基于机器视觉的甘肃大麦病害分类识别研究
Barley Diseases Classification and Identification Research Based on Machine Vision in Gansu Province
大麦是啤酒加工业的主要原料,也是我国甘、青、藏等地区十分重要的粮食和草畜饲料.随着科学技术,特别是数字农业、精准农业等科技的不断发展,机器视觉在农作物缺素诊断、农作物的病虫害识别以及农产品质量检测等领域取得了许多研究成果.大麦同其他农作物一样,在其生长期内也容易受到病虫害的侵袭,这将造成大麦减产,制约农业经济的发展.本研究在分析总结国内外农作物病虫害检测识别方面的研究现状的基础上,提出了一种与传统农作物病虫害检测不同的新方法,通过对大麦病虫害图像进行数字化处理,然后结合模式识别等技术进一步对农作物病害图像进行分类识别.试验结果表明,本研究中提出的分类模型能够对大麦生长期内感染的病害进行分类识别,且分类效果良好,精度较高,对指导大麦植保作业等农业生产具有积极作用.此外研究应用机器视觉技术快速准确地发现并识别大麦病害,及时采取农业综合防治措施,对于有效减少大麦产量损失以及提升大麦品质等均也具有重要意义.分别在如下方面进行了研究:1.图像采集与预处理环节是进行后续图像数据操作的关键步骤,直接影响图像处理的效果,进而影响大麦病虫害识别的精确程度.论文在自然背景下进行图像的采集,并采用B通道灰度化,然后对图像数据进行中值滤波、双峰法和分水岭算法处理.2.在颜色特征提取方面,分别对图像的R、G、B三通道提取颜色矩特征,分别提取了三个通道的一阶矩和二阶矩,由试验数据表明,该特征对于大麦的正常叶片和病害叶片具有很好的区分度.3.在纹理特征提取方面选用局部二值模式,通过计算图像数据的LBP值来进行纹理特征的提取.论文选用颜色和纹理特征来作为进行大麦病害识别的综合特征.4.分类器选用支持向量机来构建,该分类器对于多分类具有更好的分类效果,对于大麦的整体病害识别结果达84.7%以上.
- 作者:
- 杨倩
- 学位授予单位:
- 甘肃农业大学
- 专业名称:
- 农业电气化与自动化
- 授予学位:
- 硕士
- 学位年度:
- 2013年
- 导师姓名:
- 高晓阳
- 中图分类号:
- S435.123
- 关键词:
- 大麦病害;机器视觉;图像处理;特征提取;模式识别;支持向量机
- Barley diseases;Color Moments;LBPSupport;Vector Machine