基于圖像處理的大豆病害識別方法研究.pdf

1、大豆是我國重要的糧食作物之一。近些年，我國經濟的突飛猛進發(fā)展，同時伴隨著環(huán)境污染的越來越嚴重，水污染和霧霾天氣等等多方面因素都誘發(fā)的大豆病害的發(fā)生，嚴重影響到大豆的產量與質量。隨著計算機技術和機器視覺技術的不斷發(fā)展，使得利用計算機能夠智能化地診斷作物病害成為一種可能。這種作物病害診斷自動化的實現可以實時且準確地判斷病害種類，農業(yè)生產者可以及時的采取相應的防治措施。這樣不僅提高了大豆的產量和優(yōu)質，同時可以避免農藥的濫用，保護了我們賴以生存

2、的環(huán)境。本文充分了解了國內外在該領域的研究現狀，以此為基礎深入地研究了大豆葉部病害圖像中病斑的分割方法，并根據病斑的特點，討論了特征參數的提取，最后在對病害種類識別方法也進行了深入的研究和比較。
　　本文主要工作和創(chuàng)新點包括以下幾個方面：
　　（1）病害分割方法研究。通過對大豆葉部病害的特點進行研究，提出了2種分割方法:1、基于無監(jiān)督模糊聚類算法的大豆葉部病斑分割。該方法是對模糊c均值聚類的改進，通過逐步增加c值和改變距離函

3、數，反復迭代，依據有效性評價來度量，無監(jiān)督地搜索到最佳的分類數c，從而實現病斑的分割。2、基于顯著性區(qū)域的大豆葉部病斑提取。將顯著性區(qū)域提取的原理運用到大豆葉部病害的分割上面來，然后結合二值化分割和形態(tài)學處理得到完整的病斑圖像，該方法與傳統的方法相比，減少了預處理和背景分離兩個步驟。
　?。?）特征提取方法研究。選擇了以病斑圖像RGB和HSV顏色模型的各通道的一階矩、二階矩作為為顏色特征，紋理特征主要采用一種用來描述圖像局部紋理特

4、征的算子——uniform LBP（均勻二值模式)，根據uniform LBP直方圖的分布來得到紋理特征。
　　（3）病害識別方法研究。采用神經網絡、支持向量機、粒子群算法改進支持向量機、dropout來改進神經網絡這4中識別方法，實現大豆葉部病害的分類識別。其中針對支持向量機參數難確定這個問題，提出了粒子群算法改進支持向量機，主要是利用粒子群算法搜尋最優(yōu)的核函數參數和懲罰系數來提高支持向量機的準確率，實驗結果數據表明比支持向量機