基于演化算法及改進(jìn)詞袋模型的病蟲害分類識(shí)別技術(shù)研究.pdf

1、農(nóng)作物病蟲害的爆發(fā)意味著農(nóng)作物的大規(guī)模減產(chǎn)和品質(zhì)下降，同時(shí)農(nóng)戶盲目施藥也導(dǎo)致了農(nóng)藥殘留超標(biāo)、環(huán)境破壞等嚴(yán)重后果。隨著計(jì)算機(jī)技術(shù)的發(fā)展，機(jī)器視覺技術(shù)的研究與應(yīng)用已經(jīng)擴(kuò)展到農(nóng)業(yè)工程領(lǐng)域。利用機(jī)器視覺技術(shù)檢測(cè)和識(shí)別農(nóng)作物病蟲害，提供準(zhǔn)確、可靠的病蟲害診斷及防治意見，以達(dá)到合理施藥，提質(zhì)增產(chǎn)的目的，對(duì)促進(jìn)我國(guó)現(xiàn)代化、智能化農(nóng)業(yè)的發(fā)展具有重要意義。本論文以玉米農(nóng)作物為研究對(duì)象，設(shè)計(jì)出適用于農(nóng)作物病蟲害診斷領(lǐng)域的分類識(shí)別方案，對(duì)圖像病斑區(qū)域的精細(xì)化

2、提取，并結(jié)合改進(jìn)詞袋模型實(shí)現(xiàn)玉米病蟲害分類識(shí)別。本論文主要研究工作及創(chuàng)新點(diǎn)如下：
　　(1)采集并分析玉米病蟲害圖像數(shù)據(jù)集。本論文主要采集玉米葉部病蟲害圖像用以進(jìn)行測(cè)試實(shí)驗(yàn)，包括大斑病、小斑病、炭疽病等常見玉米病蟲害類別，并對(duì)采集的圖像數(shù)據(jù)集進(jìn)行規(guī)格化。對(duì)數(shù)據(jù)集中玉米病蟲害圖像進(jìn)行分析，得出病斑區(qū)域與無(wú)病狀區(qū)域的顏色、紋理等方面的差異信息，作為病蟲害圖像分割及病斑提取的主要依據(jù)。
　　(2)針對(duì)玉米病斑部位在圖像中表現(xiàn)的特征

3、，設(shè)計(jì)了基于演化算法的直方圖二次分割方法。結(jié)合對(duì)玉米病蟲害圖像的分析，充分考慮病蟲害病斑的顏色、紋理等特征，將圖像色度與灰度組成二元組構(gòu)建二維直方圖，解決了一維直方圖不能明顯地區(qū)分目標(biāo)和背景雙峰分布的情況，同時(shí)改進(jìn)了傳統(tǒng)二維直方圖應(yīng)用在病蟲害病斑提取的不足。運(yùn)用了基于演化算法的OTSU二次分割方法，設(shè)計(jì)適合病蟲害圖像數(shù)據(jù)特征的染色體編碼，并結(jié)合圖像分析結(jié)果選擇初始化種群，提高尋優(yōu)效率，同時(shí)通過(guò)設(shè)定波動(dòng)閾值，在最佳閾值的波動(dòng)領(lǐng)域范圍內(nèi)繼續(xù)

4、搜索，實(shí)現(xiàn)全局搜索與局部搜索相結(jié)合。
　　(3)借鑒導(dǎo)向?yàn)V波算法思想，實(shí)現(xiàn)了對(duì)玉米病蟲害圖像病斑區(qū)域的精細(xì)化提取。在病斑區(qū)域提取過(guò)程中，借鑒導(dǎo)向?yàn)V波算法的思想，利用灰度導(dǎo)向圖進(jìn)行引導(dǎo)，對(duì)圖像分割結(jié)果進(jìn)行濾波操作，設(shè)置權(quán)系數(shù)矩陣，針對(duì)在分割后病斑邊緣、紋理模糊和粗糙位置進(jìn)行恢復(fù)，優(yōu)化病斑提取結(jié)果，更好地保留病蟲害圖像病斑的邊緣、紋理特征。
　　(4)通過(guò)對(duì)傳統(tǒng)詞袋模型各個(gè)算法模塊的研究，融合病斑提取算法，設(shè)計(jì)應(yīng)用于農(nóng)作物病蟲害

5、識(shí)別的改進(jìn)詞袋模型識(shí)別方案。對(duì)農(nóng)作物病蟲害圖像進(jìn)行演化算法的區(qū)域提取，并采用 Dense-SIFT進(jìn)行均勻采樣的特征提取，對(duì)提取的圖像特征使用空間金字塔匹配方案映射到高分辨率空間中進(jìn)行匹配，最后使用 LIB-SVM對(duì)數(shù)據(jù)集進(jìn)行分類。
　　最后，通過(guò)病斑區(qū)域提取實(shí)驗(yàn)說(shuō)明：本論文提出的病蟲害圖像病斑區(qū)域提取算法能夠有效確定玉米病蟲害圖像中病斑位置，提取出具有細(xì)膩邊緣和紋理的病斑，通過(guò)與基于閾值的傳統(tǒng)OTSU算法、基于聚類的EM算法、G