论文部分内容阅读
随着精准农业的不断发展,机器视觉技术在农业生产领域得到了更加广泛的运用,提高农产品生产的收益。机器视觉在农作物病虫害识别及农产品质量检测等领域的应用取得重大成效,并在精准农业中起到越来越重要的作用。本论文在基于对国内外的病虫害检测识别的研究成果学习的基础上,改进了病虫害图像检测分类的算法过程,进而优化了分类模型。本论文提出的分类识别模型能够对龙眼病虫害进行分类识别,且分类精确度高,效率比传统的模式好,对龙眼植保等农业生产具有积极作用。本论文主要研究工作如下:(1)龙眼虫害图像数据收集及图像预处理。拍摄采集龙眼荔枝等植物病虫害图像,然后根据某些病虫害图像开展病虫害分类实验研究,研究对象包括霜疫霉病、炭疽病、蒂蛀虫和荔枝蝽等病等常见龙眼病虫害。本论文采用滤波的方法对病害图像去除噪声,另外采用多种交叉图像增强算法对图像进行增强处理,使得图像达到实验分类识别的要求。(2)将蜂王交配进化算法引入到图像分割中。采用蜂王交配进化算法与Otsu算法相结合的分割方法,对染病龙眼图像进行病斑区域提取实验,并通过实验验证了本论文方法在病虫害图像分割应用中的效果显著,且分割耗时短。(3)提取龙眼病斑区域中的有效数据信息,简而言之就是提取并分析病斑的颜色特征、纹理特征和形状特征,然后对所取得的有效数据进行标准化处理,并对图像进行病斑类型标注,为病虫害分类识别的研究提供有效的特征数据。(4)通过对经典的SVM算法模块的研究,把蜂王交配进化算法融入到SVM分类阈值的确定过程,训练可用于龙眼病虫害分类识别的SVM分类器,并运用配置好的龙眼病虫害分类器对其他待测的龙眼病虫害图片进行分类识别测试。实验结果表明,本论文提出基于蜂王交配进化算法的SVM分类器不但具有较好的鲁棒性,并且具有识别率高和性能优越的特点。本论文基于蜂王交配进化算法理论学习研究,通过对计算机图像处理的深入学习,把蜂王交配进化算法融入图像分割过程中,同时把蜂王交配进化算法融入SVM分类器的分类阈值确定中,最后通过龙眼病虫病斑区域提取和龙眼病虫害分类识别等实验证明本论文方法的可行性。