论文部分内容阅读
马铃薯是一种重要的粮菜兼用型农作物,成为继小麦、稻谷和玉米之后的又一主粮,其适应性强、产量高、营养丰富,不仅是世界粮食市场上的一种主要食品,而且也是重要的工业原料,极具开发价值。我国是马铃薯生产的第一大国,甘肃省以其独特的自然资源、农田气候和环境资源,已经成为马铃薯的主要产区之一,种植面积和产量均居全国第一位,促进了全省马铃薯产业的蓬勃发展,是农业增收、企业增效、农民致富的重要途径。我国是一个农业大国,也是一个农业病虫害多发的国家,不仅种类繁多、分布广泛,而且成灾条件复杂。马铃薯病害一直都是制约其可持续发展的主要因素之一,在造成经济损失的同时,还会造成环境污染和食物污染,也会对人类食品安全造成威胁。为了解决马铃薯病害发生严重、产生分散、病虫害专家缺乏等问题,帮助基层技术人员和广大种植用户及时准确地诊断马铃薯病害、把握发生动态、指导开展防控和防治工作,在计算机视觉技术的基础上,结合智能优化算法和深度学习算法,针对马铃薯病害图像的自动识别问题开展了一系列的研究,主要工作如下:(1)分别于2015年和2016年的7月至9月间,在甘肃省马铃薯的主要种植区域定西市的“国家现代化农业示范区马铃薯模式化攻关—定西市安定区香泉镇示范基地”以及定西市的临洮县、康乐县、岷县、渭源县、漳县和陇西县进行马铃薯病害图像的采集工作,重点采集了马铃薯叶部的病害图像。然后采用计算机视觉技术,在Adobe Photoshop CS6 x64简体中文版软件中对采集到的图像进行图像裁剪、调整图像分辨率的预处理,在MathWorks MATLAB R2016a x64简体中文版软件中采用编程的方式进行图像灰度化、灰度图像中值滤波和彩色图像中值滤波的预处理。(2)在研究OTSU阈值分割算法和SFLA智能优化算法的基础上,将OTSU算法简单高效的特点与SFLA算法高效的计算性能、不易陷入局部最优、优良的全局寻优能力、易于实现的特点相结合,首次提出了一种新的基于混合蛙跳算法的OTSU阈值分割算法(OTSU-Shuffled Frog Leaping Algorithm,简称OTSU-SFLA算法)。首先对预处理好的马铃薯病害图像进行灰度化处理并且计算其直方图,然后采用OTSU算法根据直方图对病害图像进行基础分割,最后将OTSU算法的分割结果作为SFLA算法的优化起点,在OTSU算法分割的基础上,利用SFLA算法强大的寻优能力与计算能力做进一步的分割优化,在MathWorks MATLAB R2016a x64简体中文版软件中采用该算法进行编程,从复杂马铃薯病害图像中成功地获取了病斑区域,实现了图像病斑的准确分割。同时,在该算法中首次提出了图像分割紧凑度的概念和具体的计算方法,并且将图像分割紧凑度与交叉熵的加权和作为该算法的适应度函数,在OTSU-SFLA算法中引入该适应度函数后,不仅算法收敛速度快,而且还不易陷入局部最优。(3)在研究人工神经网络和深度学习算法的基础上,充分利用卷积神经网络在计算机视觉方面的优秀性能以及其强大的建模能力、特征学习能力和模式识别能力,基于Caffe开放框架构建了一个13层的基于深度卷积神经网络的马铃薯病害识别模型,由1个输入层、5个卷积层、3个池化层、2个全连接层、1个Softmax层和1个输出层所组成,ReLU函数作为其激活函数,该模型把特征提取直接纳入到模型的学习训练之中,将病害图像的特征提取和分类识别有机地进行了组合。将OTSU-SFLA算法分割之后的二值图像还原为彩色图像,然后将其分成两组样本,一组样本中的每张图像每45度逆时针旋转一次,共旋转7次,在原样本基础上扩大8倍后对模型进行了训练和参数调整;另一组样本对模型进行了识别测试,平均正确率为95.17%,较好地实现了马铃薯病害图像的特征提取和病害识别。