基于GA-BP神經(jīng)網(wǎng)絡(luò)的溫室番茄病害診斷研究.pdf

1、學(xué)校代碼：1 0 2 2 5學(xué) 號：S 1 6 3 8 4學(xué)位論文基于G A ．B P 神經(jīng)網(wǎng)絡(luò)的溫室番茄病害診斷研究指導(dǎo)教師姓名：申請學(xué)位級別：論文提交日期：授予學(xué)位單位：米雅婷徐凱宏教授東北林業(yè)大學(xué)碩士 學(xué)科專業(yè)： 檢測技術(shù)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(xué) 授予學(xué)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(xué)摘要摘要溫室番茄病害已嚴(yán)重威脅到番茄產(chǎn)

2、量和經(jīng)濟效益，抑制病害最為常用的方式是噴灑化學(xué)農(nóng)藥。然而，農(nóng)藥的頻繁使用，造成溫室生態(tài)平衡破壞嚴(yán)重，導(dǎo)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(zhǔn)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(jīng)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(jīng)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(xué)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(shù)和M a t l a b 數(shù)學(xué)軟件以及遺傳算法神經(jīng)網(wǎng)絡(luò)模型，經(jīng)過圖像采集、圖像預(yù)處理、特征提取、模型的建立和訓(xùn)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(yán)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(jié)合的方式實現(xiàn)了溫室番茄病害的早期監(jiān)測和精準(zhǔn)采集；在圖像預(yù)處理環(huán)節(jié)，通過采用分治法對傳統(tǒng)中值濾波算法進(jìn)行改進(jìn)，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(jìn)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(gòu)建了B P 神經(jīng)網(wǎng)絡(luò)，并通過神經(jīng)網(wǎng)絡(luò)的反復(fù)學(xué)習(xí)和訓(xùn)練，得到溫室番茄病害的訓(xùn)練結(jié)果；基于B P 神經(jīng)網(wǎng)絡(luò)存在局部極小，網(wǎng)絡(luò)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(jīng)元之間的權(quán)值和閾值，從而優(yōu)化B P 神經(jīng)網(wǎng)絡(luò)，得到新的網(wǎng)絡(luò)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(dá)到