基于机器视觉的植物叶部病害识别技术研究

《基于机器视觉的植物叶部病害识别技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级：UDC：编号：河北工业大学硕士学位论文基于机器视觉的植物叶部病害识别技术研究论文作者：王利伟学生类别：全日制学科门类：工学学科专业：物理电子学指导教师：徐晓辉职称：研究员DissertationSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofPhysicalElectronicsRESEARCHONRECOGNITIONOFPLANTLEAFDISEASESBASEDONCOMPUTERVISIONbyWangLiweiSupervisor:Res

2、earcher.XuXiaohuiMay2017摘要传统病害识别方法存在识别效率低下，不能及时、准确地作出判断和处理等问题，严重影响了农作物的品质和产量。为解决上述问题，基于机器视觉的植物病害监控、识别与诊断技术得到不断发展，目前已经成为农业植物病害监测领域的研究热点并有广阔的应用前景。本论文主要研究的是利用嵌入式、机器视觉等技术实现对植物叶部病害的远程视频监控及检测，并以葡萄叶部病害为对象展开研究。首先，在分析讨论机器视觉在农业方面研究现状的基础上，确定了系统整体设计布局和软硬件选型并进行了嵌入式Linux应用平台的搭建。其次

3、，探讨了视频监控系统的开发过程，主要包括基于V4L2和USB摄像头视频数据采集的研究、x264视频编解码模块的研究和Socket网络编程视频传输与接收模块的研究。然后，对基于OpenCV的植物叶部病害图像处理及识别算法进行了研究，主要包括在原有图像处理算法的基础上通过大量的测试对比试验选择合适的图像预处理方法及图像分割方法，图像预处理时，选择中值滤波进行图像去噪处理，通过加权平均法进行图像灰度化处理，图像分割时，选择彩色样本图像RGB颜色空间模型的B分量进行OTSU阈值分割和数学形态学处理实现病斑的提取；特征提取是通过分析研究确

4、定了病斑在颜色、形状和纹理三方面的15个特征参数进行特征提取；分类识别是采用SVM方法随机选取训练集和测试集进行分类识别测试，最终选取RBF作为SVM的核函数，当惩罚参数C为64，RBF参数γ=1时，对15个特征参数进行葡萄叶部病害识别测试得到的平均识别准确率最高。最后，研究了利用Qt编程设计完成植物叶部病害监控及识别系统的应用程序。整个系统测试的最终结果是，监控系统应用软件在嵌入式客户端和远程PC服务器上都可以实现对植物生长状况的实时监控，视频传输的流畅度和视频显示的清晰度符合基本要求；识别系统应用软件在嵌入式客户端和远程PC

5、服务器上也都可以对葡萄叶部病害进行识别。关键字：机器视觉葡萄叶部病害识别OpenCV嵌入式Linux系统视频监控QtIABSTRACTThetraditionaldiseaseidentificationmethodhassomedefects,suchaslowefficiency,hightime-consumingandlowrecognitionrate,whichwouldseriouslyaffectthequalityandyield.Inordertosolvetheseproblems,diseasemonit

6、oring,identificationanddiagnosistechnologyaredevelopedallthetime.Theyhavebecomeresearchhotspotsinmonitoringofplantdiseasesinagricultureandhaveshowedwideapplications.Themainresearchofthispaperistoachieveremotevideomonitoringanddetection,andtotakegrapeleafdiseases.Firs

7、t,theoverallsystemlayoutwasdesignedandthesoftwareandhardwarewereselected,aswellastheembeddedLinuxapplicationplatformwasconstructedbasedonthediscussionofvideomonitoringandanalysisofthestatusofmachinevisioninagriculture.Then,thedevelopmentprocessofthevideomonitoringsys

8、temwasstudied,mainlyincludingdataacquisitionbasedontheresearchofV4L2andUSBcamera,x264videocodecmoduleandtheSocketnetworkprogramming