卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)是一種應(yīng)用較為廣泛的深度學(xué)習(xí)模型,它憑借自身的卷積濾波和池化操作等特性,可以有效降低網(wǎng)絡(luò)復(fù)雜度,不僅能夠賦予模型對平移、扭曲、縮放等操作一定程度的不變性,并表現(xiàn)出較強(qiáng)的魯棒性和容錯(cuò)能力。另外,卷積神經(jīng)網(wǎng)絡(luò)能夠同時(shí)進(jìn)行特征提取和模式識別,從而避免了復(fù)雜的顯式特征提取過程,因此更易于網(wǎng)絡(luò)的訓(xùn)練和優(yōu)化。近年來,CNN在農(nóng)業(yè)病害圖像識別等領(lǐng)域中發(fā)揮著重要的作用。目標(biāo)檢測算法是通過獲取目標(biāo)圖像的幾何和統(tǒng)計(jì)特征進(jìn)行的類似于圖像分割的過程,主要分為目標(biāo)分類與目標(biāo)定位。目標(biāo)分類的任務(wù)是獲取圖像中包含的目標(biāo)類別標(biāo)簽;目標(biāo)定位的任務(wù)是獲取感興趣區(qū)域在圖像中的坐標(biāo)值。近年來,特別是在較復(fù)雜的場景中,能夠?qū)崿F(xiàn)實(shí)時(shí)的多個(gè)目標(biāo)自動(dòng)識別和定位是非常重要的。YOLO(You Only Look Once)算法利用卷積神經(jīng)網(wǎng)絡(luò)將特征提取網(wǎng)絡(luò)、位置框預(yù)測和類別預(yù)測統(tǒng)一到一個(gè)框架中,實(shí)現(xiàn)了端到端的訓(xùn)練,能夠自動(dòng)的學(xué)習(xí)任務(wù),實(shí)現(xiàn)多層非線性變換,獲取圖像的高層抽象描述。本文為實(shí)現(xiàn)茶葉嫩芽檢測和葉部病害圖像識別,展開了目標(biāo)檢測算法和卷積神經(jīng)網(wǎng)絡(luò)模型的相關(guān)研究工作,主要研究內(nèi)容如下:(1)提出了一種基于YOLOv3的茶葉嫩芽檢測算法(Darknet_tea算法)。將其首次應(yīng)用到復(fù)雜背景下的茶葉嫩芽圖像的檢測中,并從多尺度檢測方面對YOLO v3網(wǎng)絡(luò)架構(gòu)進(jìn)行了改進(jìn)。原始的YOLOv3算法在在三個(gè)不同的特征響應(yīng)圖進(jìn)行檢測框和目標(biāo)類別的回歸,單個(gè)網(wǎng)格則預(yù)測了9個(gè)不同尺寸的目標(biāo)框,從而造成模型計(jì)算量較大�？紤]到實(shí)地拍攝的茶葉嫩芽區(qū)域占據(jù)圖像中的位置較大,茶葉嫩芽和老葉存在形狀和顏色差異,因此,在提取圖像的超綠特征以及使用OSTU算法進(jìn)行圖像分割的基礎(chǔ)上,本文提出的Darknet_tea算法只在13×13和26×26兩個(gè)尺度上進(jìn)行預(yù)測回歸,不僅提高了茶葉嫩芽檢測的準(zhǔn)確率,而且減少了網(wǎng)絡(luò)的計(jì)算量。(2)提出了基于深度卷積對抗生成網(wǎng)絡(luò)(Deep Convolution Generative Adversarial Networks,DCGAN)的茶葉葉部病害圖像生成。在實(shí)驗(yàn)數(shù)據(jù)的采集過程中,由于每種病害的發(fā)生程度和時(shí)間不同,導(dǎo)致拍攝的部分病害的數(shù)量較少,因此為擴(kuò)充茶葉葉部病害圖像數(shù)據(jù)集和均衡每種病害種類的數(shù)量,使用了DCGNN進(jìn)行數(shù)據(jù)增強(qiáng),為茶葉葉部病害圖像的識別打下了基礎(chǔ)。(3)提出了基于卷積神經(jīng)網(wǎng)絡(luò)的茶葉葉部病害圖像識別。為防止過擬合的出現(xiàn),加入了Dropout、局部對比度歸一化(Local Contrast Normalization,LRN);為增加網(wǎng)絡(luò)的稀疏性和消除梯度彌散,在模型中使用線性整流函數(shù)(Rectified Linear Unit,ReLU)作為激活函數(shù),加快了網(wǎng)絡(luò)的收斂,完善了網(wǎng)絡(luò)的結(jié)構(gòu)。
【學(xué)位單位】：山東農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：S435.711;S571.1;TP391.41;TP18
【部分圖文】：

而能夠修改代價(jià)函數(shù)。新的代價(jià)函數(shù)如公式（2.23）所示。 ( ) 21 1 1 011( ) 1 log2T wjT wjxm k k niijkxi j i jieJ y jme （2.2重縮減項(xiàng)的引入使得代價(jià)函數(shù)變成了凸函數(shù)，而凸函數(shù)具有唯一解，進(jìn)而能絡(luò)的收斂，得到最優(yōu)值。然而為利用優(yōu)化算法求解，需要對公式（2.23）進(jìn)行形式如公式（2.24）所示。 ( ) ( ) ( ) ( )11( ) (1 ( | ; ))jmi i i ijiJ x y j p y j xm （2.2可得到 Softmax 分類器。訓(xùn)練方法NN 學(xué)習(xí)過程如圖 16 所示。

因此主要介紹 YOLOv3 目標(biāo)檢測算法在復(fù)雜背景下茶葉嫩芽的應(yīng)用。良好的樣本集是茶葉嫩芽檢測研究的基礎(chǔ)，良好的目標(biāo)檢測算法有助于提高目標(biāo)檢測精度。本章從茶葉嫩芽數(shù)據(jù)集的構(gòu)建和預(yù)處理、網(wǎng)絡(luò)架構(gòu)的設(shè)計(jì)與改進(jìn)以及實(shí)驗(yàn)結(jié)果的分析總結(jié)等方面進(jìn)行介紹，為后續(xù)的茶葉嫩芽采摘機(jī)器人的研究打下基礎(chǔ)。3.1 數(shù)據(jù)集構(gòu)建3.1.1 茶葉嫩芽圖像獲取在山東省泰安市的泰頂青和茶溪谷等茶園開展自然環(huán)境下茶葉嫩芽圖像的采集，所用的拍攝工具為數(shù)碼相機(jī)，其型號是 IXUS 285 HS，圖像拍攝的角度與距離隨機(jī)。自然環(huán)境下拍攝的茶葉嫩芽圖像中，嫩芽以外的區(qū)域稱為背景，背景主要包括老葉和枝干等，其中嫩芽呈黃綠色，老葉呈藍(lán)綠色或者深綠色，樣本圖像樣例如圖 17 所示。為了增加實(shí)驗(yàn)的可信度，本次實(shí)驗(yàn)所用的茶葉嫩芽圖像包含的目標(biāo)區(qū)域有差異，包括 1 個(gè)或多個(gè)目標(biāo)框。

圖 18 茶葉嫩芽圖像目標(biāo)位置標(biāo)注Fig.18 Target position labeling of tea bud image由圖像標(biāo)注工具標(biāo)注而生成的標(biāo)簽文件如圖 19 所示。標(biāo)簽<folder>記錄了圖像的文件夾，標(biāo)簽<filename>記錄了圖像的名稱，標(biāo)簽<path>記錄了圖像的存儲(chǔ)路徑。標(biāo)size>記錄了圖像的整體信息，包括圖像的長、寬和通道數(shù)量。每個(gè)<object>標(biāo)簽負(fù)責(zé)該圖形中一個(gè)目標(biāo)茶葉嫩牙的位置及類別信息，子標(biāo)簽<name>記錄了目標(biāo)茶葉嫩類別信息，子標(biāo)簽<bndbox>記錄了目標(biāo)茶葉嫩芽的位置信息，其子標(biāo)簽負(fù)責(zé)記錄目圍框的左下角坐標(biāo)和右上角坐標(biāo)。
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳華成;;茶葉褐色葉斑病的綜合防治技術(shù)[J];農(nóng)業(yè)與技術(shù);2015年16期

2 VanBang L E;朱煜;趙江坤;陳寧;;基于深度圖像HOG特征的實(shí)時(shí)手勢識別方法[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年05期

3 吳雪梅;唐仙;張富貴;顧金梅;;基于K-means聚類法的茶葉嫩芽識別研究[J];中國農(nóng)機(jī)化學(xué)報(bào);2015年05期

4 韓余;肖宏儒;秦廣明;宋志禹;丁文芹;梅松;;國內(nèi)外采茶機(jī)械發(fā)展?fàn)顩r研究[J];中國農(nóng)機(jī)化學(xué)報(bào);2014年02期

5 鄭繼剛;張靜梅;唐智英;;數(shù)據(jù)挖掘技術(shù)在茶葉病蟲害預(yù)警中的研究與應(yīng)用[J];湖北農(nóng)業(yè)科學(xué);2013年24期

6 吳雪梅;張富貴;呂敬堂;;基于圖像顏色信息的茶葉嫩葉識別方法研究[J];茶葉科學(xué);2013年06期

7 張小琴;趙池航;沙月進(jìn);黨倩;張運(yùn)勝;;基于HOG特征及支持向量機(jī)的車輛品牌識別方法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S2期

8 葉茂枝;張世良;蔡良綏;;基于徑向基函數(shù)網(wǎng)絡(luò)與WebGIS的茶葉病害預(yù)測[J];三明學(xué)院學(xué)報(bào);2012年04期

9 唐智英;王祖鳳;;關(guān)聯(lián)規(guī)則挖掘技術(shù)在茶葉病蟲害中的研究與應(yīng)用[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2012年15期

10 汪建;;結(jié)合顏色和區(qū)域生長的茶葉圖像分割算法研究[J];茶葉科學(xué);2011年01期

本文編號：2867093