基于图像识别的枣树害虫检测关键技术研究

来源 :塔里木大学 | 被引量 : 0次 | 上传用户:john_cai
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
枣树是我国最古老也是干果产量中居于第一位的主栽果树。近年来,随着枣树种植面积的增加,害虫的威胁也一步步提升,作为一种多年生乔木一旦受到害虫危害将影响多年的收成,给枣农带来巨大的经济损失。枣树虫害发生时首先需要识别出是哪种害虫,才能对症下药提出相应的杀灭方法。但是,枣树害虫的种类多、枣树种植面积又大,每次虫害发生时仅靠专家或技术人员进行人工识别既费时又容易出错误,远远不能满足枣农的需求。随着图像识别技术的出现,农业领域也在积极的探索使用图像识别技术代替人工来完成识别工作,减少灾害反应时间。本文在前人研究的基础上,探索了图像识别技术在枣树害虫检测方面的关键技术。针对枣园取像环境不佳的情况研究了图像预处理技术在提升图像质量上的方法,分别研究了图像灰度化技术、直方图均衡化技术、图像滤波技术等图像预处理技术的算法原理及相应图像结果,探讨出较为适合枣树害虫的图像预处理方法。在减少图像识别信息方面,应用了图像分割技术。主要探讨阈值法分割技术、基于区域的分割方法、基于边缘检测的分割方法的算法原理,提出Sobel算子和Canny算子在枣树害虫检测图像分割方面的具体应用方法。在图像模式识别方面,分别探讨了使用机器学习和神经网络对枣树害虫进行检测的方法。在机器学习部分提出了使用HOG(Histogram of Oriented Gradient)算法进行图像特征提取和使用SVM(Suport Vector Machine)算法进行图像分类的方法;在神经网络部分,介绍了经典的卷积神经网络的分层方案和算法原理,提出了使用LeNet-5模型进行红枣害虫检测的步骤和方法。本文选取了阿拉尔市8团、16团的部分枣园进行害虫图像拍摄,共拍摄了红蜘蛛(Tetranychus cinnbarinus)、刺蛾幼虫(Limacodidae)、枣尺蠖(Chihuo zao Yang)、枣瘿蚊(Contaria sp)等害虫图像400余张。实验结果表明,使用图像预处理方法可以减少约三分之二的数据处理量,使用图像分割技术可以快速提取出需要识别的害虫图像。在模式识别部分,使用HOG算法和SVM算法对红蜘蛛的精度为80.00%,对刺娥幼虫的识别率为81.82%,对枣尺蠖的识别率为75.00%,对枣瘿蚊的识别率为77.78%。使用LeNet-5模型进行红蜘蛛识别的精度达到76.92%,对刺娥幼虫的识别精度为81.82%,对枣尺蠖的识别精度为87.5%,对枣瘿蚊的识别精度为76.92%。
其他文献
2012年5月12日正值第四个全国“防灾减灾日”,5月7日-13日也被确定为“防灾减灾周。今年国家“防灾减灾日”的主题是“弘扬防灾减灾文化,提高防灾减灾意识”.
为研究质子交换膜燃料电池系统水热管理策略,针对某款实际系统建立了水冷逆流式中冷器的机理模型,并用实验数据对模型进行了验证。在Matlab/Simulink仿真平台下分析了空气流
光谱仪是将成分复杂的光分解为光谱线的科学仪器,由棱镜或衍射光栅等构成,利用光谱仪可测量物体表面反射的光线。在遥感领域,为了研究各种不同地物或环境在野外自然条件下的
随着金融全球化进程的不断加快,我国乃至全世界都聚焦于经济结构转型,绿色经济、低碳经济等已逐渐成为各个国家经济发展的重点,金融作为经济领域的重要组成部分,社会各界逐渐关注在环境保护的前提下发挥出金融工具的重要作用。习近平总书记在党的十九大报告中提出“发展绿色金融”,而绿色信贷正是贯彻落实这一要求的重大举措,同时也是商业银行应对环境和社会风险、提升国际竞争能力的重要途径,更是我国打赢三大攻坚战之一的污