学位论文 > 优秀研究生学位论文题录展示

基于机器视觉的甘肃大麦病害分类识别研究

作　者: 杨倩
导　师: 高晓阳
学　校: 甘肃农业大学
专　业: 农业电气化与自动化
关键词: 大麦病害 机器视觉 图像处理 特征提取 模式识别 支持向量机
分类号: S435.123
类　型: 硕士论文
年　份: 2013年
下　载: 28次
引　用: 0次
阅　读: 论文下载
 

内容摘要


大麦是啤酒加工业的主要原料，也是我国甘、青、藏等地区十分重要的粮食和草畜饲料。随着科学技术，特别是数字农业、精准农业等科技的不断发展，机器视觉在农作物缺素诊断、农作物的病虫害识别以及农产品质量检测等领域取得了许多研究成果。大麦同其他农作物一样，在其生长期内也容易受到病虫害的侵袭，这将造成大麦减产，制约农业经济的发展。本研究在分析总结国内外农作物病虫害检测识别方面的研究现状的基础上，提出了一种与传统农作物病虫害检测不同的新方法，通过对大麦病虫害图像进行数字化处理，然后结合模式识别等技术进一步对农作物病害图像进行分类识别。试验结果表明，本研究中提出的分类模型能够对大麦生长期内感染的病害进行分类识别，且分类效果良好，精度较高，对指导大麦植保作业等农业生产具有积极作用。此外研究应用机器视觉技术快速准确地发现并识别大麦病害，及时采取农业综合防治措施，对于有效减少大麦产量损失以及提升大麦品质等均也具有重要意义。分别在如下方面进行了研究：1.图像采集与预处理环节是进行后续图像数据操作的关键步骤，直接影响图像处理的效果，进而影响大麦病虫害识别的精确程度。论文在自然背景下进行图像的采集，并采用B通道灰度化，然后对图像数据进行中值滤波、双峰法和分水岭算法处理。2.在颜色特征提取方面，分别对图像的R、G、B三通道提取颜色矩特征，分别提取了三个通道的一阶矩和二阶矩，由试验数据表明，该特征对于大麦的正常叶片和病害叶片具有很好的区分度。3.在纹理特征提取方面选用局部二值模式，通过计算图像数据的LBP值来进行纹理特征的提取。论文选用颜色和纹理特征来作为进行大麦病害识别的综合特征。4.分类器选用支持向量机来构建，该分类器对于多分类具有更好的分类效果，对于大麦的整体病害识别结果达84.7%以上。

全文目录


摘要  2-4
Summary  4-8
第1章 绪论  8-16
  1.1 研究背景、目的和意义  8-9
  1.2 大麦病害及其症状  9-11
    1.2.1 大麦白粉病  9-10
    1.2.2 大麦云纹病  10
    1.2.3 大麦条锈病  10-11
  1.3 国内外农作物病虫害自动识别研究现状  11-13
    1.3.1 国外研究现状  11-12
    1.3.2 国内研究现状  12-13
  1.4 研究方法与论文结构  13-16
    1.4.1 研究方法  13-14
    1.4.2 论文结构  14-16
第2章 图像处理识别系统及图像预处理  16-22
  2.1 数字图像处理与识别系统  16-18
    2.1.1 图像采集  16-17
    2.1.2 图像处理  17-18
    2.1.3 结果输出  18
  2.2 大麦图像采集处理与识别系统  18-22
    2.2.1 大麦叶片的病害图像采集  19-20
    2.2.2 大麦叶片的病害图像增强处理  20-22
第3章 大麦叶片病害病斑图像分割方法研究  22-29
  3.1 传统图像分割算法及病斑分割  22-24
    3.1.1 基于阈值的分割  23
    3.1.2 分水岭分割算法  23-24
    3.1.3 应用传统算法进行病斑分割  24
  3.2 基于颜色空间分量的图像病斑的分割  24-27
    3.2.1 RGB 颜色空间介绍  24-25
    3.2.2 HIS 颜色空间模型介绍  25-26
    3.2.3 基于颜色空间分量的病斑分割  26-27
  3.3 基于数学形态学的病叶图像分割处理  27-29
第4章 图像病斑的特征提取与分析  29-34
  4.1 病斑区域边缘检测与标记  29-30
  4.2 病斑区域特征提取  30-33
    4.2.1 颜色特征描述与提取  30-31
    4.2.2 纹理特征描述与提取  31-33
  4.3 特征参量的选择  33-34
第5章 试验系统  34-42
  5.1 硬件系统构建  34
  5.2 系统软件与主要程序  34-39
    5.2.1 LibSVM 工具箱  34-35
    5.2.2 SVM 分类器设计  35-39
  5.3 试验及结果分析  39-40
  5.4 讨论  40-42
第6章 结论与展望  42-44
  6.1 结论  42
  6.2 展望  42-44
致谢  44-46
参考文献  46-50
作者简介  50-51
导师简介  51-53

相似论文

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 基于CCD图像传感器的温度测量技术研究,TH811
  3. 基于流形学习的高维流场数据分类研究,V231.3
  4. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  5. 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
  6. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  7. 音乐结构自动分析研究,TN912.3
  8. 基于FPGA的数字图像处理基本算法研究与实现,TP391.41
  9. 基于三维重建的焊点质量分类方法研究,TP391.41
  10. 雾天或背光条件下图像清晰化算法研究及硬件实现,TP391.41
  11. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  12. Q学习在基于内容图像检索技术中的应用,TP391.41
  13. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  14. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  15. 基于仿生模式识别的文本分类技术研究,TP391.1
  16. FPGA/DSP图像协处理技术及以太网数据传输,TP391.41
  17. 空间交会接近视觉测量方法研究,TP391.41
  18. 图像实时采集、存储与处理方法研究,TP391.41
  19. 唇读中的特征提取、选择与融合,TP391.41
  20. 基于SVM的中医舌色苔色分类方法研究,TP391.41
  21. 多币种纸币处理技术的研究与实现,TP391.41

中图分类: > 农业科学 > 植物保护 > 病虫害及其防治 > 农作物病虫害及其防治 > 禾谷类作物病虫害 > 麦类病虫害 > 大麦病虫害
© 2012 www.xueweilunwen.com