農(nóng)業(yè)生產(chǎn)是人類的生產(chǎn)之本,保障農(nóng)業(yè)生產(chǎn)是國之根本,然而農(nóng)作物病害長期威脅著我國農(nóng)業(yè)生產(chǎn)。在實際生產(chǎn)過程中,正確識別病害種類并精準(zhǔn)施藥,能夠避免病蟲害的爆發(fā),有效保障農(nóng)業(yè)生產(chǎn)。針對現(xiàn)有農(nóng)作物病害識別中病害作物種類不夠豐富,對病害程度劃分精度不高,模型訓(xùn)練時間過長的問題,論文提出了一種能針對多種農(nóng)作物進(jìn)行正確識別病害程度的可行方法。本文運用計算機(jī)視覺技術(shù),基于“AI Challenger”農(nóng)作物病害數(shù)據(jù)集,通過傳統(tǒng)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和遷移學(xué)習(xí)三種方法對農(nóng)作物病害葉片進(jìn)行分類比較研究。以期尋找在多種農(nóng)作物病害的實際情況下,能夠正確識別農(nóng)作物病害程度的最佳方法。傳統(tǒng)機(jī)器學(xué)習(xí)中采用融合葉片紋理和形狀特征,基于支持向量機(jī)進(jìn)行病害識別;深度學(xué)習(xí)中采用基于Xception網(wǎng)絡(luò)進(jìn)行特征提取及分類,利用交叉熵?fù)p失函數(shù)和Adam算法進(jìn)行參數(shù)調(diào)節(jié),并選用dropout正則化技術(shù)提升模型泛化能力;考慮到訓(xùn)練樣本的有限性同時為解決模型的冷啟動問題,引入遷移學(xué)習(xí)機(jī)制對模型優(yōu)化改進(jìn),提出了一種基于遷移Xception的農(nóng)作物病害葉片識別方法。實驗結(jié)果表明鑒于自然場景中出現(xiàn)的多干擾因素,傳統(tǒng)機(jī)器學(xué)習(xí)算法不能取得理想的效果...

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1.1不同（疾病

基于計算機(jī)視覺的農(nóng)作物病害葉片識別方法研究農(nóng)作物主要組成部分有根、莖、葉、花、果實、種子，在生長過程中有較好特征代表性的是它的葉、花、果實[4]，其中花、果實在植物之間區(qū)別明顯，但生長周期較短，且都是立體結(jié)構(gòu)，三維數(shù)據(jù)采集以及后期處理技術(shù)困難；而農(nóng)作物的葉片，生長周期較長，葉片表....

圖1.2Leafsnap程序界面

成都大學(xué)碩士學(xué)位論文圖1.2Leafsnap程序界面Fig.1.2TheLeafsnapsystemdisplay通過對上述國內(nèi)外的研究以及應(yīng)用現(xiàn)狀分析可知，近年來采用傳統(tǒng)機(jī)器學(xué)習(xí)方法的實驗結(jié)果精度不斷提高，如楊章的利用降維的LBP分類器在50類葉片分類中，達(dá)到94%的分類精度。....

圖2.1不同類別包含葉片數(shù)條形圖

成都大學(xué)碩士學(xué)位論文表2.1續(xù)Tab.2.1Cont類別葉片種類類別葉片種類類別葉片種類9玉米健康29桃瘡痂病嚴(yán)重49番茄晚疫病菌嚴(yán)重10玉米灰斑病一般30辣椒健康50番茄葉霉病一般11玉米灰斑病嚴(yán)重31辣椒瘡痂病一般51番茄葉霉病嚴(yán)重12玉米銹病一般32辣椒瘡痂病嚴(yán)重52番茄斑....

圖2.2Lab顏色空

基于計算機(jī)視覺的農(nóng)作物病害葉片識別方法研究綜上可知，對該數(shù)據(jù)集進(jìn)行準(zhǔn)確、高效的分類能夠幫助更加精準(zhǔn)、快速的找到合適的農(nóng)作物病蟲害治療措施，有助于提高農(nóng)產(chǎn)品品質(zhì)和產(chǎn)量，本論文基于此數(shù)據(jù)集開展研究，該數(shù)據(jù)集存在的分類難點有：（1）每類樣本數(shù)目差異較大、分布不均衡。（2）數(shù)據(jù)集對疾病的....

本文編號：4055175