛罕平,邱道尹.  农业工程学报. 2009(02)
[8]基于多特征的EM算法在昆虫图像分割中的应用[J]. 程小梅,耿国华,周明全,黄世国.  计算机应用与软件. 2009(02)
[9]基于多特征综合的昆虫识别研究[J]. 齐丽英.  安徽农业科学. 2009(03)
[10]基于机器视觉的草地蝗虫识别方法[J]. 毛文华,郑永军,张银桥,苑严伟,张小超.  农业工程学报. 2008(11)

博士论文
[1]大田小麦叶部病害智能诊断系统研究与应用[D]. 刁智华.中国科学技术大学 2010
[2]基于图像的昆虫识别关键技术研究[D]. 黄世国.西北大学 2008
[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]基于支持向量机的植物病害识别研究[D]. 任东.吉林大学 2007
[5]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]农作物病虫害自动测报系统的设计与实现[D]. 李小琴.浙江工业大学 2009
[2]大田害虫实时检测装置及其图像预处理技术的研究[D]. 梁义涛.郑州大学 2004



本文编号：3331143