基于圖像處理的大豆病害識別方法研究.pdf_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論