基于演化算法及改進詞袋模型的病蟲害分類識別技術(shù)研究.pdf

1、農(nóng)作物病蟲害的爆發(fā)意味著農(nóng)作物的大規(guī)模減產(chǎn)和品質(zhì)下降，同時農(nóng)戶盲目施藥也導(dǎo)致了農(nóng)藥殘留超標、環(huán)境破壞等嚴重后果。隨著計算機技術(shù)的發(fā)展，機器視覺技術(shù)的研究與應(yīng)用已經(jīng)擴展到農(nóng)業(yè)工程領(lǐng)域。利用機器視覺技術(shù)檢測和識別農(nóng)作物病蟲害，提供準確、可靠的病蟲害診斷及防治意見，以達到合理施藥，提質(zhì)增產(chǎn)的目的，對促進我國現(xiàn)代化、智能化農(nóng)業(yè)的發(fā)展具有重要意義。本論文以玉米農(nóng)作物為研究對象，設(shè)計出適用于農(nóng)作物病蟲害診斷領(lǐng)域的分類識別方案，對圖像病斑區(qū)域的精細化

2、提取，并結(jié)合改進詞袋模型實現(xiàn)玉米病蟲害分類識別。本論文主要研究工作及創(chuàng)新點如下：
　　(1)采集并分析玉米病蟲害圖像數(shù)據(jù)集。本論文主要采集玉米葉部病蟲害圖像用以進行測試實驗，包括大斑病、小斑病、炭疽病等常見玉米病蟲害類別，并對采集的圖像數(shù)據(jù)集進行規(guī)格化。對數(shù)據(jù)集中玉米病蟲害圖像進行分析，得出病斑區(qū)域與無病狀區(qū)域的顏色、紋理等方面的差異信息，作為病蟲害圖像分割及病斑提取的主要依據(jù)。
　　(2)針對玉米病斑部位在圖像中表現(xiàn)的特征

3、，設(shè)計了基于演化算法的直方圖二次分割方法。結(jié)合對玉米病蟲害圖像的分析，充分考慮病蟲害病斑的顏色、紋理等特征，將圖像色度與灰度組成二元組構(gòu)建二維直方圖，解決了一維直方圖不能明顯地區(qū)分目標和背景雙峰分布的情況，同時改進了傳統(tǒng)二維直方圖應(yīng)用在病蟲害病斑提取的不足。運用了基于演化算法的OTSU二次分割方法，設(shè)計適合病蟲害圖像數(shù)據(jù)特征的染色體編碼，并結(jié)合圖像分析結(jié)果選擇初始化種群，提高尋優(yōu)效率，同時通過設(shè)定波動閾值，在最佳閾值的波動領(lǐng)域范圍內(nèi)繼續(xù)

4、搜索，實現(xiàn)全局搜索與局部搜索相結(jié)合。
　　(3)借鑒導(dǎo)向濾波算法思想，實現(xiàn)了對玉米病蟲害圖像病斑區(qū)域的精細化提取。在病斑區(qū)域提取過程中，借鑒導(dǎo)向濾波算法的思想，利用灰度導(dǎo)向圖進行引導(dǎo)，對圖像分割結(jié)果進行濾波操作，設(shè)置權(quán)系數(shù)矩陣，針對在分割后病斑邊緣、紋理模糊和粗糙位置進行恢復(fù)，優(yōu)化病斑提取結(jié)果，更好地保留病蟲害圖像病斑的邊緣、紋理特征。
　　(4)通過對傳統(tǒng)詞袋模型各個算法模塊的研究，融合病斑提取算法，設(shè)計應(yīng)用于農(nóng)作物病蟲害

5、識別的改進詞袋模型識別方案。對農(nóng)作物病蟲害圖像進行演化算法的區(qū)域提取，并采用 Dense-SIFT進行均勻采樣的特征提取，對提取的圖像特征使用空間金字塔匹配方案映射到高分辨率空間中進行匹配，最后使用 LIB-SVM對數(shù)據(jù)集進行分類。
　　最后，通過病斑區(qū)域提取實驗說明：本論文提出的病蟲害圖像病斑區(qū)域提取算法能夠有效確定玉米病蟲害圖像中病斑位置，提取出具有細膩邊緣和紋理的病斑，通過與基于閾值的傳統(tǒng)OTSU算法、基于聚類的EM算法、G