黃瓜病害圖像自動(dòng)識(shí)別的研究.pdf

1、分類號(hào)：TP39i密級(jí)：公開單位代碼：10086學(xué)號(hào)：2010136黃瓜病害圖像自動(dòng)識(shí)別的研究一●●‘一ResearchOn1maRerecogrfltionautomatJcauvofcucumberdisease學(xué)位申請(qǐng)人：陳含指導(dǎo)教師：韓憲忠教授學(xué)科專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)學(xué)位類別：工學(xué)碩士授予單位：河北農(nóng)業(yè)大學(xué)答辯日期：二。一三年五月三十日摘要11111111111111《LllllIlllllllIllllIILlllY23871

2、36蔬菜作為我國(guó)農(nóng)作物中的重要經(jīng)濟(jì)作物，在我國(guó)農(nóng)業(yè)生產(chǎn)中占有較大的比例。河北省是全國(guó)蔬菜生產(chǎn)和調(diào)出大省，河北蔬菜在北京八大農(nóng)產(chǎn)品批發(fā)市場(chǎng)中占三分之一，在京津夏季市場(chǎng)中占三分之二。其中黃瓜占總栽培面積的5650％，占總產(chǎn)量的5654％，但黃瓜常年因病害造成的產(chǎn)量損失高達(dá)20％一30％。目前，大多數(shù)菜農(nóng)靠視覺觀察診斷病害，經(jīng)常造成誤診。因此，準(zhǔn)確快速地識(shí)別黃瓜病害，及時(shí)采取有效的措施是黃瓜病害防治的關(guān)鍵技術(shù)。本文采用數(shù)字圖像處理技術(shù)研究了黃

3、瓜病害的圖像，實(shí)現(xiàn)病害了的自動(dòng)識(shí)別，彌補(bǔ)了專家教授不足不能一一到現(xiàn)場(chǎng)指導(dǎo)的缺陷。‘本文對(duì)作為“農(nóng)業(yè)部蔬菜工作聯(lián)系點(diǎn)”的定州市蔬菜基地黃瓜產(chǎn)區(qū)進(jìn)行了廣泛的調(diào)查，以識(shí)別黃瓜常見病害為目的，以計(jì)算機(jī)圖像處理技術(shù)為主要技術(shù)手段，綜合運(yùn)用數(shù)字圖像、生物特征、模式識(shí)別及人工智能等方面的技術(shù)，研究了黃瓜病害圖像自動(dòng)識(shí)別的方法。主要工作如下：(1)采集技術(shù)研究。為了提高黃瓜病害自動(dòng)識(shí)別的準(zhǔn)確性，避免由于光線過強(qiáng)或過弱引起的圖像失真，對(duì)黃瓜病害圖像的采集

4、技術(shù)進(jìn)行了研究。根據(jù)專家的建議，利用便攜式圖像采集裝置，在晴好天氣的早上4：00—6：00之間采集了十種常見黃瓜病害葉部圖像3000幅。(2)病害圖像的預(yù)處理方法研究。通過比較各種圖像的預(yù)處理方法，選擇運(yùn)用直方圖均衡化技術(shù)和快速中值濾波法對(duì)圖像進(jìn)行圖像增強(qiáng)處理，改善了圖像的動(dòng)態(tài)范圍及對(duì)比度，突出了圖像的細(xì)節(jié)，為圖像分割奠定了基礎(chǔ)。然后采用Otsu閾值分割法、邊緣算子檢測(cè)的方法對(duì)病害圖像進(jìn)行分割。最后利用形態(tài)學(xué)運(yùn)算，對(duì)分割后的圖像中的空洞

5、和毛刺處理，使目標(biāo)圖像更具體。(3)特征提取和選擇研究。根據(jù)不同黃瓜病害葉片的顏色、紋理、形狀的不同的特點(diǎn)，對(duì)處理后的病害圖像分別提取了顏色特征、紋理特征和形狀特征，共提取了15個(gè)特征，并對(duì)各特征參數(shù)做了定性分析，最終選擇了H均值、R均值、G均值、S能量、對(duì)比度、熵值、形狀復(fù)雜性均值、圓形性均值8個(gè)特征參數(shù)，將特征組合成特征向量來(lái)代表原圖像的全部知識(shí)。(4)病害識(shí)別研究。根據(jù)選取的特征參數(shù)，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)分類器，選取2000幅圖像作為