煙草病害自動(dòng)識(shí)別診斷系統(tǒng)的研究.pdf

1、煙草是我國(guó)主要的經(jīng)濟(jì)作物之一，是國(guó)家財(cái)政稅收的重要來(lái)源之一。據(jù)統(tǒng)計(jì)，2014年全國(guó)共種植烤煙1837萬(wàn)畝，煙草行業(yè)工商稅利達(dá)到10517.6億元，全年上繳財(cái)政總額9110.3億元。煙草質(zhì)量是生產(chǎn)高品質(zhì)煙葉保障，是確保卷煙品質(zhì)重要前提之一。但是，煙草在生長(zhǎng)過(guò)程中受到氣候、土壤、技術(shù)水平等因素的影響，極易受到各種煙草病害危害，降低煙草產(chǎn)量，影響煙葉品質(zhì)。傳統(tǒng)煙草病害識(shí)別主要依靠人工以及實(shí)驗(yàn)室檢測(cè)，存在效率低、實(shí)時(shí)性差、無(wú)法大面積推廣應(yīng)用等問(wèn)

2、題。因此，如何快速準(zhǔn)確識(shí)別煙草病害是亟待解決的問(wèn)題。
　　本文針對(duì)大田環(huán)境下采集到的赤星病、野火病等多種病害，利用交互式分割算法準(zhǔn)確分割提取出煙草圖像病斑，借助顏色矩、Hu不變矩以及灰度共生矩陣得到煙草病害的顏色、輪廓和紋理特征值，采用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法建立起煙草病害識(shí)別診斷模型，通過(guò)移動(dòng)客戶端以及服務(wù)器端，將煙草病害自動(dòng)識(shí)別診斷系統(tǒng)應(yīng)用到煙草生產(chǎn)中。本文為煙草病害識(shí)別工作提供了一種準(zhǔn)確、便捷、高效的解決方案。
　

3、　提出一種大津法與GrabCut算法結(jié)合的交互式分割提取算法。首先，在大田環(huán)境下用手機(jī)采集到煙草病害圖片;然后，將提取到的煙草病害圖片由RGB顏色空間轉(zhuǎn)化到HSV顏色空間，提取其V分量圖;再次，利用大津法對(duì)煙草病害的V分量圖進(jìn)行閾值分割，得到相應(yīng)病斑的位置及面積信息;最后，通過(guò)對(duì)比分析病斑區(qū)域面積信息將具有明顯病斑特征區(qū)域的位置信息初始化GrabCut函數(shù)，將區(qū)域內(nèi)病斑準(zhǔn)確分割提取出來(lái)，得到煙草病害病斑分割圖。
　　建立多特征融合

4、的煙草病害識(shí)別模型。通過(guò)顏色矩、病斑輪廓以及灰度共生矩陣提取出煙草病害的顏色、輪廓以及紋理特征，利用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，得到BP神經(jīng)網(wǎng)絡(luò)最優(yōu)初始權(quán)值和閾值，縮短訓(xùn)練時(shí)間。應(yīng)用優(yōu)化神經(jīng)網(wǎng)絡(luò)將多特征進(jìn)行融合，建立煙草病害自動(dòng)識(shí)別診斷模型，提高煙草病害的識(shí)別的準(zhǔn)確率。
　　設(shè)計(jì)煙草病害識(shí)別診斷的移動(dòng)客戶端。煙草病害自動(dòng)識(shí)別診斷系統(tǒng)平臺(tái)搭建在移動(dòng)客戶端與服務(wù)器上，只需用戶拍照上傳煙草病害照片，根據(jù)反饋結(jié)果來(lái)指導(dǎo)煙草生產(chǎn)。當(dāng)用戶

5、在大田中發(fā)現(xiàn)煙草病害時(shí)，通過(guò)手機(jī)拍照并上傳煙草病害圖片到服務(wù)器端;服務(wù)器自動(dòng)識(shí)別診斷煙草病害種類，將煙草病害識(shí)別結(jié)果、病害特征信息以及防治方法反饋至用戶的移動(dòng)客戶端上;用戶根據(jù)反饋信息進(jìn)行相應(yīng)煙草病害防治工作。
　　本文建立以移動(dòng)客戶端為輸入，用戶服務(wù)為輸出的多特征融合煙草病害遺傳神經(jīng)網(wǎng)絡(luò)識(shí)別診斷模型。通過(guò)田間試驗(yàn)表明，該方法能有效自動(dòng)識(shí)別診斷出包括赤星病、氣候斑、病毒病、野火病以及角斑病等在內(nèi)的八種煙草病害，煙草病害平均識(shí)別準(zhǔn)確