隨著溫室大棚應(yīng)用的越來(lái)越廣泛,棚內(nèi)的花卉種類變得日漸繁多,種植面積也日益擴(kuò)大,但是由于化肥施用的不合理或其他一些不可預(yù)知因素的綜合影響,隨之而來(lái)的病害也越來(lái)越多,對(duì)我國(guó)的花卉產(chǎn)量產(chǎn)生了很大的影響�，F(xiàn)價(jià)段對(duì)害蟲的根除主要是通過(guò)施用農(nóng)藥,大棚管理者察覺(jué)出疑似染病的花卉,大多都是通過(guò)人工的方法（依靠顏色以及紋理特征來(lái)識(shí)別植物的病害癥狀）識(shí)別植物病蟲害,但是這種方法沒(méi)有一個(gè)固定的標(biāo)準(zhǔn),而且人的視覺(jué)系統(tǒng)不具備客觀性,以上特質(zhì)都導(dǎo)致了人工識(shí)別的錯(cuò)誤率比較高,在這種盲目的情況下,很多大棚管理者濫用了大量的農(nóng)藥,造成了農(nóng)作物和土地的農(nóng)藥殘留等一系列問(wèn)題。要想使農(nóng)藥合理施用,我們首先需要正確了解病害的種類,只有正確地識(shí)別出花卉所感染的病害,才能有效地施用農(nóng)藥,然后確�；ɑ芰己蒙L(zhǎng)。隨著人工智能、數(shù)字圖像處理技術(shù)和模式識(shí)別等綜合技術(shù)的進(jìn)步,我們可以研究基于圖像處理的花卉葉部病害識(shí)別,這樣才能合理地施用農(nóng)藥,保證花卉的健康生長(zhǎng),繼而提高花卉的產(chǎn)量,所以研究此課題是有著美好的應(yīng)用前景的。本文通過(guò)分析和對(duì)比國(guó)內(nèi)外的研究,以有病害的蘭花葉片作為研究對(duì)象,對(duì)花卉葉部病害圖像的預(yù)處理、病害圖像的分割、病害圖像的特征提... 

【文章來(lái)源】：天津職業(yè)技術(shù)師范大學(xué)天津市

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景與意義
        1.1.1 計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用
        1.1.2 本課題的研究背景及研究意義
    1.2 研究現(xiàn)狀分析
        1.2.1 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 現(xiàn)狀分析
    1.3 課題研究主要內(nèi)容與技術(shù)路線
        1.3.1 主要內(nèi)容
        1.3.2 技術(shù)路線
第2章 蘭花葉部病害圖像預(yù)處理算法的研究
    2.1 蘭花葉部病害圖像的采集和存儲(chǔ)
    2.2 常用的圖像預(yù)處理方法
        2.2.1 空間域圖像去噪
        2.2.2 頻域圖像去噪
        2.2.3 形態(tài)學(xué)濾波去噪
        2.2.4 各種預(yù)處理結(jié)果與分析
    2.3 本章小結(jié)
第3章 蘭花葉部病害彩色圖像的分割算法研究
    3.1 顏色空間模型的選擇
        3.1.1 RGB顏色空間
        3.1.2 HSI顏色空間
        3.1.3 HSV顏色空間
        3.1.4 YUV顏色空間
        3.1.5 Lab顏色空間
        3.1.6 本文圖像分割選用的顏色空間模型
    3.2 常用的彩色圖像分割算法
        3.2.1 直方圖閾值分割法
        3.2.2 彩色空間聚類算法
        3.2.3 最大類間方差分割法
        3.2.4 其他特定理論的方法
    3.3 分割算法效果比較及分析
    3.4 本章小結(jié)
第4章 蘭花葉部病害圖像的特征提取
    4.1 圖像的特征提取的概述
    4.2 基于顏色的特征提取
        4.2.1 常用的顏色特征提取方法
        4.2.2 本文選用的顏色特征提取方法
    4.3 基于紋理的特征提取
        4.3.1 常用的紋理特征提取方法
        4.3.2 本文選用的紋理特征提取方法
            4.3.2.1 提取紋理特征參數(shù)的步驟
            4.3.2.2 結(jié)果與分析
    4.4 基于形狀的特征提取
        4.4.1 常用的形狀特征提取方法
        4.4.2 本文選用的形狀特征提取方法
        4.4.3 結(jié)果與分析
    4.5 本章小結(jié)
第5章 蘭花葉部病害識(shí)別的方法研究
    5.1 模式識(shí)別的概述
    5.2 圖像模式識(shí)別常用的方法
    5.3 支持向量機(jī)
        5.3.1 線性可分的分類問(wèn)題
        5.3.2 線性不可分的分類問(wèn)題
        5.3.3 特征空間和核函數(shù)
        5.3.4 支持向量機(jī)多分類策略
        5.3.5 本實(shí)驗(yàn)選用的分類策略
    5.4 實(shí)驗(yàn)結(jié)果與分析
    5.5 遺傳算法對(duì)支持向量機(jī)的參數(shù)的優(yōu)化
        5.5.1 遺傳算法的基本原理
        5.5.2 遺傳算法的控制參數(shù)的設(shè)計(jì)
        5.5.3 基于遺傳算法的SVM參數(shù)優(yōu)化的實(shí)現(xiàn)過(guò)程
        5.5.4 實(shí)驗(yàn)結(jié)果和分析
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
申請(qǐng)學(xué)位期間的研究成果及發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]基于Lab顏色空間和遺傳算法的苦苣菜葉片病斑分割[J]. 崔世鋼,次丹妮,梁帆.  天津職業(yè)技術(shù)師范大學(xué)學(xué)報(bào). 2015(03)
[2]基于Lab空間和K-Means聚類的葉片分割算法研究[J]. 鄒秋霞,楊林楠,彭琳,鄭強(qiáng).  農(nóng)機(jī)化研究. 2015(09)
[3]計(jì)算機(jī)視覺(jué)在作物病害診斷中的研究進(jìn)展[J]. 濮永仙.  智能計(jì)算機(jī)與應(yīng)用. 2015(02)
[4]基于改進(jìn)遺傳算法的作物葉片病斑分割算法[J]. 栗娜,李萍,張善文.  江蘇農(nóng)業(yè)科學(xué). 2014(07)
[5]基于多示例圖的小麥葉部病害分割方法[J]. 虎曉紅,李炳軍,席磊.  農(nóng)業(yè)工程學(xué)報(bào). 2012(13)
[6]基于數(shù)學(xué)形態(tài)學(xué)的植物葉片圖像分割方法研究[J]. 王萍,唐江豐,王博,王立地.  浙江農(nóng)業(yè)學(xué)報(bào). 2012(03)
[7]基于遺傳算法的SVM參數(shù)組合優(yōu)化[J]. 劉鯖潔,陳桂明,劉小方,楊慶.  計(jì)算機(jī)應(yīng)用與軟件. 2012(04)
[8]基于HSI和LAB顏色空間的彩色圖像分割[J]. 龐曉敏,閔子建,闞江明.  廣西大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(06)
[9]基于圖像分析的植物葉片識(shí)別技術(shù)綜述[J]. 張寧,劉文萍.  計(jì)算機(jī)應(yīng)用研究. 2011(11)
[10]計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)作物病蟲草害防治中的研究進(jìn)展[J]. 屈赟,吳玉潔,劉盼.  安徽農(nóng)業(yè)科學(xué). 2011(09)

博士論文
[1]基于圖像分析的植物葉部病害識(shí)別方法研究[D]. 胡秋霞.西北農(nóng)林科技大學(xué) 2013
[2]基于計(jì)算機(jī)視覺(jué)和光譜分析技術(shù)的蔬菜葉部病害診斷研究[D]. 柴阿麗.中國(guó)農(nóng)業(yè)科學(xué)院 2011
[3]基于計(jì)算機(jī)視覺(jué)的農(nóng)作物病害識(shí)別方法的研究[D]. 宋凱.沈陽(yáng)農(nóng)業(yè)大學(xué) 2008
[4]基于圖像識(shí)別的作物病蟲草害診斷研究[D]. 王克如.中國(guó)農(nóng)業(yè)科學(xué)院 2005

碩士論文
[1]玉米病斑識(shí)別算法的研究[D]. 李雪.黑龍江八一農(nóng)墾大學(xué) 2015
[2]基于計(jì)算機(jī)圖像處理的作物葉部病害提取方法與技術(shù)研究[D]. 諸葛木子.中國(guó)地質(zhì)大學(xué)（北京） 2014
[3]蘋果葉子病害圖像識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 畢傲睿.西安建筑科技大學(xué) 2014
[4]基于圖像識(shí)別的冬小麥葉部主要病害診斷研究[D]. 趙曉莉.河南農(nóng)業(yè)大學(xué) 2014
[5]基于圖像處理的黃瓜葉部病害識(shí)別研究[D]. 李旺.湖南農(nóng)業(yè)大學(xué) 2013
[6]黃瓜病害圖像自動(dòng)識(shí)別的研究[D]. 陳含.河北農(nóng)業(yè)大學(xué) 2013
[7]基于圖像識(shí)別的向日葵葉部病害診斷技術(shù)研究[D]. 越鮮梅.內(nèi)蒙古工業(yè)大學(xué) 2013
[8]基于遺傳BP神經(jīng)網(wǎng)絡(luò)構(gòu)建溫室月季花卉病害預(yù)警系統(tǒng)[D]. 牛海微.吉林大學(xué) 2011
[9]基于圖像處理技術(shù)的煙葉病害自動(dòng)識(shí)別研究[D]. 王靜.昆明理工大學(xué) 2011
[10]基于圖像的水稻病害識(shí)別方法的研究[D]. 管澤鑫.浙江理工大學(xué) 2010



本文編號(hào)：3338702