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

基于深度学习的葡萄叶片病害识别方法研究

刘媛  
【摘要】:中国葡萄酒产业发展迅猛,葡萄酒产量和销售量稳步增长。酿酒和鲜食葡萄的大规模、高密度和集群化种植模式给传染性病害的防治带来极大挑战。传统的侵染性试验或依靠经验诊断病害的方法,周期长、主观性强,且盲目喷洒农药,易造成农药残留和病虫抗药性问题。随着技术进步,人工智能、计算机视觉和图像处理技术被越来越多地应用在农业领域,特别在作物病害识别领域。葡萄植株染病时,生理结构和形态特征均会发生变化,如形变、褪色、腐烂等,故将葡萄叶片病害图像作为对象,利用计算机视觉技术和深度神经网络进行病害种类识别的研究,对农产品质量提升和农业生态环境安全具有重要意义。本文针对自然光照下葡萄叶片6种常见病害的识别和诊断方法进行研究,主要包括以下内容:(1)对采集的葡萄病害叶片图像进行数据增强处理,在不改变研究对象的属性和类别的前提下,采用镜像翻转、随机裁剪、添加颜色扰动和噪声等方法增加额外副本拓充样本数量,解决数据集样本数量不足的问题,并根据不同识别方法制作A、B、C三类数据集。(2)葡萄病害的半自动识别:从包含复杂背景的叶片原图中手动截取病斑的外界矩形区域作为实验样本。首先根据6种葡萄病害在颜色、纹理等方面差异提取28种特征,通过特征筛选出20种特征,经过PCA降维实现样本有效特征化,分别测试22种传统分类器,根据各种特征对预测结果的贡献率筛选5种特征用于识别。实验结果表明,传统分类识别方法中的Bagged Trees对基于色度的彩色纹理特征的葡萄病害图像有很好的识别效果,6种病害的平均识别精度为86.67%,尤其对于白粉病具有较高的识别率和鲁棒性,识别率为92.94%。(3)葡萄病害的全自动识别:对于包含复杂背景完整染病叶片样本,本文使用Faster R-CNN模型先检测图像中的叶片,在检出的叶片区域再进行病斑检测,根据用外接矩形框出叶片上病斑区域,最后将该矩形图像送入CNNs进行病害类型识别。检测病斑时仍采用Faster R-CNN。本文的这种策略可以有效避免复杂背景因素和无效区域干扰造成的误检测与误识别。本文对传统机器视觉分类模型中的Bagged Trees进行了测试,与前文中人工截取病斑样本的识别方法作对比。此外,为了在多种卷积神经网络中选择最优的网络,本文测试了AlexNet、VGG-16、VGG-19、GoogLe Net、ResNet50等网络。实验结果表明,传统分类技术在包含复杂背景的病斑样本进行分类时,性能出现显著下降,正确识别率为73.99%。在5种被测的网络模型中,VGG-16表现出卓越的识别性能,对6种葡萄病害的正确识别率为94.48%。该方法对炭疽病、灰霉病、褐斑病、白粉病、黑痘病的识别效果较好,正确识别率均高于90%,其中白粉病的识别率达99.62%。
【学位授予单位】:甘肃农业大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:S436.631;TP181

【相似文献】
中国期刊全文数据库 前10条
1 郑强;;葡萄种植常见病虫害及防治措施[J];特种经济动植物;2018年07期
2 卞凤娥;孙永江;牛彦杰;杜远鹏;翟衡;;高温胁迫下根施褪黑素对葡萄叶片叶绿素荧光特性的影响[J];植物生理学报;2017年02期
3 张学东;;夜路[J];文学港;2017年03期
4 毕然;;火焰山下的葡萄天堂[J];吐鲁番;2017年02期
5 许丽莎;;《一张告示》阅读[J];中学生阅读(高中版)(下半月);2017年03期
6 孙祎龙;;葡萄叶面积快速测定法[J];中国果树;1987年01期
7 葛根;;谈谈葡萄的栽培和管理 第四讲 十、十一月葡萄农事[J];上海农业科技;1987年05期
8 秦国庆;;葡萄早期枯叶的原因及防治[J];河北农业科技;1987年06期
9 乔宪生,曹尚银;施用PP333对苹果、葡萄叶片组织结构和厚度的影响[J];落叶果树;1988年03期
10 谷元昌;早熟大粒葡萄——“84—010”[J];新农业;1988年11期
中国重要会议论文全文数据库 前6条
1 赵滢;艾军;王振兴;秦红艳;张庆田;焦竹青;;外源一氧化氮对盐胁迫下山葡萄叶片快速光曲线的影响[A];创新驱动,加快战略性新兴产业发展——吉林省第七届科学技术学术年会论文集(下)[C];2012年
2 苏淑钗;罗国光;;葡萄叶片表面的气孔形态与分布[A];中国科学技术协会第二届青年学术年会园艺学论文集[C];1995年
3 项殿芳;刘玲;吴学仁;;模拟酸雨对贝达葡萄叶片生理代谢影响初探[A];中国园艺学会第六届青年学术讨论会论文集[C];2004年
4 范旭东;董雅凤;张尊平;任芳;;秋蜜葡萄叶片病毒检测及GYSVd1群体分析[A];中国植物病理学会2011年学术年会论文集[C];2011年
5 张付春;潘明启;郝敬喆;韩守安;钟海霞;张雯;伍新宇;;北方葡萄“顺沟高‘厂’”树形的风险抵御能力评价研究[A];第六届全国现代果业标准化示范区创建暨果树优质高效生产技术交流会论文汇编[C];2017年
6 郭金丽;李连国;李爽;李美静;成婷;韩雪;;西北干旱地区不同栽植方式葡萄叶幕微气候及光合日变化规律研究[A];“现代果业标准化示范区创建暨果树优质高效生产技术”交流会论文汇编[C];2014年
中国重要报纸全文数据库 前4条
1 河北林业科学研究院 刘俊 刘寅喆 李敬川;葡萄园防风固沙技术[N];河北科技报;2017年
2 ;葡萄釆后施肥促来年丰产[N];陕西科技报;2017年
3 王继阁;葡萄叶片发黄的原因及防治[N];山东科技报;2015年
4 王晓霞 田福敏;科技副乡(镇)长为临泽农民增收助力[N];张掖日报;2008年
中国博士学位论文全文数据库 前3条
1 张俊环;葡萄幼苗与果实对温度逆境的交叉适应性及其细胞学机制研究[D];中国农业大学;2005年
2 郁松林;水杨酸在葡萄高温胁迫过程中的信号作用及与蛋白质磷酸化关系的研究[D];中国农业大学;2004年
3 孙永江;葡萄光系统Ⅱ及光合碳同化对高温强光的响应机理[D];山东农业大学;2016年
中国硕士学位论文全文数据库 前10条
1 杨始锦;葡萄(Vitis vinifera L.)叶片向光性机理研究[D];甘肃农业大学;2018年
2 刘媛;基于深度学习的葡萄叶片病害识别方法研究[D];甘肃农业大学;2018年
3 刘阗宇;基于卷积神经网络的葡萄叶片病害检测方法研究[D];甘肃农业大学;2018年
4 贾尚云;基于虚拟仪器的葡萄叶片还原糖含量检测系统研究[D];甘肃农业大学;2018年
5 刘光春;葡萄叶片~(13)C和~(15)N吸收分配规律研究[D];山东农业大学;2016年
6 杜璇;基于流形学习的葡萄叶片品种识别方法研究[D];西北农林科技大学;2017年
7 杨森;复杂背景下基于机器视觉的葡萄叶片检测与跟踪方法研究[D];甘肃农业大学;2017年
8 赵金阳;自然条件下葡萄叶片图像的自动分割方法研究[D];甘肃农业大学;2017年
9 张娟;白粉菌接种诱导的葡萄叶片蛋白质组差异分析[D];西北农林科技大学;2015年
10 赵玉琴;自然光照下葡萄叶片图像的颜色恢复与阴影检测[D];甘肃农业大学;2016年
中国知网广告投放
相关机构
>中国农业大学
相关作者
>张俊环 >刘悦萍
 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