基于葉片圖像的農作物病害識別方法研究.pdf

1、利用計算機視覺技術快速、準確的識別農作物病害，是保證農產品豐收，推進農業(yè)現代化的重要手段。本文以油菜、黃瓜、水稻、玉米、大豆等常見農作物的病害圖像作為研究對象，分別在小樣本和大樣本不同條件下對農作物病害的識別進行了相關研究，主要的工作如下:
　　(1)在病斑分割上，本文根據農作物葉部呈現的顏色特點，在傳統閾值分割的基礎上，首先利用HSI顏色空間過濾葉片正常區(qū)域的信息，在Lab顏色空間下使用最大類間方差法(OTSU)設置閾值對原始圖

2、像進行分割，然后將兩種不同顏色空間下得到的分割圖像進行相與合并，得出最終的病斑分割圖像。與其它幾種常用方法分割的效果圖相比，該方法能更好地將病斑從葉片分割出來，是一種有效的病斑分割方法。
　　(2)在小樣本農作物的病害識別上，本文以油菜為研究對象，首先提取其顏色特征和紋理特征，然后通過歐氏距離來構建D-S證據理論所必需的基本概率分配(Basic Probability Assignment,BPA)，最后運用D-S證據組合規(guī)則進行

3、決策級融合，依據決策條件輸出最終分類識別結果。針對分類過程中出現識別結果為不確定的問題，本文通過引入方差來對融合方法進行改進，避免了這一問題的產生。利用該方法在采集到的油菜樣本上進行實驗，取得了97.09％的識別率。研究結果也為其他農作物病害識別提供了參考。
　　(3)大樣本農作物的病害識別上，本文以水稻、玉米、大豆三種農作物為研究對象，借助Caffe構建連續(xù)卷積層的卷積神經網絡（Convolutional Neural Netw