《红枣病虫害特征提取及应用研究文献综述》由会员分享，可在线阅读，更多相关《红枣病虫害特征提取及应用研究文献综述（8页珍藏版）》请在金锄头文库上搜索。
1、信 息 工 程 学 院毕业设计文献综述姓名： 张 三 学号： 5011285221 专业： 计算机科学与技术 班级： 计算机 20-1 班 红枣病虫害特征提取及应用研究（张三）摘要：基于计算机视觉的红枣病虫害显微图像识别方法研究是新疆维吾尔族自治区兵团青年创新资金项目“南疆红枣病虫害检测系统开发与应用”的一部分；首先选择含有缩果病、黑斑病的枣树的叶片、枣果的图像预处理算法，然后提取其形态特征，最后利用提取的特征参数对基于 matlab 神经网络的枣树病虫害识别做了初步探索。1 视基于计算机觉的红枣病虫害显微图像识别方法研究不仅可用于检验枣树是否含有病虫害，同时也为其他果树检测系统的开发提供了参
2、考。2.对图像变换、图像增强、图像分割、形态学处理等一系列图像预处理算法进行分析、比较，设计了枣树的叶片、枣果特征提取图像预处理方案。试验表明，该图像预处理方案能有效满足特征提取对图像的要求。3.定义并提取了枣树 16 个形态特征，算法可以同时对图像中多个枣树进行特征提取，大大提高了枣树特征提取的效率。4.分析了 BP 人工神经网络的结构特点和网络参数设计要求，设计了面向 matlab 的 BP神经网络。通过试验对 BP 神经网络的训练目标、网络结构和传递函数等参数进行了优化。关键词：特征提取；红枣；图像处理；神经网络枣树病虫害种类多，分布广，危害重，是造成枣树产量低，质量差的重要原因，当前严
3、重发生的病虫害，主要有： 枣步曲、枣粘虫，桃小食心虫，食芽象甲、枣疯病、枣锈病等。防治时要坚持贯彻预防为主的无公害综合防治措施。基于计算机视觉的红枣病虫害显微图像识别方法研究将采集的含有病虫害枣树图像经过图像预处理后进行特征提取，然后将提取的特征输入分类器进行识别检测。特征提取是枣树识别检测中的一个关键问题，直接影响分类器的设计及其性能，由于在很多实际问题中常常不容易找到那些最重要的特征，或受条件限制不能对它们进行测量，这就使特征提取的任务复杂化而成为计算机视觉系统最困难的任务之一，特征提取在计算机视觉识别中起承上启下的作用，是图像由物理空间到分类空间最重要的过程，特征提取直接关系种子检测的成
4、功与否。一、国内外发展现状1. 国外研究现状国外利用计算机视觉进行农产品检测开始于 20 世纪 80 年代，20 世纪 90年代末期开始推广应用，现在已经取得较大进展。他们中较有代表性的有：1981年 Graf G.L 等应用多变元线性统计分析的方法对带有碰压伤的苹果图像进行分割，从而确定碰压伤面积，但由于硬件设备的原因，这种方法速度很慢，只是对苹果分级的初步尝试。1984年 Taylor R.W 等分别利用线扫描和模拟摄像机检测苹果损伤的试验，试验证明了数字图像技术检测苹果损伤可以达到人工分级精度。1986 年 Rehkugler G.E 和 Throop J.A 等人利用近红处线扫描摄像机
5、的苹果表面灰度图像，确定损伤面积，并将碰压伤和其它坏损区域分开来处理，可区分碰伤、擦伤、鸟啄、虫咬、刀伤等不同的损伤，但误差很大。1990 年 McDonald T 等探讨了形态学图像处理方法在农业中的应用，并用形态学图像处理方法进行了玉米粒大小区分，植物叶识别和牛肉纹理分析，证实了该方法的有效性。1990 年 Zayas I 等采用十二个参数来描述玉米粒的大小和形状: 面积、周长、长、宽等结合统计模式识别方法判别完整和破损玉米粒，独立验证样本集中的全部破损玉米粒和 98的完整玉米粒被正确辨别出来。1994 年 Ding K.等根据参考形状对比原理调整检测对象的位置、方向和尺度使其相似轮廓边缘
6、与参考形状最接近，基于该模型提取的尺寸与形状特征提高了分类精度。1995 年 Liao K 等利用实时图像处理板和 RTX 实时图像处理器创立了实时特征提取算法。这个算法为一个人工智能的玉米质量在线自动检测系统提取和处理颜色特征。该系统精度和速度都比以前方法快，处理速度约为 1.3s 处理 12个籽粒，这为大规模、工业水平的谷物质量的自动化检测系统开发打下了技术基础。1998 年 Ni B.等人研究利用机器视觉进行玉米仔粒大小分级，可测得独立于玉米粒方向的尺寸。2000 年 Wilkerson 等开发了种子活力检测的自动图像分析软件。2001年 Visen 等利用区域等效椭圆、边界的曲率和最小
7、邻域相结合的算法分割籽粒，对于 2 粒或 3 粒籽粒相连情况，分割效果较好，达到 99。2002 年 Laykin S.等利用傅立叶变换提取西红柿圆度特征，对象形状偏离正圆愈远，则该特征值愈大。另外，还有 1992年 Churchill D.B.等研究了用机器视觉技术检测酥油草种子；1996 年 Zayas 等研究了不同品种小麦的识别技术；2002年 Shahin 等利用X 光图像检测洋葱内部缺陷的图像,等等。国外在利用计算机视觉进行农产品检测方面的研究取得了较快发展，利用计算机视觉对农产品表面缺陷与损伤、尺寸和表面颜色等农产品重要品质特征的检测，不仅可以排除主观因素干扰，而且还能对这些指标进
8、行定量描述，具有人工检测所无法比拟的优越性。但由于研究时间不长，受当时计算机视觉算法、计算机硬件性能、价格等方面的影响，尚有许多方面需进行深入研究（如:如何精确测量农产品特征；如何建立农产品的特征信息与农产品品质的相关性；如何实现对高速运动农产品群体的品质检测等等）以便在实际生产中利用计算机视觉对农产品进行快速而精确地检测。2.国内研究现状国内对于计算机视觉在农产品检测方面的应用研究起步较晚，主要开始于九十年代初，与国外研究还有一定差距，他们中比较有代表性的有:中国农业大学：刘禾和汪懋华(19951998)在苹果果型判别及尺寸检测中，提出了果轴的确定方法和基于果轴的形状特征参数提取方法，用模糊
9、人工神经网络完成水果果形的分级。宋韬（1996 年）应用计算机视觉选择了 11 个玉米粒形状参数，实现了多颗玉米粒完整与破损的自动识别，正确率达 93。凌云、王一鸣（2004 年）研究了静态和动态两种情况下的谷物外观品质检测技术，设计和开发了适合于我国谷物外观品质分析的检测装置。西北农林科技大学：何东健等(1998 年) 在颜色检测上，利用果实色度分布曲线作为水果的颜色特征，利用 BP 网络实现了水果颜色分级，利用图像形态学理论对果梗进行检测。宁纪峰、何东健等（2002 年）通过对单粒玉米种子图像进行处理、分析，提取反映玉米品种形态结构的特征参数，用人工神经网络方法识别玉米品种，但提取的特征精
10、度不高，严重影响品种识别。华南农业大学:王江枫、罗锡文(1998 年)研究了利用计算机视觉进行芒果重量及果面坏损检测的方法，建立了芒果重量与其投影图像的相互关系。浙江大学：应义斌(1999 年) 通过确定图像处理窗口，利用 Sobel 算子和 Hilditch 细化边缘，确定形心点。对于果面缺陷，提出利用红(R)、绿(G)色彩分量在坏损与非坏损交界处的突变算出可疑点，再经区域增长定出整个受损面。成芳、应义斌等（2004 年） 针对静态单粒稻种的可见光彩色图像进行分析，构建适用于稻种质量检验的机器视觉硬件系统，并探索基于图像分析的稻种品种识别。山东理工大学：闸建文等（2004 年）利用数理统计和
11、模糊数学知识建立了反映玉米品种间特征参数相似程度的特征贴近度、品种贴近度计算公式和品种判别准则，品种正确识别率达 88。江苏大学:黄星奕等（2004）对基于机器视觉的稻谷品种的识别技术进行了研究，提出了将图像的颜色特征和形状特征相结合进行识别的方法，通过贝叶斯决策方法设计识别分类器，识别的正确率达到 83.3%以上。另外，吉林农业大学、东北农业大学、东南大学、中国农业机械科学研究院等单位自 20 世纪 90 年代末也都开始了计算机视觉在农产品检测方面的研究。以上这些研究者为计算机视觉在农产品检测方面的研究提供了必要的理论基础和技术基础。但由于各种条件的限制，研究基本上还是处于起步阶段，研究时间
12、也较短，与世界先进水平相比还有较大差距。主要表现为:1.研究过分集中在新理论新方法的应用上，而对算法在实时性和实用性方面考虑不多，因此，现阶段计算机视觉在农产品检测技术方面的研究主要集中在实验室进行，成功推广的案例很少。2.研究重点多集中于苹果、梨、番茄等少数农产品检测和分级，而对其它大量农产品的应用研究重视不够。近几年才开始种子资源方面的检测研究。3.由于提取特征数量和有效性的限制，检测准确率普遍不高，且大部分研究是针对农产品个体进行的，检测效率难以保证。总之，自 20 世纪 70 年代末开始计算机视觉以其独特的优越性日益成为国内外研究的热点，在农产品自动检测方面的应用也取得了巨大进步，实践
13、表明利用计算机视觉代替人类视觉对农产品进行高效、自动检测是可行的；但由于受当时计算机科学、信息科学和有关算法理论的制约，大部分计算机视觉检测的准确率低，且大部分处于试验探索研究阶段离实际推广应用还有一段距离。因此，随着计算机技术和农业现代化发展的要求，迫切需要改进计算机视觉算法，提高算法准确性，完善农产品特征提取算法，检验特征有效性，同时大力拓展计算机视觉在农产品检测方面的应用范围。二、未来展望计算机视觉应用于果树检测是实现农产品检测自动化和智能化的必然趋势，我们的研究刚刚起步，有许多方面有待完善，如：枣树各品种的特征有待完善，基于计算机视觉的枣树检测技术还没有达到实际应用的要求等，基于以上问
14、题，我们做如下展望：1.扩大枣树病虫害的研究范围，深入分析患有不同病虫害的枣树特征之间的差异，并就各特征在品种识别中的作用进行评估，以提高病虫害识别准确率。2.进一步完善基于计算机视觉的枣树是否含有病虫害检测系统。目前枣树的枝干、叶果特征提取是分步进行，需完善系统软件以期所有特征同时提取，提高特征提取效率；研究 VC与 matlab 联合编程用于系统整合。三、阅读文献：1刘燕德，应义斌，成芳等.机器视觉技术在种子纯度检验中的应用 J.农业机械学报.2003，34（5）：161163.2王桂琴，杨子彪，郑丽敏等.计算机视觉在农产品检测中的应用 J.中国农业科技导报.2003，5(3)：5255.
15、3成芳，应义斌.机器视觉技术在农作物种子质量检验中的应用研究进展 J.农业工程学报.2001，17（6）：175179.4成芳.稻种质量的机器视觉无损检测研究D.浙江大学博士学位论文.2004.5凌云.基于机器视觉的谷物外观品质检测技术研究D.中国农业大学博士学位论文.2004.6刘兆艳.基于机器视觉的稻种品种识别研究D.浙江大学硕士学位论文.2006.7王树文.计算机视觉在农产品自动检测与分级中的研究D.东北农业大学硕士学位论文.2002.8高华，周林.计算机视觉及模式识别技术在农业领域的应用 J.山东农业大学学报(自然科学版).2003,34(4):590-593.9阮秋琦.数字图像处理学
16、M. 北京：电子工业出版社.2001:192-199.10何斌，马天予，王运坚等.Visual C+数字图像处理（第二版）M. 北京：人民邮电出版社.2002.11吴立德.计算机视觉M.上海 :复旦大学出版社.1993.12刘传才.图像理解与计算机视觉M. 厦门: 厦门大学出版社.2002.13谢存.计算机视觉中若干问题实现技术和算法的研究D.大连理工大学博士学位论文.2002.14袁金丽.计算机视觉在苹果外部品质检测与分级方面的应用研究D.中国农业大学硕士学位论文.2005.15陆睿静.计算机视觉预处理算法研究与应用D.广西师范大学硕士学位论文.2001.16徐歆恺.计算机视觉技术在作物形态测量中的应用D.首都师范大学硕士学位论文.2005.
