基于GA-BP神經網絡的溫室番茄病害診斷研究.pdf

1、學校代碼：1 0 2 2 5學 號：S 1 6 3 8 4學位論文基于G A ．B P 神經網絡的溫室番茄病害診斷研究指導教師姓名：申請學位級別：論文提交日期：授予學位單位：米雅婷徐凱宏教授東北林業(yè)大學碩士 學科專業(yè)： 檢測技術與自動化裝置2 0 1 6 年4 月 論文答辯日期： 2 0 1 6 年6 月東北林業(yè)大學 授予學位日期： 2 0 1 6 年6 月答辯委員會主席：論文評閱人：素多厶杉素大學摘要摘要溫室番茄病害已嚴重威脅到番茄產

2、量和經濟效益，抑制病害最為常用的方式是噴灑化學農藥。然而，農藥的頻繁使用，造成溫室生態(tài)平衡破壞嚴重，導致病害的抗藥性能越來越高，作物抗病工作難度越來越大。因此，及時而精準地檢測出番茄病害十分必要。傳統(tǒng)的溫室番茄檢測方法是通過肉眼觀察外觀或者稱重果實重量，再利用經驗知識來綜合判定番茄病害類別并劃分等級。這種根據(jù)經驗知識來判別病害種類和劃分等級的方法受人為因素影響較大，不具備可靠性、穩(wěn)定性和科學性。研究以平面特性更好、生存周期更長的番茄葉片

3、作為研究對象，通過機器視覺技術和M a t l a b 數(shù)學軟件以及遺傳算法神經網絡模型，經過圖像采集、圖像預處理、特征提取、模型的建立和訓練等過程，對常見的三種溫室番茄病害早疫病、晚疫病、葉霉病做精確的定量研究，并且實現(xiàn)了每種病害嚴重程度的估測。在圖像采集過程中，采用P 2 P 監(jiān)測和數(shù)碼相機相結合的方式實現(xiàn)了溫室番茄病害的早期監(jiān)測和精準采集；在圖像預處理環(huán)節(jié)，通過采用分治法對傳統(tǒng)中值濾波算法進行改進，平均每幅圖像的濾波速度提升9 ．

4、8 ％；在圖像分割過程中，通過改進的分水嶺算法實現(xiàn)了葉片與背景的分離以及病斑的分割；構建了B P 神經網絡，并通過神經網絡的反復學習和訓練，得到溫室番茄病害的訓練結果；基于B P 神經網絡存在局部極小，網絡不收斂，易陷入局部極值點的問題，采用遺傳算法優(yōu)化初始神經元之間的權值和閾值，從而優(yōu)化B P 神經網絡，得到新的網絡模型的精度較高，收斂速度更快。通過對G A ．B P 模型的測試，該模型對溫室番茄早疫病、晚疫病、葉霉病的識別率分別達到