本文關(guān)鍵詞：基于機(jī)器學(xué)習(xí)的作物病害圖像處理及病變識(shí)別方法研究

  更多相關(guān)文章： 深度學(xué)習(xí) 病害圖像識(shí)別 特征提取 受限玻爾茲曼機(jī)網(wǎng)絡(luò) 卷積網(wǎng)絡(luò)

【摘要】：農(nóng)業(yè)是一個(gè)復(fù)雜的生命系統(tǒng),具有典型的生態(tài)區(qū)域性和生理過(guò)程復(fù)雜性。信息技術(shù)是推動(dòng)社會(huì)經(jīng)濟(jì)變革的重要力量,加速農(nóng)業(yè)信息化發(fā)展成為了世界各國(guó)的共同選擇。我國(guó)是個(gè)農(nóng)業(yè)大國(guó),對(duì)農(nóng)業(yè)信息化技術(shù)與科學(xué)有著巨大需求。目前,大部分農(nóng)業(yè)設(shè)備或者終端只能采集圖像,缺乏加工功能,無(wú)法提取有指導(dǎo)農(nóng)業(yè)生產(chǎn)管理的有用信息。對(duì)農(nóng)業(yè)物聯(lián)網(wǎng)終端的圖像信息實(shí)現(xiàn)智能分析、處理、識(shí)別,使得系統(tǒng)能做出和智能生命體類(lèi)似的響應(yīng),已經(jīng)成為設(shè)備擺脫“視而不見(jiàn)”困局的首要任務(wù)。長(zhǎng)勢(shì)圖像直觀地、形象地表達(dá)了作物生長(zhǎng)、發(fā)育、健康狀況、受害程度,病因等方方面面的信息。讓支持視頻感知的農(nóng)業(yè)智能系統(tǒng)近似正確地識(shí)別、解讀農(nóng)學(xué)信息,實(shí)時(shí)地、科學(xué)地、自動(dòng)地指導(dǎo)農(nóng)技措施,對(duì)于實(shí)施“智慧農(nóng)業(yè)”有著積極意義。本文圍繞面向不均勻樣本集的懲罰校正SVN分類(lèi)方法、作物病害圖像的病變識(shí)別預(yù)處理、病變模式識(shí)別的數(shù)值分析特征提取及SVN識(shí)別、病變圖像模式半監(jiān)督深度學(xué)習(xí)特征提取及識(shí)別、病變圖像模式監(jiān)督深度學(xué)習(xí)特征提取和一體化識(shí)別5個(gè)方面的內(nèi)容展開(kāi)了深入研究。拓展了機(jī)器學(xué)習(xí)理論及其應(yīng)用范疇,構(gòu)造了基于機(jī)器學(xué)習(xí)的作物病變圖像識(shí)別的數(shù)據(jù)結(jié)構(gòu)和算法范形。最后,將提出的理論和設(shè)計(jì)方法應(yīng)用于工廠化果園生產(chǎn)場(chǎng)景采集的蘋(píng)果病害圖像識(shí)別并進(jìn)行算法級(jí)別實(shí)驗(yàn)驗(yàn)證,為面向深度學(xué)習(xí)作物病害圖像識(shí)別的農(nóng)業(yè)智能系統(tǒng)產(chǎn)品開(kāi)發(fā)設(shè)計(jì)提供了不菲的參考價(jià)值。論文主要研究成果和創(chuàng)新點(diǎn)如下:1.提出了懲罰校正的支持向量分類(lèi)算法和校正方法。以SVN為基礎(chǔ),探討懲罰支持向量機(jī)處理不平衡樣本時(shí),在不同目標(biāo)尤其是樣本稀疏目標(biāo)的學(xué)習(xí)錯(cuò)誤率上呈現(xiàn)的顯著性差異,提出懲罰校正的支持向量分類(lèi)算法和校正方法。在小麥籽種圖像特征數(shù)據(jù)上開(kāi)展實(shí)驗(yàn)分析,稀疏樣本目標(biāo)的準(zhǔn)確率顯著提高,整體分類(lèi)性也得到明顯改善,具備顯著有效性和通用性。2.設(shè)計(jì)了病害圖像識(shí)別方位亮度多樣性仿真方法。同廣泛使用的基準(zhǔn)數(shù)據(jù)集相比,農(nóng)場(chǎng)果園視頻感知設(shè)備采集環(huán)境復(fù)雜,充滿著多種干擾,定點(diǎn)、移動(dòng)方式都難以保證在受限條件和有限次數(shù)采樣下,采集到代表性圖像在各狀態(tài)下分布均勻的樣本集。在訓(xùn)練測(cè)試之前,需要消除噪聲,規(guī)格化樣本大小等一系列操作的預(yù)處理過(guò)程。以蘋(píng)果為例,設(shè)計(jì)病害圖像預(yù)處理標(biāo)準(zhǔn)過(guò)程和方法:整形算法、方位多樣性仿真、亮度多樣性仿真、稀疏化方法。同時(shí),在主成分分析數(shù)學(xué)過(guò)程剖析的基礎(chǔ)上,提出特征值溢界丟棄的PCA降維。閾值為95%時(shí),該方法表現(xiàn)出較好的重構(gòu)性能;在ORL基準(zhǔn)數(shù)據(jù)集展開(kāi)泛化實(shí)驗(yàn),準(zhǔn)確率三維曲面說(shuō)明,溢界丟棄的PCA降維能實(shí)現(xiàn)樣本的有效特征化;結(jié)合支持向量機(jī)構(gòu)造病變模式的識(shí)別方法,算法表現(xiàn)出令人樂(lè)觀的實(shí)驗(yàn)性能。3.提出隨機(jī)反饋深度受限玻爾茲曼機(jī)半監(jiān)督學(xué)習(xí)的病害圖像特征提取。在分析受限玻爾茲曼機(jī)能量模型數(shù)學(xué)邏輯的基礎(chǔ)上,提出病害圖像模式半監(jiān)督深度學(xué)習(xí)特征提取,該算法的重構(gòu)效果較PCA算法有明顯改進(jìn)。針對(duì)RBM網(wǎng)絡(luò)的粗造學(xué)習(xí)過(guò)程,在k階對(duì)比散度方法的基礎(chǔ)上提出基于隨機(jī)反饋的對(duì)比散度方法。kCD的目標(biāo)函數(shù)趨近對(duì)比實(shí)驗(yàn)顯示:該算法的收斂時(shí)間較長(zhǎng),但是,收斂之后的目標(biāo)函數(shù)曲線,具備更好穩(wěn)定性,更高最優(yōu)目標(biāo)值,更加有利于系統(tǒng)性能的穩(wěn)定。4.提出彈性動(dòng)量深度卷積病變圖像特征提取識(shí)別網(wǎng)絡(luò)一體化方法。基于卷積運(yùn)算提出深度卷積網(wǎng)絡(luò)的果體病變圖像識(shí)別方法,設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)及其面向卷積的誤差BP傳遞算法,提出彈性沖量的權(quán)值更新機(jī)制,構(gòu)造線性彈性動(dòng)量和二次彈性動(dòng)量方法。該方法通過(guò)一體化的學(xué)習(xí)網(wǎng)絡(luò),融合特征提取和模式識(shí)別,共享學(xué)習(xí)機(jī)制完成對(duì)識(shí)別部件和特征提取部件的協(xié)同訓(xùn)練,解決了“過(guò)程和目標(biāo)”失配的問(wèn)題,收斂曲線反映出該方法有較快的收斂速度;二次彈性動(dòng)量和線性彈性動(dòng)量相比于經(jīng)典動(dòng)量梯度下降、自適應(yīng)動(dòng)量方法,收斂周期呈現(xiàn)較大幅度的提前。
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41;TP181

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 馬少華,高峰,李敏,吳成東;神經(jīng)網(wǎng)絡(luò)分類(lèi)器的特征提取和優(yōu)選[J];基礎(chǔ)自動(dòng)化;2000年06期

2 管聰慧,宣國(guó)榮;多類(lèi)問(wèn)題中的特征提取[J];計(jì)算機(jī)工程;2002年01期

3 胡威;李建華;陳波;;入侵檢測(cè)建模過(guò)程中特征提取最優(yōu)化評(píng)估[J];計(jì)算機(jī)工程;2006年12期

4 朱玉蓮;陳松燦;趙國(guó)安;;推廣的矩陣模式特征提取方法及其在人臉識(shí)別中的應(yīng)用[J];小型微型計(jì)算機(jī)系統(tǒng);2007年04期

5 趙振勇;王保華;王力;崔磊;;人臉圖像的特征提取[J];計(jì)算機(jī)技術(shù)與發(fā)展;2007年05期

6 馮海亮;王麗;李見(jiàn)為;;一種新的用于人臉識(shí)別的特征提取方法[J];計(jì)算機(jī)科學(xué);2009年06期

7 朱笑榮;楊德運(yùn);;基于入侵檢測(cè)的特征提取方法[J];計(jì)算機(jī)應(yīng)用與軟件;2010年06期

8 王菲;白潔;;一種基于非線性特征提取的被動(dòng)聲納目標(biāo)識(shí)別方法研究[J];軟件導(dǎo)刊;2010年05期

9 陳偉;瞿曉;葛丁飛;;主觀引導(dǎo)特征提取法在光譜識(shí)別中的應(yīng)用[J];科技通報(bào);2011年04期

10 王華,李介谷;人臉斜視圖象的特征提取與恢復(fù)[J];上海交通大學(xué)學(xué)報(bào);1997年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 尚修剛;蔣慰孫;;模糊特征提取新算法[A];1997中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

2 潘榮江;孟祥旭;楊承磊;王銳;;旋轉(zhuǎn)體的幾何特征提取方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

3 薛燕;李建良;朱學(xué)芳;;人臉識(shí)別中特征提取的一種改進(jìn)方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

4 杜栓平;曹正良;;時(shí)間—頻率域特征提取及其應(yīng)用[A];2005年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

5 黃先鋒;韓傳久;陳旭;周劍軍;;運(yùn)動(dòng)目標(biāo)的分割與特征提取[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議專(zhuān)刊[C];2008年

6 魏明果;;方言比較的特征提取與矩陣分析[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

7 林土勝;賴(lài)聲禮;;視網(wǎng)膜血管特征提取的拆支跟蹤法[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 秦建玲;李軍;;基于核的主成分分析的特征提取方法與樣本篩選[A];2005年中國(guó)機(jī)械工程學(xué)會(huì)年會(huì)論文集[C];2005年

9 劉紅;陳光，

本文編號(hào)：1297875