基于神经网络的番茄叶部病害识别
发布时间：2020-12-27 03:08
近年来番茄的种植面积增多,番茄病害成了限制番茄质量、品质和经济效益的主要因素。因此在番茄病害早期时能准确的识别出病害种类是至关重要的。我国目前识别番茄病害的主要方法是靠人工识别,只能根据自身经验来诊断和用药,主观性强,容易出现偏差,有一定的局限性。随着计算机视觉技术和人工智能的兴起,图像处理技术逐渐应用于各个方面,开始研究利用计算机实现识别作物病害的方法。大部分番茄病害发病早期会在叶部产生病斑,因此识别叶部病害可以提前对其进行诊断预防,保证番茄产量和质量。本文在分析了国内外近些年来图像处理技术和模式识别技术的基础上,重点研究了番茄早期叶部病害的识别方法。研究了一种通过对叶部病斑图像的纹理特征、形状特征进行提取,结合BP神经网络实现番茄叶部病害识别的方法。本文的主要工作如下:(1)番茄叶部病害图像的预处理:在采集设备、光照强度、杂草灰尘等各种因素的影响下,采集的番茄病害图像会存在一些噪声干扰,因此要对图像进行预处理。依次对图像作图像均衡化和图像去噪。图像平滑处理中,对比了均值滤波和中值滤波,实验结果表明中值滤波处理效果较好。(2)番茄叶部病害图像分割:图像分割是整个图像识别过程中最重要的...
【文章来源】：河北农业大学河北省
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究内容与技术路线
1.3.1 研究目标
1.3.2 研究内容
1.3.3 技术路线
1.4 论文结构
2 番茄病害图像采集和预处理
2.1 番茄常见病害及其特点
2.1.1 番茄叶部病害的特点
2.2 病害的图像采集
2.3 病害图像的预处理
2.3.1 灰度化
2.3.2 直方图均衡化
2.3.3 图像平滑
2.4 本章小结
3 番茄病害图像分割
3.1 颜色空间模型的选择
3.1.1 常见的颜色空间模型
3.1.2 各空间模型下番茄病害图像的特点
3.2 阈值分割法
3.2.1 双峰法
3.2.2 迭代法
3.2.3 最大类间方差法
3.3 数字形态学处理
3.3.1 腐蚀和膨胀
3.3.2 开运算和闭运算
3.4 番茄病害图像分割法的选取
3.5 本章小结
4 番茄病害图像的特征提取
4.1 番茄叶部病斑分析
4.2 纹理特征提取
4.2.1 灰度共生矩阵
4.2.2 灰度共生矩阵构造纹理特征参数
4.2.3 番茄叶部病害的纹理特征提取
4.3 形状特征提取
4.3.1 构造病斑的形状特征参数
4.3.2 形状特征提取的预处理
4.3.3 番茄叶部病害的形状特征提取
4.4 番茄叶部病斑特征参数的选取
4.5 本章小结
5 番茄叶部病害识别
5.1 模式识别
5.2 BP神经网络
5.2.1 BP神经网络模型
5.2.2 BP网络模型的优化
5.3 番茄叶部病害识别BP网络设计
5.3.1 BP网络的训练和测试
5.3.2 实验结果及分析
5.4 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
研究生期间发表的学术论文
作者简介
致谢
中文详细摘要
【参考文献】：
期刊论文
[1]基于图像处理的园林绿化中病害防治及其树木养护方法研究仿真[J]. 任丽丽. 中国园艺文摘. 2018(03)
[2]基于图像处理的黄瓜叶子病害识别系统的研究[J]. 刘娜,赵慧,包思圆,张继超,羊志膺. 山东工业技术. 2018(05)
[3]探究基于图像处理技术的黄瓜叶部病害识别诊断系统[J]. 郝云飞. 现代农村科技. 2016(19)
[4]基于图像处理技术的四种苜蓿叶部病害的识别[J]. 秦丰,刘东霞,孙炳达,阮柳,马占鸿,王海光. 中国农业大学学报. 2016(10)
[5]基于图像处理技术的小麦叶部病害识别研究[J]. 夏永泉,李耀斌,李晨. 科技通报. 2016(04)
[6]基于图像处理的农田作物病害识别研究[J]. 彭吴琦,赵坤坤,焦倩雪,吴红,王晓兰. 福建农业. 2015(06)
[7]基于图像处理和模糊识别技术的烟叶病害识别研究[J]. 王建玺,徐向艺. 现代电子技术. 2015(08)
[8]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)
[9]基于图像处理技术的黄瓜叶部病害识别诊断系统[J]. 张芳,付立思. 农机化研究. 2014(09)
[10]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)
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]基于数学形态学的图像去噪[D]. 耿帅.山东师范大学 2012
[3]基于数学形态学稻种纹理特征提取与识别研究[D]. 黄美芝.南京农业大学 2010
[4]基于图像分析的苹果病害识别技术研究[D]. 李宗儒.西北农林科技大学 2010
[5]基于图像的水稻病害识别方法的研究[D]. 管泽鑫.浙江理工大学 2010
[6]基于机器视觉的电子桩考系统[D]. 彭兴邦.合肥工业大学 2006
本文编号：2940983
【文章来源】：河北农业大学河北省
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究内容与技术路线
1.3.1 研究目标
1.3.2 研究内容
1.3.3 技术路线
1.4 论文结构
2 番茄病害图像采集和预处理
2.1 番茄常见病害及其特点
2.1.1 番茄叶部病害的特点
2.2 病害的图像采集
2.3 病害图像的预处理
2.3.1 灰度化
2.3.2 直方图均衡化
2.3.3 图像平滑
2.4 本章小结
3 番茄病害图像分割
3.1 颜色空间模型的选择
3.1.1 常见的颜色空间模型
3.1.2 各空间模型下番茄病害图像的特点
3.2 阈值分割法
3.2.1 双峰法
3.2.2 迭代法
3.2.3 最大类间方差法
3.3 数字形态学处理
3.3.1 腐蚀和膨胀
3.3.2 开运算和闭运算
3.4 番茄病害图像分割法的选取
3.5 本章小结
4 番茄病害图像的特征提取
4.1 番茄叶部病斑分析
4.2 纹理特征提取
4.2.1 灰度共生矩阵
4.2.2 灰度共生矩阵构造纹理特征参数
4.2.3 番茄叶部病害的纹理特征提取
4.3 形状特征提取
4.3.1 构造病斑的形状特征参数
4.3.2 形状特征提取的预处理
4.3.3 番茄叶部病害的形状特征提取
4.4 番茄叶部病斑特征参数的选取
4.5 本章小结
5 番茄叶部病害识别
5.1 模式识别
5.2 BP神经网络
5.2.1 BP神经网络模型
5.2.2 BP网络模型的优化
5.3 番茄叶部病害识别BP网络设计
5.3.1 BP网络的训练和测试
5.3.2 实验结果及分析
5.4 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
研究生期间发表的学术论文
作者简介
致谢
中文详细摘要
【参考文献】：
期刊论文
[1]基于图像处理的园林绿化中病害防治及其树木养护方法研究仿真[J]. 任丽丽. 中国园艺文摘. 2018(03)
[2]基于图像处理的黄瓜叶子病害识别系统的研究[J]. 刘娜,赵慧,包思圆,张继超,羊志膺. 山东工业技术. 2018(05)
[3]探究基于图像处理技术的黄瓜叶部病害识别诊断系统[J]. 郝云飞. 现代农村科技. 2016(19)
[4]基于图像处理技术的四种苜蓿叶部病害的识别[J]. 秦丰,刘东霞,孙炳达,阮柳,马占鸿,王海光. 中国农业大学学报. 2016(10)
[5]基于图像处理技术的小麦叶部病害识别研究[J]. 夏永泉,李耀斌,李晨. 科技通报. 2016(04)
[6]基于图像处理的农田作物病害识别研究[J]. 彭吴琦,赵坤坤,焦倩雪,吴红,王晓兰. 福建农业. 2015(06)
[7]基于图像处理和模糊识别技术的烟叶病害识别研究[J]. 王建玺,徐向艺. 现代电子技术. 2015(08)
[8]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)
[9]基于图像处理技术的黄瓜叶部病害识别诊断系统[J]. 张芳,付立思. 农机化研究. 2014(09)
[10]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)
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]基于数学形态学的图像去噪[D]. 耿帅.山东师范大学 2012
[3]基于数学形态学稻种纹理特征提取与识别研究[D]. 黄美芝.南京农业大学 2010
[4]基于图像分析的苹果病害识别技术研究[D]. 李宗儒.西北农林科技大学 2010
[5]基于图像的水稻病害识别方法的研究[D]. 管泽鑫.浙江理工大学 2010
[6]基于机器视觉的电子桩考系统[D]. 彭兴邦.合肥工业大学 2006
本文编号：2940983
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2940983.html
