為了更好的識別農作物病蟲害的圖像信息,以玉米斑病為例,利用無人機載機器視覺系統對玉米斑病進行露天采集作業(yè),根據采集到的圖像,選用各向異性去噪增強和最大熵分割的方法和卷積神經網絡的方法進行實驗對比。對各向異性去噪增強和最大熵分割的方法,將裁剪后的病斑圖像進行直方圖均衡化灰度增強預處理,分析影響病斑目標分割的因素,之后進一步采用各向異性擴散去噪方法,對玉米病斑圖像進行去噪增強。采用最大熵分割的方法實現了對玉米病斑圖像的特征分割,并通過形態(tài)學分析,對病斑圖像進行準確提取。對卷積神經網絡,采用自制訓練集的卷積神經網絡的方法進行實驗,以Alex Net為基礎,設計合適的卷積神經網絡。在正向數據流傳播時引入dropout層解決梯度彌散問題,在反向損失函數傳播時引入Adam優(yōu)化器來優(yōu)化損失函數。通過對比,分析各自的優(yōu)缺點以及改進方法。通過分析兩種方法的過程與結果不難發(fā)現,深度學習在進行農作物病蟲害識別時,可以跳過復雜的特征提取的步驟,但是在數據集的收集上有了更高的要求,而且因為其隱式識別的特點,其特征無法準確的展示出來;用圖像分割處理的方法可以直接對要識別的圖像進行處理分析,清晰的展示其識別過程,但... 

【文章來源】：華北理工大學河北省

【文章頁數】：67 頁

【學位級別】：碩士

【部分圖文】：

線性可分問題（左一至左三）和線性不可分問題（右一）

第2章圖像識別理論基礎-13-圖2反向傳播算法示意圖Fig.2Backpropagationalgorithmdiagram所以反向傳播算法的根本思想就是正向傳播求損失，反向回傳誤差，同時對神經網絡中每個神經元進行根據誤差信號的修正，使得預測值可以接近真實值。以圖像為例，假設正向傳播的數據集為()()(,)|1,...,iiSxyim（4）式中：x—圖像矩陣；y—圖像的標簽值。當數據流正向傳播時，得到的輸出值為W和b的線性函數加上激活函數f()即：(l)(l)(l1)zWab（5）()()()llafz（6）則在整個神經網絡中，每層的損失函數可以用如下表示：()()(2)(1)(1)(2)()()11(,)((()))mlrrriEWbfWfWfWxbbbym（7）設整個神經網絡的神經元數為N，則整個神經網絡的損失函數為：()()()()11(,)(,)LNLjLjEWbEWbN（8）設該神經網絡的L層為輸出層，那么輸出層的誤差可以表示為：

華北理工大學碩士學位論文-14-()()()(,)()LLaLEWbz（9）根據反向傳播的定義，對神經網絡的各層從后向前進行計算，那么：()(1)(1)()(())()llTllWz（10）此時，引入梯度下降的方法，得到可以使損失值最小的權值W和偏置值b。設為梯度下降中的學習率，(0,1]：()()()(,)llijijlijWWEWbW（11）()()()(,)lliilibbEWbb（12）圖3梯度下降算法示意圖Fig.3Schematicdiagramofgradientdescentalgorithm值得注意的是，在使用隨機梯度下降算法的時候，引入Adam作為學習率的更新法則，可以使梯度變得稀疏的同時，保證更快速更準確[50]。這種自適應的學習率可以用來解決設置不當產生的陷入鞍點和不能收斂等問題，是初學者常用的優(yōu)化算法。其更新規(guī)則的公式表示為：t1tttvm（13）ttttmgm11111)1(（14）

【參考文獻】：
期刊論文
[1]基于時間序列分解與支持向量回歸的短期電力能耗預測研究[J]. 左志宏,趙云鵬,劉竹,肖鵬.  信息系統工程. 2019(08)
[2]大數據支撐下的交通需求管理體系研究[J]. 熊杰,陳彪,李向楠,陳艷艷,郝世洋.  城市交通. 2019(03)
[3]基于深度學習的人工智能醫(yī)療應用與存在的問題[J]. 王海洲,王冠.  沈陽大學學報(自然科學版). 2019(02)
[4]深度學習在農作物病蟲害識別中應用初探[J]. 孫奧,吳冬燕,吳陽江,許燕萍.  電子測試. 2019(06)
[5]我國植保無人機現狀及發(fā)展建議[J]. 劉春鴿,趙麗偉.  農業(yè)工程技術. 2018(12)
[6]一種基于機器視覺特征的農作物病變圖像感知方法[J]. 周杰,潘宏俠,唐明軍.  農業(yè)與技術. 2017(18)
[7]機器視覺技術在植保無人機中的應用[J]. 邱帥,周思宇,馮俊青.  科技風. 2017(13)
[8]基于改進直方圖均衡化和SSR算法的灰度圖像增強研究α←[J]. 胡倍倍,呂浩杰.  量子電子學報. 2017(03)
[9]深度學習及其在圖像物體分類與檢測中的應用綜述[J]. 劉棟,李素,曹志冬.  計算機科學. 2016(12)
[10]植保無人機在勐臘縣橡膠樹病蟲害預警監(jiān)測與防治上的應用[J]. 李飛,何立平,鄭明輝,王偉鋒.  福建農業(yè). 2015(08)

博士論文
[1]面向農作物葉片病害魯棒性識別的深度卷積神經網絡研究[D]. 曾偉輝.中國科學技術大學 2018

碩士論文
[1]基于卷積神經網絡的鯨魚叫聲分類研究[D]. 張冠華.哈爾濱工程大學 2019
[2]基于深度學習的雙模態(tài)情感識別[D]. 袁亮.南京郵電大學 2018
[3]基于卷積神經網絡的玉米冠層圖像分割與生育期鑒定方法[D]. 和興華.江西農業(yè)大學 2018
[4]基于卷積神經網絡的病蟲害檢測算法及移動客戶端的研究與實現[D]. 杜冉.安徽大學 2018
[5]基于卷積神經網絡的可見光圖像農作物病蟲害的檢測[D]. 衛(wèi)智熠.哈爾濱工業(yè)大學 2017
[6]基于深度卷積網絡的農業(yè)病蟲害圖像分類識別應用[D]. 顧文璇.武漢輕工大學 2017
[7]基于機器視覺與黃板誘導的有翅昆蟲統計識別系統的研究與實現[D]. 周瑤.重慶大學 2017
[8]基于機器視覺的甘肅大麥病害分類識別研究[D]. 楊倩.甘肅農業(yè)大學 2013



本文編號：2991608