版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、我國作為世界第一大蔬菜消費國,蔬菜的病害常使國家經(jīng)濟和人民生活遭受嚴重損失,已經(jīng)成為制約蔬菜高效、安全生產(chǎn)的主要原因,而灰霉病是一種嚴重威脅保護地蔬菜生產(chǎn)的真菌病害,不僅在植株生長期間嚴重發(fā)生,而且在產(chǎn)后的儲藏、運輸過程中也可繼續(xù)造成嚴重危害。本研究提出以城鄉(xiāng)居民主要消費蔬菜之一的番茄作為研究對象,以引致蔬菜灰霉病的半知菌亞門葡萄孢屬作為病原物,采用高光譜圖像結(jié)合成像檢測技術(shù)提取并理解植株染病后葉面、冠層的圖像特征信息,建立基于高光譜成
2、像技術(shù)的番茄灰霉病的早期檢測模型,形成對番茄灰霉病進行早期、準確、非破壞性診斷的一種新的理論和方法。這對提高我國植物抗病機制的研究,控制保護地蔬菜灰霉病的危害,促進植物病理學(xué)發(fā)展具有重要的意義。主要創(chuàng)新性成果有:
(1)提出了利用植物特有的紅邊現(xiàn)象對植物和非植物實現(xiàn)可見近紅外高光譜圖像背景分離,通過對高光譜圖像中680-740 nm波段圖像進行方差分析,建立二值化圖像,有效分離番茄葉片與背景,有效分離番茄冠層與背景土壤、背
3、景托盤以及其他背景信息。提出了利用利用近紅外1350-1500 nm波段植物特有的光譜特性實現(xiàn)近紅外高光譜圖像的背景分離,有效分離番茄葉片與背景,有效分離番茄冠層與背景土壤以及其他背景信息。
(2)提出了光譜數(shù)據(jù)預(yù)處理-預(yù)處理圖像-特征波長提取,特征波段圖像和特征波段融合圖像提取-建模預(yù)測的高光譜成像檢測的技術(shù)路徑,由此建立了基于高光譜成像的番茄葉片灰霉病的早期檢測模型。系統(tǒng)地研究了原始光譜(Raw)和7種光譜預(yù)處理方法,
4、選擇了變量標準化(SNV)方法為番茄葉片灰霉病檢測的可見近紅外波段高光譜圖像預(yù)處理方法,選擇了標準化(Nomalize)作為番茄葉片灰霉病檢測的近紅外波段高光譜圖像預(yù)處理方法,并應(yīng)用獨立軟模式法(SIMCA)中的區(qū)別能力(Discrimination power)參數(shù)在可見短波近紅外光譜區(qū)提取特征波長401 nm,491 nm,550 nm,625 nm,649 nm,687 nm和743 nm,在近紅外光譜區(qū)提取特征波長1355 nm
5、,1446 nm和1608 nm,再利用特征波段建立基于線性的多項式PLSDA分類器,基于統(tǒng)計參量的BayesC以及LDC分類器和基于自適應(yīng)學(xué)習(xí)的BPNN以及SVC分類器,建立相應(yīng)模型后,比較分類表明基于統(tǒng)計參量的分類器為最佳。
(3)提出了采用特征融合波段圖像提取番茄葉片灰霉病的檢測和提取方法,利用獲得的特征波段分別在可見短波近紅外波段和近紅外波段建立了多元線性回歸(MLR)預(yù)測模型,并由此得到波段融合方程建立新的波段融
6、合圖像,在可見短波近紅外波段結(jié)合680-740 nm波段的方差圖和分割圖像,系統(tǒng)研究了多種邊緣提取的方法,選擇拉普拉斯銳化結(jié)合Sobel算子的邊緣提取的方法去除了分割圖像中的陰影信息,提取有效葉片信息;同時也系統(tǒng)研究了基于空域和頻域的5種圖像銳化方法,選擇高頻強調(diào)濾波銳化方式在特征融合圖像中提取有效病斑信息,計算出葉片的病斑面積和病斑面積比。在近紅外光譜波段結(jié)合1530 nm波段信息,系統(tǒng)研究了五種圖像銳化方法,采用巴特沃斯高通濾波的銳
7、化方式有效提取了番茄葉片信息,并通過特征融合圖像提取有效病斑信息,計算出葉片的病斑面積和病斑面積比。
(4)提出了基于高光譜成像技術(shù)的番茄冠層灰霉病的早期檢測方法,研究利用MSR光照補償和小波融合算法實現(xiàn)減少番茄冠層圖像中由于高度差出現(xiàn)的光照不均勻現(xiàn)象,并通過計算對應(yīng)波段圖像的方差、信息熵、清晰度、扭曲指數(shù)、相關(guān)系數(shù)、偏差指數(shù)等統(tǒng)計量判斷融合后圖像是否可以表征原數(shù)據(jù)信息;系統(tǒng)研究了多種不同預(yù)處理方法的輸入數(shù)據(jù)對番茄葉片灰霉
8、病冠層早期檢測模型的影響,選擇標準化(Normalize)預(yù)處理方法作為可見短波近紅外高光譜圖像和近紅外高光譜圖像的預(yù)處理方式;研究了植被指數(shù)特征圖像提取方式、PCA變換特征圖像提取方式以及利用統(tǒng)計公式的特征圖像提取方式,在基于可見短波近紅外高光譜圖像的番茄冠層灰霉病的早期檢測中采用740-900 nm的方差統(tǒng)計圖作為特征圖像,實現(xiàn)番茄灰霉病的早期可視化檢測;在基于近紅外高光譜圖像的的番茄冠層灰霉病的早期檢測中采用1300-1450 n
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于光譜和多光譜成像技術(shù)的油菜生命信息快速無損檢測機理和方法研究.pdf
- 基于光譜和多源波譜成像技術(shù)的植物灰霉病快速識別的方法研究.pdf
- 基于高光譜成像技術(shù)的肉品品質(zhì)無損檢測方法研究.pdf
- 基于高光譜成像技術(shù)的對蝦品質(zhì)信息快速檢測方法研究.pdf
- 基于高光譜成像技術(shù)的蘋果品質(zhì)無損檢測研究.pdf
- 基于高光譜成像技術(shù)的蔬菜新鮮度快速檢測方法研究.pdf
- 基于高光譜成像技術(shù)的冷鮮豬肉品質(zhì)無損檢測方法研究.pdf
- 基于光譜和多光譜成像技術(shù)的葡萄內(nèi)部品質(zhì)快速無損檢測和儀器研究.pdf
- 基于高光譜成像技術(shù)的花生仁質(zhì)量無損檢測研究.pdf
- 基于高光譜成像技術(shù)的靈武長棗品質(zhì)無損檢測研究.pdf
- 基于高光譜成像技術(shù)的干貝水分含量快速檢測研究.pdf
- 基于高光譜成像技術(shù)的馬鈴薯內(nèi)部品質(zhì)無損檢測研究.pdf
- 基于高光譜成像技術(shù)的冷鮮羊肉品質(zhì)無損檢測研究.pdf
- 基于高光譜成像的西蘭花農(nóng)藥殘留無損檢測方法研究.pdf
- 基于高光譜成像技術(shù)的紅棗表面農(nóng)藥殘留無損檢測的研究.pdf
- 基于高光譜成像技術(shù)的柑橘葉片含氮量快速檢測方法研究.pdf
- 基于高光譜成像技術(shù)的靈武長棗常見缺陷無損檢測研究.pdf
- 基于高光譜成像技術(shù)的銅品質(zhì)檢測方法研究.pdf
- 小麥發(fā)芽特性高光譜成像快速檢測研究.pdf
- 基于透射和反射高光譜成像技術(shù)的馬鈴薯缺陷檢測方法研究.pdf
評論
0/150
提交評論