發(fā)布時(shí)間：2020-07-20 22:04

【摘要】：中國(guó)葡萄酒產(chǎn)業(yè)發(fā)展迅猛,葡萄酒產(chǎn)量和銷售量穩(wěn)步增長(zhǎng)。釀酒和鮮食葡萄的大規(guī)模、高密度和集群化種植模式給傳染性病害的防治帶來極大挑戰(zhàn)。傳統(tǒng)的侵染性試驗(yàn)或依靠經(jīng)驗(yàn)診斷病害的方法,周期長(zhǎng)、主觀性強(qiáng),且盲目噴灑農(nóng)藥,易造成農(nóng)藥殘留和病蟲抗藥性問題。隨著技術(shù)進(jìn)步,人工智能、計(jì)算機(jī)視覺和圖像處理技術(shù)被越來越多地應(yīng)用在農(nóng)業(yè)領(lǐng)域,特別在作物病害識(shí)別領(lǐng)域。葡萄植株染病時(shí),生理結(jié)構(gòu)和形態(tài)特征均會(huì)發(fā)生變化,如形變、褪色、腐爛等,故將葡萄葉片病害圖像作為對(duì)象,利用計(jì)算機(jī)視覺技術(shù)和深度神經(jīng)網(wǎng)絡(luò)進(jìn)行病害種類識(shí)別的研究,對(duì)農(nóng)產(chǎn)品質(zhì)量提升和農(nóng)業(yè)生態(tài)環(huán)境安全具有重要意義。本文針對(duì)自然光照下葡萄葉片6種常見病害的識(shí)別和診斷方法進(jìn)行研究,主要包括以下內(nèi)容:(1)對(duì)采集的葡萄病害葉片圖像進(jìn)行數(shù)據(jù)增強(qiáng)處理,在不改變研究對(duì)象的屬性和類別的前提下,采用鏡像翻轉(zhuǎn)、隨機(jī)裁剪、添加顏色擾動(dòng)和噪聲等方法增加額外副本拓充樣本數(shù)量,解決數(shù)據(jù)集樣本數(shù)量不足的問題,并根據(jù)不同識(shí)別方法制作A、B、C三類數(shù)據(jù)集。(2)葡萄病害的半自動(dòng)識(shí)別:從包含復(fù)雜背景的葉片原圖中手動(dòng)截取病斑的外界矩形區(qū)域作為實(shí)驗(yàn)樣本。首先根據(jù)6種葡萄病害在顏色、紋理等方面差異提取28種特征,通過特征篩選出20種特征,經(jīng)過PCA降維實(shí)現(xiàn)樣本有效特征化,分別測(cè)試22種傳統(tǒng)分類器,根據(jù)各種特征對(duì)預(yù)測(cè)結(jié)果的貢獻(xiàn)率篩選5種特征用于識(shí)別。實(shí)驗(yàn)結(jié)果表明,傳統(tǒng)分類識(shí)別方法中的Bagged Trees對(duì)基于色度的彩色紋理特征的葡萄病害圖像有很好的識(shí)別效果,6種病害的平均識(shí)別精度為86.67%,尤其對(duì)于白粉病具有較高的識(shí)別率和魯棒性,識(shí)別率為92.94%。(3)葡萄病害的全自動(dòng)識(shí)別:對(duì)于包含復(fù)雜背景完整染病葉片樣本,本文使用Faster R-CNN模型先檢測(cè)圖像中的葉片,在檢出的葉片區(qū)域再進(jìn)行病斑檢測(cè),根據(jù)用外接矩形框出葉片上病斑區(qū)域,最后將該矩形圖像送入CNNs進(jìn)行病害類型識(shí)別。檢測(cè)病斑時(shí)仍采用Faster R-CNN。本文的這種策略可以有效避免復(fù)雜背景因素和無效區(qū)域干擾造成的誤檢測(cè)與誤識(shí)別。本文對(duì)傳統(tǒng)機(jī)器視覺分類模型中的Bagged Trees進(jìn)行了測(cè)試,與前文中人工截取病斑樣本的識(shí)別方法作對(duì)比。此外,為了在多種卷積神經(jīng)網(wǎng)絡(luò)中選擇最優(yōu)的網(wǎng)絡(luò),本文測(cè)試了AlexNet、VGG-16、VGG-19、GoogLe Net、ResNet50等網(wǎng)絡(luò)。實(shí)驗(yàn)結(jié)果表明,傳統(tǒng)分類技術(shù)在包含復(fù)雜背景的病斑樣本進(jìn)行分類時(shí),性能出現(xiàn)顯著下降,正確識(shí)別率為73.99%。在5種被測(cè)的網(wǎng)絡(luò)模型中,VGG-16表現(xiàn)出卓越的識(shí)別性能,對(duì)6種葡萄病害的正確識(shí)別率為94.48%。該方法對(duì)炭疽病、灰霉病、褐斑病、白粉病、黑痘病的識(shí)別效果較好,正確識(shí)別率均高于90%,其中白粉病的識(shí)別率達(dá)99.62%。
【學(xué)位授予單位】：甘肅農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：S436.631;TP181
【圖文】：

圖 2-7 最小和局部最小Fig. 2-7 Minimum and Local minimum以線性回歸（linear regression）為例，構(gòu)造擬合函數(shù)（hypothesis function）：

AlexNet網(wǎng)絡(luò)結(jié)構(gòu)

VGGNet網(wǎng)絡(luò)框圖

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭強(qiáng);;葡萄種植常見病蟲害及防治措施[J];特種經(jīng)濟(jì)動(dòng)植物;2018年07期

2 卞鳳娥;孫永江;牛彥杰;杜遠(yuǎn)鵬;翟衡;;高溫脅迫下根施褪黑素對(duì)葡萄葉片葉綠素?zé)晒馓匦缘挠绊慬J];植物生理學(xué)報(bào);2017年02期

3 張學(xué)東;;夜路[J];文學(xué)港;2017年03期

4 畢然;;火焰山下的葡萄天堂[J];吐魯番;2017年02期

5 許麗莎;;《一張告示》閱讀[J];中學(xué)生閱讀(高中版)(下半月);2017年03期

6 孫yN龍;;葡萄葉面積快速測(cè)定法[J];中國(guó)果樹;1987年01期

7 葛根;;談?wù)勂咸训脑耘嗪凸芾?第四講 十、十一月葡萄農(nóng)事[J];上海農(nóng)業(yè)科技;1987年05期

8 秦國(guó)慶;;葡萄早期枯葉的原因及防治[J];河北農(nóng)業(yè)科技;1987年06期

9 喬憲生,曹尚銀;施用PP333對(duì)蘋果、葡萄葉片組織結(jié)構(gòu)和厚度的影響[J];落葉果樹;1988年03期

10 谷元昌;早熟大粒葡萄——“84—010”[J];新農(nóng)業(yè);1988年11期

相關(guān)會(huì)議論文 前6條

1 趙瀅;艾軍;王振興;秦紅艷;張慶田;焦竹青;;外源一氧化氮對(duì)鹽脅迫下山葡萄葉片快速光曲線的影響[A];創(chuàng)新驅(qū)動(dòng)，加快戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展——吉林省第七屆科學(xué)技術(shù)學(xué)術(shù)年會(huì)論文集（下）[C];2012年

2 蘇淑釵;羅國(guó)光;;葡萄葉片表面的氣孔形態(tài)與分布[A];中國(guó)科學(xué)技術(shù)協(xié)會(huì)第二屆青年學(xué)術(shù)年會(huì)園藝學(xué)論文集[C];1995年

3 項(xiàng)殿芳;劉玲;吳學(xué)仁;;模擬酸雨對(duì)貝達(dá)葡萄葉片生理代謝影響初探[A];中國(guó)園藝學(xué)會(huì)第六屆青年學(xué)術(shù)討論會(huì)論文集[C];2004年

4 范旭東;董雅鳳;張尊平;任芳;;秋蜜葡萄葉片病毒檢測(cè)及GYSVd1群體分析[A];中國(guó)植物病理學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

5 張付春;潘明啟;郝敬U

本文編號(hào)：2764009