基于圖像處理的大豆病害識(shí)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(jīng)濟(jì)的突飛猛進(jìn)發(fā)展，同時(shí)伴隨著環(huán)境污染的越來越嚴(yán)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(yán)重影響到大豆的產(chǎn)量與質(zhì)量。隨著計(jì)算機(jī)技術(shù)和機(jī)器視覺技術(shù)的不斷發(fā)展，使得利用計(jì)算機(jī)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(dòng)化的實(shí)現(xiàn)可以實(shí)時(shí)且準(zhǔn)確地判斷病害種類，農(nóng)業(yè)生產(chǎn)者可以及時(shí)的采取相應(yīng)的防治措施。這樣不僅提高了大豆的產(chǎn)量和優(yōu)質(zhì)，同時(shí)可以避免農(nóng)藥的濫用，保護(hù)了我們賴以生存

2、的環(huán)境。本文充分了解了國內(nèi)外在該領(lǐng)域的研究現(xiàn)狀，以此為基礎(chǔ)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(jù)病斑的特點(diǎn)，討論了特征參數(shù)的提取，最后在對(duì)病害種類識(shí)別方法也進(jìn)行了深入的研究和比較。
　　本文主要工作和創(chuàng)新點(diǎn)包括以下幾個(gè)方面：
　　（1）病害分割方法研究。通過對(duì)大豆葉部病害的特點(diǎn)進(jìn)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(duì)模糊c均值聚類的改進(jìn)，通過逐步增加c值和改變距離函

3、數(shù)，反復(fù)迭代，依據(jù)有效性評(píng)價(jià)來度量，無監(jiān)督地搜索到最佳的分類數(shù)c，從而實(shí)現(xiàn)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(yùn)用到大豆葉部病害的分割上面來，然后結(jié)合二值化分割和形態(tài)學(xué)處理得到完整的病斑圖像，該方法與傳統(tǒng)的方法相比，減少了預(yù)處理和背景分離兩個(gè)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(jù)uniform LBP直方圖的分布來得到紋理特征。
　?。?）病害識(shí)別方法研究。采用神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、粒子群算法改進(jìn)支持向量機(jī)、dropout來改進(jìn)神經(jīng)網(wǎng)絡(luò)這4中識(shí)別方法，實(shí)現(xiàn)大豆葉部病害的分類識(shí)別。其中針對(duì)支持向量機(jī)參數(shù)難確定這個(gè)問題，提出了粒子群算法改進(jìn)支持向量機(jī)，主要是利用粒子群算法搜尋最優(yōu)的核函數(shù)參數(shù)和懲罰系數(shù)來提高支持向量機(jī)的準(zhǔn)確率，實(shí)驗(yàn)結(jié)果數(shù)據(jù)表明比支持向量機(jī)