基于多維圖像特征的農(nóng)作物長勢評價方法.pdf

1、對農(nóng)作物生長態(tài)勢快速、準確地監(jiān)測與評價是現(xiàn)代精準農(nóng)業(yè)中的關(guān)鍵問題之一，也是近年來推動我國農(nóng)業(yè)信息化建設(shè)的基礎(chǔ)，越來越成為農(nóng)業(yè)生產(chǎn)領(lǐng)域的研究熱點?？v觀國內(nèi)外關(guān)于農(nóng)作物信息監(jiān)測與評價的相關(guān)研究，目前所提出的監(jiān)測方法在選擇作物信息和數(shù)據(jù)分析優(yōu)化方面還存在諸多不足，數(shù)據(jù)優(yōu)選和處理方法還有很大的研究空間，數(shù)據(jù)可信度需要進一步提高。同時，對作物生長態(tài)勢的評價還主要基于與作物生長相關(guān)的部分參數(shù)，對作物整體信息的采集、處理和評價不能得到非常令人滿意的效

2、果。
　　針對以上問題，本文提出了一種基于多維圖像特征的農(nóng)作物長勢評價方法，旨在對大棚作物生長過程中的重要信息進行精準地實時監(jiān)測，從而對作物生長態(tài)勢進行合理的評估，為現(xiàn)代化農(nóng)業(yè)生產(chǎn)管理提供決策依據(jù)。論文的主要研究內(nèi)容包括:
　　1、提出了基于雙目立體視覺的作物生長態(tài)勢實時監(jiān)測方法。該方法將立體視覺技術(shù)引入溫室大棚的智能檢測，監(jiān)測車利用一組相機設(shè)備在S型軌道移動即可實現(xiàn)遠程實時信息監(jiān)控，無需進入大棚內(nèi)進行操作。結(jié)合圖像處理技術(shù)

3、和三維重建技術(shù)能夠全面地提取作物的圖像信息，這些信息能夠反映作物的生長情況。監(jiān)測系統(tǒng)節(jié)能環(huán)保、易于操作，具有很高的應(yīng)用價值。
　　2、為解決農(nóng)作物特征指標冗余導(dǎo)致信息處理效率不高的問題，提出了基于改進型LPP算法的特征優(yōu)化方法。首先將樣本數(shù)據(jù)利用2DPCA進行降維，然后提出優(yōu)化的兩類子圖對不同類別數(shù)據(jù)間的遠近關(guān)系進行描述，最后將數(shù)據(jù)進一步投影到低維空間，完成樣本的特征優(yōu)化。該方法能夠較好地提取作物數(shù)據(jù)中的整體空間信息，同時兼顧局部

4、流形信息。該方法能夠完成對作物多維特征信息的優(yōu)化降維，具有較高的實用性和準確性。
　　3、針對農(nóng)作物長勢評判問題，提出了基于蝙蝠算法的農(nóng)作物長勢評價模型。將蝙蝠群體的感知尋優(yōu)策略引入規(guī)則挖掘過程，自動尋找各個評價特征在規(guī)則中的最優(yōu)上下界，建立具有高分類精度的規(guī)則庫，能夠涵蓋訓(xùn)練樣本的主要信息。所提取的分類規(guī)則比較符合專家對作物生長態(tài)勢的評判過程，易于理解和表達。該方法比較方便和準確地描述作物生長特征參數(shù)與其生長態(tài)勢的關(guān)聯(lián)情況，可直

5、觀、快速地對作物進行合理的評價。
　　仿真實驗結(jié)果表明，基于改進型LPP的作物生長特征優(yōu)選方法具有很好的適應(yīng)性，最高SVM分類準確率能夠達到96％以上，算法運行時間較低，相比其他優(yōu)化方法具有更為優(yōu)越的數(shù)據(jù)優(yōu)化性能;基于蝙蝠算法的作物生長態(tài)勢評價模型的評價精度達到了95.4％。證明本文的農(nóng)作物信息監(jiān)測與評價方法能夠?qū)ψ魑锒嗑S信息進行合理地提取、優(yōu)化和評價，具有準確率高、實時性好等優(yōu)點，這對現(xiàn)代化農(nóng)業(yè)生產(chǎn)技術(shù)的發(fā)展具有比較重要的理論及