本文選題：溫室黃瓜 + 霜霉病��； 參考：《農(nóng)業(yè)機械學報》2017年02期

【摘要】：為進一步提高溫室黃瓜霜霉病診斷的準確率,構建了一個基于圖像處理的溫室黃瓜霜霉病診斷系統(tǒng)。針對溫室黃瓜栽培現(xiàn)場采集的病害圖像,采用基于條件隨機場(Conditional random fields,CRF)的圖像分割方法進行病斑圖像分割,并采用決策樹模型擴展一元勢函數(shù),提高病斑圖像分割的準確性;將分割后的病斑圖像轉換到HSV顏色空間并提取其顏色、紋理和形狀等25個特征,利用粗糙集方法進行特征選擇與優(yōu)化;構建了基于徑向基核函數(shù)的SVM分類器,準確地識別與診斷溫室黃瓜霜霉病。系統(tǒng)試驗驗證結果表明,該系統(tǒng)采用的病斑分割方法,能夠克服復雜背景和光照條件的影響,準確地提取病斑圖像;采用粗糙集方法能夠有效地選擇分類特征,將25個初始特征減少到12個,提高了運行效率;黃瓜霜霉病識別準確率達到90%,能夠滿足設施蔬菜葉部病害診斷的需求。
[Abstract]:In order to improve the accuracy of greenhouse cucumber downy mildew diagnosis, a greenhouse cucumber downy mildew diagnosis system based on image processing was constructed. Based on conditional random field CRF (conditional random field CRF), the disease image was segmented in greenhouse cucumber field, and the decision tree model was used to expand the univariate potential function to improve the accuracy of disease spot image segmentation. The segmented image is transformed into HSV color space and 25 features such as color, texture and shape are extracted, and feature selection and optimization are carried out using rough set method. A SVM classifier based on radial basis function (RBF) kernel function is constructed. Accurate identification and diagnosis of cucumber downy mildew in greenhouse. The experimental results show that the segmentation method can overcome the influence of complex background and illumination conditions and extract the disease spot image accurately, and the classification feature can be selected effectively by rough set method. The operation efficiency was improved by reducing 25 initial characteristics to 12, and the accuracy of cucumber downy mildew identification reached 90%, which could meet the requirement of vegetable leaf disease diagnosis.
【作者單位】： 中國農(nóng)業(yè)大學信息與電氣工程學院;食品質(zhì)量與安全北京實驗室;天津市農(nóng)業(yè)科學院信息研究所;
【分類號】：S436.36;;TN941.1

【相似文獻】

相關會議論文 前10條

1 苑廷剛;李愛東;李汀;艾康偉;嚴波濤;;圖像處理技術在田徑科研中的應用初探[A];第七屆全國體育科學大會論文摘要匯編（二）[C];2004年

2 黃海永;朱浩;王朔中;;圖像處理軟件中宏結構的實現(xiàn)和擴展[A];面向21世紀的科技進步與社會經(jīng)濟發(fā)展（上冊）[C];1999年

3 楊文杰;劉浩學;;基于馬爾可夫場理論的圖像處理新方法評述[A];面向21世紀的科技進步與社會經(jīng)濟發(fā)展（上冊）[C];1999年

4 王晉疆;劉文耀;肖松山;陳曉東;孫正;;光電圖像處理課程中教學環(huán)節(jié)的設計[A];光電技術與系統(tǒng)文選——中國光學學會光電技術專業(yè)委員會成立二十周年暨第十一屆全國光電技術與系統(tǒng)學術會議論文集[C];2005年

5 王鵬;;圖像處理技術與實驗數(shù)據(jù)處理[A];全面建設小康社會：中國科技工作者的歷史責任——中國科協(xié)2003年學術年會論文集（上）[C];2003年

6 王曉劍;曹婉;王莎莎;;一種基于高速DSP的圖像處理應用平臺[A];2008中國儀器儀表與測控技術進展大會論文集（Ⅲ）[C];2008年

7 張煒;蔣大林;郎芬玲;曹廣鑫;王秀芬;;圖像處理技術應用于選礦領域的綜述[A];第九屆全國信息獲取與處理學術會議論文集Ⅱ[C];2011年

8 劉春桐;趙兵;張志利;仲啟媛;;基于圖像處理的自動瞄準系統(tǒng)精度研究[A];全國自動化新技術學術交流會會議論文集（一）[C];2005年

9 李向榮;;美式落袋球自動擺球系統(tǒng)的圖像處理研究[A];2008中國儀器儀表與測控技術進展大會論文集（Ⅲ）[C];2008年

10 周榮官;周醒馭;;地質(zhì)雷達圖像處理在崩塌隱患探測中的應用及分析[A];第六屆全國信號和智能信息處理與應用學術會議論文集[C];2012年

相關重要報紙文章 前10條

1 新疆大學紡織與服裝學院 袁春燕;圖像處理技術讓數(shù)據(jù)更真實[N];中國紡織報;2013年

2 楊朝暉;我鄰域圖像處理達到每秒1350億次超高速[N];科技日報;2008年

3 吳啟海;圖像處理時8位/通道或16位/通道模式的選擇探討[N];中國攝影報;2012年

4 殷幼芳;印前圖像處理技術對印刷質(zhì)量的影響[N];中國包裝報;2005年

5 徐和德;圖像處理要適度[N];中國攝影報;2006年

6 記者 申明;中星微發(fā)布場景高保真圖像處理技術[N];科技日報;2010年

7 楊玉軍;郵編圖像處理技術通過驗收[N];中國郵政報;2000年

8 董長生 吳志軍;用圖像處理軟件推動刑偵信息技術工作[N];人民公安報;2003年

9 殷幼芳;藝術化的圖像處理技術[N];中國包裝報;2006年

10 ;富士圖像處理方案走進手機[N];計算機世界;2002年

相關博士學位論文 前10條

1 羅軍;圖像處理快速算法研究與硬件化[D];武漢大學;2014年

2 孫傳猛;煤巖圖像處理及細觀損傷本構模型研究[D];重慶大學;2015年

3 嵇曉平;基于各向異性擴散方程圖像處理問題的研究[D];哈爾濱工業(yè)大學;2015年

4 黎海生;量子圖像處理關鍵技術研究[D];電子科技大學;2014年

5 吳玉蓮;非局部信息和TGV正則在圖像處理中的應用研究[D];西安電子科技大學;2015年

6 張還;聚合物復合材料微觀圖像處理與分析[D];南京農(nóng)業(yè)大學;2014年

7 季雷;光輻射對生物體影響的關鍵技術研究[D];南京航空航天大學;2015年

8 劉宇飛;基于模型修正與圖像處理的多尺度結構損傷識別[D];清華大學;2015年

9 樊瑤;基于圖像處理的路面裂縫檢測關鍵技術研究[D];長安大學;2016年

10 程科;模糊形態(tài)學技術及其在圖像處理中的應用[D];南京理工大學;2006年

相關碩士學位論文 前10條

1 董國齡;基于圖像處理技術的水表自動檢定及管理系統(tǒng)的設計[D];天津理工大學;2015年

2 李永晨;基于DSP的多路圖像處理硬件系統(tǒng)研究[D];天津理工大學;2015年

3 杜高峰;基于opencv圖像處理的列車受電弓動態(tài)特性監(jiān)測方法研究[D];西南交通大學;2015年

4 王世豪;基于小波及壓縮感知的圖像處理方法及應用研究[D];燕山大學;2015年

5 牛蕾;基于非線性動力系統(tǒng)的圖像處理[D];東北林業(yè)大學;2015年

6 宋君毅;基于圖像處理的魚群監(jiān)測技術研究[D];天津理工大學;2015年

7 古偉楷;基于異構計算技術的視頻與圖像處理研究[D];華南理工大學;2015年

8 康睿;基于圖像處理的砂土顆粒細觀特性分析[D];寧夏大學;2015年

9 趙杰;柴油噴霧粒子圖像處理及軟件的設計[D];長安大學;2015年

10 石璐;基于圖像處理的礦質(zhì)混合料級配檢測算法研究[D];長安大學;2015年

，

本文編號：1843111