黃瓜葉部病害圖像智能識(shí)別關(guān)鍵技術(shù)研究與應(yīng)用.pdf

1、分類號(hào)：密級(jí)：$24單位代碼：10364瘩微震業(yè)太學(xué)學(xué)位論文黃瓜葉部病害圖像智能識(shí)別關(guān)鍵技術(shù)研究與應(yīng)用ResearchandApplicationofImage—BasedIntelligentRecognitionforCucumberLeafDiseases研究指導(dǎo)教合作指導(dǎo)教師：申請(qǐng)學(xué)位門類級(jí)別：壅堂擅答辯委員會(huì)主席：2013年12月名方學(xué)業(yè)究在專研所安徽農(nóng)業(yè)大學(xué)博士學(xué)位論文摘要摘要JIIIllIJJIrrlllllIIIIIII

2、JJJJlrllJllIY2753937利用圖像處理技術(shù)進(jìn)行農(nóng)作物病害診斷是計(jì)算機(jī)視覺技術(shù)在農(nóng)業(yè)領(lǐng)域的重要應(yīng)用之一。由于農(nóng)田自然環(huán)境的復(fù)雜性，在田間現(xiàn)場(chǎng)實(shí)時(shí)獲取的作物病害彩色圖像具有對(duì)比度不明顯、病斑邊緣輪廓不清晰、光照不均勻、背景復(fù)雜等特點(diǎn)。目前，利用圖像處理技術(shù)進(jìn)行農(nóng)作物的病害識(shí)別研究存在圖像分割準(zhǔn)確率低，難以提取顏色／形狀／紋理特征等問題，從而導(dǎo)致診斷結(jié)果不準(zhǔn)確。本論文針對(duì)上述問題，重點(diǎn)研究復(fù)雜背景條件下的黃瓜病害圖像的病斑分割，

3、并提取病斑的顏色、形狀和紋理信息，經(jīng)過特征組合和優(yōu)化得到病斑的核心特征，再利用支持向量機(jī)方法進(jìn)行病害的分類識(shí)別，最后設(shè)計(jì)和開發(fā)了黃瓜葉部病害識(shí)別系統(tǒng)原型，為從實(shí)驗(yàn)室基礎(chǔ)研究到大田實(shí)際應(yīng)用奠定基礎(chǔ)。本論文的主要工作如下：1、充分調(diào)研和分析了基于圖像處理技術(shù)的作物病害診斷相關(guān)技術(shù)，主要包括：圖像分割、特征提取、分類識(shí)別三個(gè)方面。2、提出了復(fù)雜背景條件下的病葉和病斑提取方法。針對(duì)水平集方法在解決復(fù)雜背景分割問題中存在的先驗(yàn)知識(shí)模型構(gòu)建問題，在

4、水平集模型中引入先驗(yàn)紋理和形狀信息，實(shí)現(xiàn)了復(fù)雜背景下的作物病葉提??；針對(duì)去除背景的病害葉片，利用基于標(biāo)記的分水嶺方法實(shí)現(xiàn)病斑提取。根據(jù)病害葉片的邊界特點(diǎn)(病斑始?jí)|處于病葉輪廓內(nèi))構(gòu)造了新型的多域多相水平集，實(shí)現(xiàn)了復(fù)雜背景下的作物病葉和病斑提?。辉O(shè)計(jì)一種綜合圖像分割方法，結(jié)合超G和OTSU方法提取圖像中的主要病葉部分，然后利用改進(jìn)的圖切割方法實(shí)現(xiàn)了黃瓜病害葉片圖像中病斑的提取和自動(dòng)化分割；3、研究并實(shí)現(xiàn)了病斑的特征提取和優(yōu)化。提取病斑的顏

5、色、形狀和紋理三個(gè)方面特征，經(jīng)過分析和比較獲得22個(gè)原始特征參數(shù)，并基于主成分分析法選取累計(jì)貢獻(xiàn)i韃到90％以上的5個(gè)主分量。4、研究并實(shí)現(xiàn)了黃瓜病害的分類識(shí)別。采用支持向量機(jī)分類算法進(jìn)行病害識(shí)別，基于主成分分析法選取的5個(gè)特征參數(shù)組合為最優(yōu)參數(shù)組合，四種黃瓜病害的識(shí)別準(zhǔn)確率均達(dá)到90％以上?！?、設(shè)計(jì)并開發(fā)了黃瓜葉部病害識(shí)別原型系統(tǒng)。通過本文的工作，為自然環(huán)境下的作物病蟲害圖像處理與自動(dòng)識(shí)別奠定了基礎(chǔ)，為我國農(nóng)作物病蟲害智能化無損診斷