本文選題：大豆病害　切入點(diǎn)：特征提取　出處：《農(nóng)業(yè)機(jī)械學(xué)報(bào)》2017年01期 　論文類型：期刊論文

【摘要】：針對(duì)大豆葉部病害性狀特征與病種之間的模糊性和不確定性,將數(shù)字圖像處理技術(shù)與神經(jīng)網(wǎng)絡(luò)智能推理技術(shù)相結(jié)合,充分挖掘大豆受病害脅迫后表現(xiàn)性狀與病種之間的潛在規(guī)律,提出了基于改進(jìn)級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)的大豆病害診斷模型。首先利用自制載物模板無損采集大田大豆葉部病害數(shù)字圖像,計(jì)算病斑區(qū)域的形狀特征、顏色特征及紋理特征14維度特征參數(shù);為突顯各方面特征對(duì)于不同病害種類決定作用的差異性,構(gòu)建各子神經(jīng)網(wǎng)絡(luò)并聯(lián)的第1級(jí)網(wǎng)絡(luò),第2級(jí)網(wǎng)絡(luò)的輸入為第1級(jí)網(wǎng)絡(luò)的輸出,利用多維特征各自優(yōu)勢(shì)來自動(dòng)取得病種模式推理規(guī)則,建立了用于大豆葉部病害自動(dòng)診斷的兩級(jí)級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)模型,仿真實(shí)驗(yàn)準(zhǔn)確率為97.67%;同時(shí)應(yīng)用量子遺傳計(jì)算優(yōu)化級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)參數(shù),平均迭代次數(shù)為743,平均網(wǎng)絡(luò)誤差為0.000 995 445,提高了學(xué)習(xí)效率,實(shí)現(xiàn)了大豆葉部病害的高效自動(dòng)診斷和精確測(cè)報(bào),為大田農(nóng)作物全面系統(tǒng)地開展作物病害監(jiān)測(cè)、智能施藥及自動(dòng)防治提供了理論依據(jù)。
[Abstract]:Aiming at the fuzziness and uncertainty between characters of soybean leaf disease and disease species, digital image processing technology and neural network intelligent reasoning technology were combined. In this paper, the potential rules between the performance traits and the disease species of soybean under disease stress are fully explored, and a soybean disease diagnosis model based on improved cascade neural network is proposed. Firstly, the digital images of soybean leaf diseases in the field are collected without loss by using self-made load template. The shape feature, color feature and texture feature of the disease spot region are calculated in 14 dimensions. In order to highlight the difference of the influence of the different features on different disease types, the first level network of each sub-neural network is constructed in parallel. The input of the second level network is the output of the first level network. The inference rules of disease patterns are automatically obtained by using the advantages of multi-dimensional features, and a two-stage cascade neural network model for automatic diagnosis of soybean leaf diseases is established. The accuracy of simulation experiment is 97.67, and the parameters of cascade neural network are optimized by quantum genetic computation, the average iteration number is 743, the average network error is 0.000 995,445, and the learning efficiency is improved. The high efficient automatic diagnosis and accurate forecast of soybean leaf diseases were realized, which provided the theoretical basis for the comprehensive and systematic crop disease monitoring, intelligent application and automatic control of soybean leaf diseases.
【作者單位】： 黑龍江八一農(nóng)墾大學(xué)信息技術(shù)學(xué)院;中國(guó)農(nóng)業(yè)大學(xué)現(xiàn)代精細(xì)農(nóng)業(yè)系統(tǒng)集成研究教育部重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(31601220、31371532) 黑龍江省自然科學(xué)基金項(xiàng)目(QC2016031) “十二五”國(guó)家科技支撐計(jì)劃項(xiàng)目(2014BAD06B01) 黑龍江省農(nóng)墾總局科技項(xiàng)目(HNK125A-08-03)
【分類號(hào)】：S435.651;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 董廣強(qiáng),韓繼光,邢艷芳;神經(jīng)網(wǎng)絡(luò)在曲線圖中的應(yīng)用[J];農(nóng)機(jī)化研究;2003年01期

2 馮芙葉,趙高長(zhǎng),張Oz舉;梯度神經(jīng)網(wǎng)絡(luò)的H-穩(wěn)定性[J];西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年01期

3 朱玲;裴洪平;陳榮;;灰色RBF網(wǎng)絡(luò)在西湖葉綠素a預(yù)測(cè)中的應(yīng)用[J];農(nóng)機(jī)化研究;2008年01期

4 師春祥;王晶;張文靜;段慶;;蟻群神經(jīng)網(wǎng)絡(luò)用于農(nóng)村電力短期負(fù)荷預(yù)測(cè)[J];農(nóng)機(jī)化研究;2008年10期

5 姚吟秋;;淺談神經(jīng)網(wǎng)絡(luò)在生物工程中的應(yīng)用[J];貴州農(nóng)機(jī)化;2011年01期

6 黃星奕,吳守一,方如明;用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行大米留胚率自動(dòng)檢測(cè)的研究[J];農(nóng)業(yè)工程學(xué)報(bào);1999年04期

7 馮旭東,陳方;神經(jīng)網(wǎng)絡(luò)在病蟲害診斷中的應(yīng)用[J];電腦開發(fā)與應(yīng)用;1999年01期

8 劉素青,周暢,杜盛珍;基于遺傳算法的神經(jīng)網(wǎng)絡(luò)木材消耗量預(yù)測(cè)模型研究[J];林業(yè)科學(xué);2001年03期

9 郝志華,馬孝江;多分量神經(jīng)網(wǎng)絡(luò)自回歸模型及其工程應(yīng)用[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2005年02期

10 劉繼龍;張振華;謝恒星;;果園土壤貯水量神經(jīng)網(wǎng)絡(luò)估算模型研究[J];農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究;2007年01期

相關(guān)會(huì)議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡(jiǎn)單規(guī)劃的識(shí)別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國(guó)神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評(píng)估中的應(yīng)用[A];第十二屆全國(guó)心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 美國(guó)明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國(guó)家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國(guó)教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國(guó)紡織報(bào);2003年

4 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日?qǐng)?bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日?qǐng)?bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國(guó)際先進(jìn)水平[N];中國(guó)電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國(guó)船舶報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測(cè)方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國(guó)農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測(cè)算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測(cè)的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測(cè)及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測(cè)研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

，

本文編號(hào)：1634896