收藏本站
《华南农业大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

基于群体智能算法优化的农作物病虫害的识别技术研究

熊璐  
【摘要】:农作物病虫害分类识别研究既能帮助农民快速预防农作物病虫害,又能减少农药对生态环境的破坏。运用群体智能算法和图像处理技术能够有效解决农作物病虫害分类识别过程中所遇到的关键问题。本文以龙眼病虫害为研究对象,通过对群体智能算法的研究与改进,将群体智能算法应用在彩色病虫害图像预处理、彩色病虫害图像分割、彩色病虫害图像多特征提取以及彩色病虫害图像识别等方面展开研究。本文所做的科研工作总结如下:(1)针对传统粒子群算法应用在图像识别的各个环节目标优化时存在收敛速度慢和易陷入局部最优等问题,提出相应的改进思路。从两个方面来改进混沌粒子群算法:一是提出了一种基于混沌理论的二进制粒子群算法(CBPSO),通过将混沌变量相互转化离散的二进制向量,改善算法对离散问题处理的局限性,提升算法的处理速度;二是提出了一种基于自适应调整的混沌粒子群算法(ACPSO),通过对惯性权重的动态调整,提升算法的搜索效率,提高算法的搜索准确性。实验表明改进的算法在精度方面和稳定性方面是有效的。(2)针对彩色病虫害图像存在图像背景较为复杂、后期难以分割等问题,提出了一种基于混沌粒子群算法和模糊聚类的彩色病斑图像分割方法,首先将颜色空间由RGB颜色空间转换成HIS颜色空间,然后提出了一种混沌粒子群算法和模糊聚类相融合的算法(CPSO-FCM),将每个颜色分量经过算法处理后得到相应的分割图,最后通过颜色空间转换成RGB颜色空间,从而实现分割的效果。(3)针对农作物病虫害彩色图像噪声大,边缘模糊等问题,提出了一种基于Otsu和分水岭算法的彩色病斑图像分割方法,首先提出了一种不受反射亮光影响的因子的新彩色空间,然后采用数学形态学开闭重建技术对图像进行重建,减少和消除因细节和噪声干扰造成的分水线位置偏移,可有效解决分水岭算法过分割问题。与其他的分割方法比较,效果较好,性能有明显的提高。(4)针对病虫害识别的问题提出对特征提取的研究,给出了一种颜色、纹理、形状以及局部特征等多特征融合的特征表示方案。为了使得所提取的特征鲁棒可靠,对于颜色特征,给出新彩色空间和颜色矩融合进行特征提取与表示;对于纹理特征,将灰度共生矩阵与局部二进制模式融合进行特征提取与表示;对于形状特征,将Hu不变矩方法进行特征提取与表示;对于局部特征,对原有的SURF方法旋转45度后进行特征检测,并运用金字塔模型对特征进行描述。最后采用多种方法(主成分分析法、二进制混沌粒子群算法)对生成的特征进行优化选择。从实验分析结果可知,基于二进制混沌粒子群算法对生成的特征选择优于主成分分析法,同时说明此方法是一个有效的方法。(5)首先,针对彩色病虫害图像进行识别分类时,由于SVM模型的参数不确定性,分别采用自适应混沌粒子群算法与粒子群算法来获取SVM参数。然后将提取到的图像特征作为模型的原始输入数据,并对其进行分类,可克服传统SVM模型对农作物病虫害分类时所面临的随机性和盲目性。使用交叉验证法对不同的PSO算法参数进行实验,结果表明龙眼病虫害藻斑病ACPSO-SVM方法比PSO-SVM方法分类正确率低一点,其他病虫害的分类准确率均比PSO-SVM方法高,但从运行效率上看,ACPSO-SVM所需处理时间仅为PSO-SVM所需时间的88.94%,同时ACPSO-SVM算法实现起来也相对简单。本章所提出的基于自适应混沌粒子群算法的支持向量机的病虫害识别方法,具有较好的分类准确率,是一种有效的方法。
【学位授予单位】:华南农业大学
【学位级别】:博士
【学位授予年份】:2018
【分类号】:S43;TP391.41;TP18

【参考文献】
中国期刊全文数据库 前10条
1 杨景明;马明明;车海军;徐德树;郭秋辰;;多目标自适应混沌粒子群优化算法[J];控制与决策;2015年12期
2 周强强;王志成;赵卫东;陈宇飞;;基于水平集和视觉显著性的植物病害叶片图像分割[J];同济大学学报(自然科学版);2015年09期
3 谢传奇;方孝荣;邵咏妮;何勇;;番茄叶片早疫病近红外高光谱成像检测技术[J];农业机械学报;2015年03期
4 张芳;王璐;付立思;田有文;;基于支持向量机的黄瓜叶部病害的识别研究[J];沈阳农业大学学报;2014年04期
5 刘丽娟;刘仲鹏;张丽梅;;基于图像处理技术的玉米叶部病害识别研究[J];吉林农业科学;2014年01期
6 彭占武;司秀丽;王雪;袁洪印;;基于计算机图像处理技术的黄瓜病害特征提取[J];农机化研究;2014年02期
7 范彩霞;朱虹;蔺广逢;罗磊;;多特征融合的人体目标再识别[J];中国图象图形学报;2013年06期
8 任磊;赖惠成;陈钦政;王星;;基于改进分水岭的棉花图像分割方法[J];计算机工程与应用;2012年34期
9 李震;洪添胜;曾祥业;郑健宝;;基于K-means聚类的柑橘红蜘蛛图像目标识别[J];农业工程学报;2012年23期
10 虎晓红;李炳军;席磊;;基于多示例图的小麦叶部病害分割方法[J];农业工程学报;2012年13期
【共引文献】
中国期刊全文数据库 前10条
1 崔世钢;次丹妮;梁帆;;基于Lab颜色空间和遗传算法的苦苣菜叶片病斑分割[J];天津职业技术师范大学学报;2015年03期
2 吴雪梅;唐仙;张富贵;顾金梅;;基于K-means聚类法的茶叶嫩芽识别研究[J];中国农机化学报;2015年05期
3 梁桂勤;黄善恩;;西红柿不同生长时期病虫害防治技术[J];现代农业科技;2015年18期
4 谭飞刚;刘伟铭;黄玲;翟聪;;基于加权欧氏距离度量的目标再识别算法[J];华南理工大学学报(自然科学版);2015年09期
5 刘春茂;郝倩;;农业图像新型自适应混合滤波算法的应用[J];江苏农业科学;2015年08期
6 彭志勇;常发亮;刘洪彬;别秀德;;基于HSV模型和特征点匹配的行人重识别算法[J];光电子·激光;2015年08期
7 王建;李震;洪添胜;倪慧娜;邓小玲;郑建宝;;从红蜘蛛为害叶片的高光谱图像中识别受害区域[J];农机化研究;2015年07期
8 谢泽奇;张会敏;张善文;张云龙;;基于颜色特征和属性约简的黄瓜病害识别方法[J];江苏农业学报;2015年03期
9 卫朝霞;;机载跟踪器的逃逸目标图像快速识别模型仿真[J];计算机仿真;2015年05期
10 孙吉祥;梁敬东;;基于图像分割和轮廓矩的果蝇求偶行为识别方法[J];计算机应用与软件;2015年04期
【二级参考文献】
中国期刊全文数据库 前10条
1 胡旺;Gary G. YEN;张鑫;;基于Pareto熵的多目标粒子群优化算法[J];软件学报;2014年05期
2 张初;刘飞;章海亮;孔汶汶;何勇;;近地高光谱成像技术对黑豆品种无损鉴别[J];光谱学与光谱分析;2014年03期
3 刘丽娟;刘仲鹏;程芳;;玉米生长期叶部病害图像识别预处理研究[J];河南农业科学;2013年10期
4 彭可为;李婵;曹学仁;张永生;王运生;;数字图像技术在植物病害自动识别中的研究进展[J];江西农业学报;2012年09期
5 王树文;张长利;;基于图像处理技术的黄瓜叶片病害识别诊断系统研究[J];东北农业大学学报;2012年05期
6 胡秋霞;田杰;何东健;宁纪锋;;基于改进型C-V模型的植物病斑图像分割[J];农业机械学报;2012年05期
7 李冠林;马占鸿;王海光;;基于支持向量机的小麦条锈病和叶锈病图像识别[J];中国农业大学学报;2012年02期
8 刘德营;赵三琴;丁为民;陈坤杰;;基于图像频谱特征的稻飞虱识别方法[J];农业工程学报;2012年07期
9 李寒;王库;曹倩;殷晶晶;;基于机器视觉的番茄多目标提取与匹配[J];农业工程学报;2012年05期
10 邓继忠;李敏;袁之报;金济;黄华盛;;基于图像识别的小麦腥黑穗病害特征提取与分类[J];农业工程学报;2012年03期
【相似文献】
中国期刊全文数据库 前10条
1 吴宗卓;;大数据时代群体智能算法的优越性研究[J];无线互联科技;2019年02期
2 李明;;模拟细菌菌落进化过程的群体智能算法[J];系统仿真学报;2013年02期
3 汪镭,康琦,吴启迪;群体智能算法总体模式的形式化研究[J];信息与控制;2004年06期
4 杨义先;李丽香;彭海朋;袁静;陈永刚;张浩;;群体智能算法及其在信息安全中的应用探索[J];信息安全学报;2016年01期
5 陶乾;黄哲学;顾春琴;;一种“自我”感知的高维混沌群体智能算法[J];集成技术;2014年03期
6 霍兆义;赵亮;尹洪超;孙文策;;基于群体智能算法的换热网络同步最优综合[J];化工学报;2012年04期
7 徐向艺;;几种常规群体智能算法的研究[J];通讯世界;2016年22期
8 邱挺;叶长燊;李玲;黄智贤;王红星;;仿生群体智能算法的演示教学[J];化工高等教育;2014年03期
9 詹煜;吴冠辰;;群体智能算法在机器学习当中的应用[J];科技传播;2018年17期
10 杨勇;王长辉;丁雪峰;胡勇;;基于群体智能算法的BBS空间集体观点形成模型研究[J];四川大学学报(工程科学版);2011年01期
中国重要会议论文全文数据库 前1条
1 王洋;于君;;基于群体智能的通信网络告警关联规则挖掘算法[A];2016山西省通信学会学术年会论文集[C];2016年
中国重要报纸全文数据库 前1条
1 本报特约通讯员 于俊楠;走进展会,细数那些没见过的装备[N];中国国防报;2016年
中国博士学位论文全文数据库 前10条
1 熊璐;基于群体智能算法优化的农作物病虫害的识别技术研究[D];华南农业大学;2018年
2 陈永刚;群体智能算法的若干改进研究[D];北京邮电大学;2018年
3 孙家泽;群体智能算法及在三维文物虚拟拼接中的应用[D];西北大学;2015年
4 奚茂龙;群体智能算法及其在移动机器人路径规划与跟踪控制中的研究[D];江南大学;2008年
5 陈恩修;离散群体智能算法的研究与应用[D];山东师范大学;2009年
6 薛晗;不确定规划的群体智能计算[D];国防科学技术大学;2010年
7 陈伟;群体智能算法及其在基因表达数据聚类中的应用[D];江南大学;2011年
8 赵吉;群体智能算法研究及其应用[D];江南大学;2010年
9 王元;变循环发动机建模及性能寻优控制技术研究[D];南京航空航天大学;2015年
10 杨磊;基于改进群体智能算法的数据分类学习模型研究[D];华南农业大学;2016年
中国硕士学位论文全文数据库 前10条
1 祁晓丽;基于群体智能算法的LT码度分布优化设计研究[D];天津工业大学;2018年
2 甘旭东;群体智能算法的评估与分析[D];上海交通大学;2011年
3 李建;工程结构优化的群体智能算法[D];浙江大学;2010年
4 郝敬亚;群体智能算法在电厂燃料管理系统中的应用研究[D];华北电力大学;2012年
5 马伟;基于群体智能算法的聚类分析研究[D];江南大学;2015年
6 周超;基于群体智能与神经网络的计算智能集成方法[D];江南大学;2012年
7 王薇;混沌改进群体智能算法研究及其在光伏MPPT中的应用[D];南昌大学;2017年
8 毛蔚;群体智能算法在高职院校教学质量评价系统中的设计与应用[D];电子科技大学;2012年
9 廖子贞;基于群体智能算法的聚类挖掘方法研究[D];长沙理工大学;2008年
10 蔡仕杰;基于群体智能算法的网格任务调度的研究[D];华东师范大学;2012年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026